Modulo de Riego

UNIVERSIDAD TÉCNICA DE AMBATO
FACULTAD DE INGENIERÍA AGRONÓMICA

CARRERA DE MEDICINA VETERINARIA Y ZOOTECNIA
MODALIDAD PRESENCIAL
DISEÑO EXPERIMENTAL
PLANIFICACIÓN
GALO RODRIGO JARAMILLO JIMÉNEZ
Juan Gabriel Chipantiza
AMBATO
SEPTIEMBRE - 2009
I. DATOS BÁSICOS DEL MÓDULO
DOCENTE 1.
Nombre: Galo Rodrigo Jaramillo Jiménez
Especialidad del Docente: Maestría en Docencia e Investigación
Teléfono de contacto: (03) 2841071
Correo electrónico: gjaramilloj@yahoo.es
II. RUTA FORMATIVA
Nodo problematizador (Problemática general):

Insuficiencia de liderazgo en los procesos de investigación científica y tecnológica, con
el fin de participar en la solución de problemas agropecuarios del contexto, elevando la
calidad de vida.
Competencia genérica:
Procesar proyectos de investigación agropecuaria, para solucionar problemas del
contexto, con criterios de sustentabilidad elevando localidad de vida.
Módulos de la competencia genérica:
Técnicas de estudio
Metodología de la Investigación
Estadística
Diseño Experimental
Diseño de Proyectos de Investigación Agropecuaria
Desarrollo del proyecto de investigación agropecuaria
N. ELEMENTOS DEL MÓDULO

(Acciones sistémicas que constituyen el módulo)
1. Analizar los diferentes conceptos relacionados con la investigación experimental
agropecuaria, que posibiliten la comprensión de un experimento
2 Ensayar los diferentes modelos básicos de diseño experimental, que garanticen la
efectividad de los resultados y de los análisis respectivos.
3 Ensayar los diferentes modelos básicos en arreglo factorial de diseño
experimental, que garanticen la efectividad de los resultados y de los análisis
respectivos.
4 Ensayar los diferentes modelos de parcelas y franjas de diseño experimental, que
garanticen la efectividad de los resultados y de los análisis respectivos.
5 Interpretar informaciones agropecuarias en base a la aplicación computarizada de
pruebas estadísticas básicas y complementarias: ANDEVAS compuestos,
comparaciones de medias, comparaciones o contrastes ortogonales, análisis de
correlación y regresión.
RELACIÓN CON OTROS MÓDULOS

INTERMODULAR (en el mismo nivel o semestre):
Genética
Código: PRERREQUISITOS:
UTAFIAGMVZ403
TRANSMODULAR
Tipo de referencia: Estadística
(en el nivel o semestre superior):
Diseño del( Proyecto
GENÉRICA: x) de Investigación
ESPECÍFICA: ( ) Proyecto de Investigación
Desarrollo del
No. Créditos: 4 Ciclo Semestral: 4
III. METODOLOGÍA DE FORMACIÓN
Enfoque didáctico general:
Elementos de Contenidos Contenidos Contenidos Estrategias Tiem

Competencia cognoscitivos procedimenta Actitudinales Didácticas po
¿Qué les ¿Con que Específicas (hora
saberes? ¿Cómo Actitudes? (estrategias, s)
aplicarlos? métodos y
técnicas)
1.Analizar los • Investigaci • Desarrollar • Trabajar en • Investigaci 8
diferentes ón la guía de equipo en ón
conceptos experiment estudio forma documental
relacionados al conceptual cooperativa • Exposición
con la • Característi • Construir • Desarrollar problémica,
investigación cas de un mapas el permitiendo
experimental experiment conceptuale pensamient que los
agropecuaria, o s o crítico y estudiantes
que posibiliten • Procedimie relacionado complejo establezcan
la ntos para la s con los el marco
comprensión experiment elementos conceptual
de un ación de la referencial
experimento • Investigaci investigació
ón n
agropecuari experiment
a al
agropecuari
a
Producto:
Mapas conceptuales sobre la investigación experimental agropecuaria
2. Ensayar los • Diseño • Construir • Concientiza • Estudio de 20
diferentes completam esquemas r sobre los casos de
modelos ente al azar de los conceptos cada uno de
básicos de • Diseño de diferentes de los diseños
diseño bloques al diseños en competitivi completos y
experimental, azar base a dad y con
que garanticen • Diseño experiment productivid parcelas
la efectividad cuadrado os de ad perdidas.
de los latino campo y • Desarrollar
resultados y de procesarlos los valores
los análisis éticos de la
respectivos. investigació
n
Producto:
Esquemas referenciales de los diseños básicos con aplicaciones prácticas
3. Ensayar los • DCA con 2 • Construir • Desarrollar • Estudio de 20
diferentes factores esquemas el sentido casos de
modelos • DCA con 3 de los crítico cada uno de
básicos en factores diferentes • Trabajar en los diseños
arreglo • DBCA con diseños en equipo en completos y
factorial de 2 y 3 base a forma con
diseño factores experiment cooperativa parcelas
experimental, os de perdidas.
que garanticen campo y
la efectividad procesarlos
de los
resultados y de
los análisis
respectivos.
Producto:
Esquemas referenciales de los diseños básicos en arreglo factorial con aplicaciones
prácticas
4. Ensayar los • Diseño de • Construir • Desarrollar • Estudio de 20
diferentes parcelas esquemas actitud casos de
modelos de divididas de los crítica, cada uno de
parcelas y • Diseño de diferentes propositiva los diseños
franjas de parcelas diseños en • Desarrollar
diseño subdividida base a el criterio
experimental, s experiment de
que garanticen • Diseño de os de sustentabili
la efectividad franjas campo y dad
de los procesarlos • Desarrollar
resultados y de valores de
los análisis honestidad
respectivos.
Producto:
Esquemas referenciales de los diseños de parcelas y franjas con aplicaciones prácticas
5. Interpretar • ANDEVAS • Construir el • Desarrollar • Estudio de 12
informaciones • Pruebas de Manual de los casos de
agropecuarias comparació aplicacione conceptos cada uno de
en base a la n de medias s prácticas de los diseños
aplicación • Análisis de de Diseño agricultura con los
computarizada correlación experiment limpia y diferentes
de pruebas y regresión al agricultura análisis
estadísticas • Pruebas de con sello estadístico.
básicas y ortogonalid verde
complementari ad
as:
ANDEVAS
compuestos,
comparaciones
ortogonales.
PRODUCTO FINAL:
Manual de aplicaciones prácticas de los modelos de Diseño Experimental debidamente
analizados estadísticamente
IV. PLANEACION DE EVALUACIÓN
ESCALA DE VALORACIÓN
1 2 3 4 5
TEÒRICO TEÒRICO TEÒRICO TEÒRICO TEÒRICO
PRÁCTICO PRÁCTICO PRÁCTICO PRÁCTICO PRÁCTICO
Insuficiente Elemental Suficiente Avanzado Creativo
(Satisfactorio) (muy
satisfactorio)
< 6.0 6.0 a 7.0 7.0 a 7.9 8.0 a 8.9 9.0 a 10.0
No acreditable Supletorio Acreditable Acreditable Acreditable
Acredita con
supletorio con
avanzado o
creativo
N ELEMENTO INDICADORES DE LOGROS Instrument

o (para los tres saberes: conocer, hacer o de
y ser) Evaluación
1 Analizar los diferentes • Desarrolla la guía de estudio Guías de
conceptos relacionados con conceptual, sobre diseño experimental observació
la investigación experimental • Construye mapas conceptuales n con
agropecuaria, que posibiliten relacionados con los elementos de la indicadore
la comprensión de un investigación experimental s para el
experimento agropecuaria producto,
• Trabaja en equipo en forma la
cooperativa sustentaci
• Desarrolla el pensamiento crítico y ón y el
complejo desarrollo
de
actitudes
2 Ensayar los diferentes • Construye esquemas de los diferentes Guías de
modelos básicos de diseño diseños (modelos básicos) en base a observación
experimental, que garanticen experimentos de campo y procesarlos con
la efectividad de los • Se concientiza sobre los conceptos de indicadores
resultados y de los análisis competitividad y productividad para el
respectivos. • Desarrolla los valores éticos de la producto, la
investigación sustentación
y el
desarrollo
de actitudes
modelos básicos en arreglo diseños (modelos factoriales) en base observación
factorial de diseño a experimentos de campo y con
experimental, que garanticen procesarlos indicadores
la efectividad de los • Desarrolla el sentido crítico para el
resultados y de los análisis • Trabaja en equipo en forma producto, la
respectivos. cooperativa sustentación
y el
desarrollo
de actitudes
modelos de parcelas y franjas diseños (modelos de parcelas y observación
de diseño experimental, que franjas) en base a experimentos de con
garanticen la efectividad de campo y procesarlos indicadores
los resultados y de los • Desarrolla actitud crítica, propositiva para el
análisis respectivos. • Desarrolla el criterio de producto, la
sustentabilidad sustentación
• Desarrolla valores de honestidad y el
desarrollo
de actitudes
5 Interpretar informaciones • Construye el Manual de aplicaciones Guías de
agropecuarias en base a la prácticas de Diseño experimental observación
aplicación computarizada de • Desarrolla los conceptos de con
pruebas estadísticas básicas y agricultura limpia y agricultura con indicadores
complementarias: sello verde para el
ANDEVAS compuestos, producto, la
comparaciones ortogonales. sustentación
y el
desarrollo
de actitudes
Proceso de valoración
Aplicación de la auto-evaluación, co-evaluación, hetero-evaluación a partir de evidencias,
con el empleo de técnicas e instrumentos de valoración de las competencias.
Elementos Evaluación Evaluación Evaluación de Desempeño

del Diagnóstica formativa Producto Sustentación
módulo
Analizar • Maneja • Desarrolla la guía Mapas Sustentación
los métodos y de estudio conceptuales de los mapas
diferentes técnicas de conceptual, sobre sobre la conceptuales
conceptos investigación diseño experimental investigación para socializar
relacionad • Maneja • Construye mapas experimental los resultados y
os con la conceptos, conceptuales agropecuaria valorar el
investigaci relaciones y relacionados con los desarrollo de
ón procedimiento elementos de la actitudes
experiment s de análisis investigación
al estadísticos experimental
agropecuar para agropecuaria
ia, que informaciones • Trabaja en equipo
posibiliten estadísticas en forma
la agropecuarias. cooperativa
comprensi • Desarrolla el
ón de un pensamiento crítico
experiment y complejo
o
Ensayar • Maneja • Construye Esquemas Sustentación
los conceptos y esquemas de los referenciales de del informe
diferentes procesos de la diferentes diseños los diseños para socializar
modelos investigación (modelos básicos) básicos con los resultados y
básicos de experimental en base a aplicaciones valorar el
diseño agropecuaria experimentos de prácticas desarrollo de
experiment campo y procesarlos actitudes
al, que • Se concientiza sobre
garanticen los conceptos de
la competitividad y
efectividad productividad
de los • Desarrolla los
resultados valores éticos de la
y de los investigación
análisis
respectivos
.
los diseños esquemas de los referenciales de de los informes
diferentes experimentale diferentes diseños los diseños para socializar
modelos s básicos para (modelos básicos en arreglo los resultados y
básicos en experimentos factoriales) en base factorial con valorar el
arreglo agropecuarios a experimentos de aplicaciones desarrollo de
factorial de campo y procesarlos prácticas actitudes
diseño • Desarrolla el
experiment sentido crítico
al, que • Trabaja en equipo
garanticen en forma
la cooperativa
efectividad
de los
resultados
y de los
análisis
respectivos
.
los diseños esquemas de los referenciales de de los informes
diferentes experimentale diferentes diseños los diseños de para socializar
modelos s con arreglo (modelos en parcelas y franjas los resultados y
de parcelas factorial de la parcelas y franjas) con aplicaciones valorar el
y franjas investigación en base a prácticas desarrollo de
de diseño experimental experimentos de actitudes
experiment agropecuaria campo y procesarlos
al, que • Desarrolla actitud
garanticen crítica, propositiva
la • Desarrolla el
efectividad criterio de
de los sustentabilidad
resultados • Desarrolla valores
y de los de honestidad
análisis
respectivos
.
Interpretar • Maneja • Construye el Manual de Sustentación
informacio diseños Manual de aplicaciones del manual
nes experimentale aplicaciones prácticas de los para socializar
agropecuar s para prácticas de Diseño modelos de los resultados y
ias en base parcelas y experimental Diseño valorar el
a la franjas de la • Desarrolla los Experimental desarrollo de
aplicación investigación conceptos de debidamente actitudes
computariz experimental analizados
ada de agropecuaria agricultura limpia y estadísticamente
pruebas agricultura con sello
estadísticas verde
básicas y
compleme
ntarias:
ANDEVA
S
compuesto
s,
comparaci
ones
ortogonale
s.
TECNICAS E INSTRUMENTOS:
Guías de observación para evaluar: productos, sustentación y desarrollo de valores
V. GUÍAS INSTRUCCIONALES
# INSTRUCCIONES
G ELEMENTOS (Indicaciones) RECURSOS PRODUC
UÍ TO
A
1 Analizar los •Participa activa y críticamente •Biblioteca Mapas
diferentes en la exposición problémica con textos conceptual
conceptos sobre la los diferentes sobre Diseño es sobre la
relacionados con conceptos relacionados con la experimental investigaci
la investigación investigación experimental • Comput ón
experimental agropecuaria adora con experiment
agropecuaria, •Participa activa y críticamente internet e al
que posibiliten en la exposición problémica impresora agropecuar
la comprensión sobre diseño experimental en • Materia ia
de un las investigaciones l de escritorio
experimento agropecuarias para
•Desarrolla guía de estudio reproducción
sobre los diferentes elementos de
que constituye la investigación documentos
experimental en la agricultura • Proyect
•Elabora los mapas conceptuales or de medios
sobre los diferentes elementos magnéticos
de la Investigación • Guía de
experimental y sobre diseño estudio de
experimental en el sector Diseño
agropecuario experimental
•Sustenta el producto final, para • Guía de
socializar los resultados de presentación
acuerdo a la guías de de seminarios
presentación de seminarios.
2 Ensayar los •Participa activa y críticamente •Productos del Esquemas
diferentes en la exposición problémica de Elemento 1 referencial
modelos básicos los modelos básicos de diseño • Guía de es de los
de diseño experimental para la diseños diseños
experimental, agricultura. experimental básicos
que garanticen •Recopila información es con
la efectividad de estadística agrícola obtenida •Guía de aplicacion
los resultados y con diseños experimentales presentación es
de los análisis básicos. de seminarios prácticas
respectivos. •Procesa información en forma • Bibliote
manual con calculadora en base ca con tesis
a las fórmulas específicas, para de grado
obtener resultados estadísticos. agropecuarios
Varios casos • Comput
•Procesa información por medio adora e
de la computadora con el impresora
software específico, para • Softwar
obtener resultados estadísticos. e específico
Varios casos. • Materia
•Sustenta los productos finales, l de escritorio
para socializar los resultados de para
acuerdo a la guías de reproducción
presentación de seminarios de
documentos
• Proyect
or de medios
magnéticos
3 Ensayar los •Participa activa y críticamente •Productos Esquemas
diferentes en la exposición problémica de elaborados en referencial
modelos básicos los modelos básicos de diseño los elementos es de los
en arreglo experimental con arreglo 1y2 diseños
factorial de factorial para la agricultura. •Guía de básicos en
diseño •Recopila información diseños arreglo
experimental, estadística agrícola obtenida experimental factorial
que garanticen con diseños experimentales es con
la efectividad de básicos con arreglo factorial. • Bibliote aplicacion
los resultados y •Procesa información en forma ca con tesis es
de los análisis manual con calculadora en base de grado prácticas
respectivos. a las fórmulas específicas, para agropecuarios
obtener resultados estadísticos. •Guía de
Varios casos presentación
•Procesa información por medio de seminarios
de la computadora con el • Comput
software específico, para adora e
obtener resultados estadísticos. impresora
Varios casos. • Softwar
•Sustenta los productos finales, e específico
para socializar los resultados de • Materia
acuerdo a la guías de l de escritorio
presentación de seminarios para
reproducción
de
documentos
•Proyector de
medios
4 Ensayar los •Participa activa y críticamente •Guía de Esquemas

diferentes en la exposición problémica de diseños referencial
modelos de los modelos de parcelas y experimental es de los
parcelas y franjas de diseño experimental es diseños de
franjas de para la agricultura. •Productos de parcelas y
diseño •Recopila información los elementos franjas con
experimental, estadística agrícola obtenida 1,2 y 3. aplicacion
que garanticen con diseños de parcelas y •Guía de es
la efectividad de franjas. presentación prácticas
los resultados y •Procesa información en forma de seminarios
de los análisis manual con calculadora en base • Comput
respectivos. a las fórmulas específicas, para adora e
obtener resultados estadísticos. impresora
Varios casos • Materia
•Procesa información por medio l de escritorio
de la computadora con el para
software específico, para reproducción
obtener resultados estadísticos. de
Varios casos. documentos
•Sustenta los productos finales, •Proyector de
para socializar los resultados de medios
acuerdo a la guías de magnéticos
presentación de seminarios
5 Interpretar •Participa activa y críticamente •Productos de Manual de
informaciones en la exposición problémica de los elementos aplicacion
agropecuarias en los modelos matemáticos 1,2, 3 y 4. es
base a la estadísticos para interpretar •Guía de prácticas
aplicación resultados organizados en análisis de los
computarizada diferentes diseños estadísticos modelos
de pruebas experimentales para la •Guía de de Diseño
estadísticas agricultura. presentación Experimen
básicas y •Interpreta e infiere los de seminarios tal
complementaria resultados de los análisis • Comput debidamen
s: ANDEVAS estadísticos de acuerdo a cada adora e te
compuestos, diseño experimental impresora analizados,
comparaciones • Sustenta los productos finales, • Materia e
ortogonales, para socializar los resultados l de escritorio interpretad
análisis de de acuerdo a la guías de para os
correlación y presentación de seminarios reproducción estadística
regresión y de mente
comparación de documentos
medias.
•Proyector de
medios
magnéticos
Bibliografía:
1. Ferreira, P. V. 1996. Estadística experimental aplicada a agronomía.

Universidad Federal de Alogoas, Brasil. EDUFAL.
Este manual contiene los conceptos, las consideraciones generales de un

experimento en el sector agropecuario, los fundamentos estadísticos y los
diferentes tipos de diseños experimentales.
2. Little, T. M. y Hills, F. J. 1991. Métodos estadísticos para la investigación en

agricultura. Editorial Trillas, México.
Este texto contiene todos los elementos necesarios para el análisis estadístico,
enfocado en los diferentes diseños experimentales para la agricultura.
3. Suárez, G. 1999. Estadística y diseño experimental, análisis económico

aplicado a ciencias agropecuarias. FIAGR, Centro de Posgrado – UTA.
Texto que indica los fundamentos de la experimentación en agricultura y

ganadería, con aplicaciones prácticas de varios experimentos con parcelas
perdidas y bajo condiciones normales.
Materiales complementarios (Recursos Didácticos):
1. Glosario de términos frecuentes en Diseño Experimental

2. Guía de presentación de seminarios
3. Guía de elaboración de Mapas Conceptuales
4. Diapositivas sobre conceptos relacionados con el diseño experimental
5. Diapositivas sobre diseños y procedimientos de cálculo de cada uno
6. Guías de aplicación práctica de cada uno de los diseños
7. Manuales de trabajo del Software de Estadística: SPSS, MSTAT-C
8. Guía de evaluación de trabajo en el aula y en el campo
9. Guía de evaluación de sustentación de productos
10. Guía de evaluación de productos
Galo Rodrigo Jaramillo Jiménez

DOCENTE FIAGR – UTA Ambato, septiembre del
2009
PLANIFICADOR DEL MÓDULO
Elementos de los factores de producción
SUELO
Formación Suelo:
Material madre
Clima
Factores bióticos
Topografía
Tiempo
Fragmentación mineral
Características:
Permeabilidad
Aireación
Almacenamiento de agua
Condiciones de drenaje
Fracción orgánica
Animales y plantas existentes
Nutrientes:
Carbono
Hidrógeno
Oxigeno
Nitrógeno
Fósforo
Calcio
Magnesio
Azufre
Potasio
Cloro
Hiero
Manganeso
Cobre
Zinc
Molibdeno
Boro
Horizontes:
Horizonte Ao
Horizonte A
Horizonte B
Horizonte C
Horizonte D
Tipos suelos:
Suelo desertico
Renzina
Chemosiem
Ranker
Podsol
Lateritas
Permafrost
Coeficiente de energía:
Sales
Minerales:
Intercambio cationico en:

Arcillas
Limos
Arena
Humedad del suelo
Capacidad de campo
pH
Conductividad eléctrica
Dureza
AGUA
Conductividad eléctrica
Dureza
pH
Minerales
Sales
Cloruros
Evaporación
Condensación
Precipitación
Disponibilidad
Cómo actúa como solvente
Microfauna
Microflora
Aplicación en la tierra
Colado
Purificación contaminación
ELEMENTOS EN LAS PLANTAS
Macro nutrientes Micro elementos
Nitrógeno Azufre
Fósforo Zinc
Potasio Hierro
Magnesio
Cobre
Sodio
Manganeso
Tejido Función
Meristema crecimiento por división celular
Parénquima de relleno, fotosintético, reserva, etc.
Colénquima sostén en órganos en crecimiento
Esclerénquima sostén
Epidermis protección de partes verdes
Súber protección de partes adultas
Xilema transporte de agua y sales
Floema transporte de productos fotosintéticos
ELEMENTOS DEL CLIMA
Son la temperatura del aire
La presión atmosférica,
Los vientos,
La humedad del aire
Las precipitaciones.
La temperatura del aire
Latitud,
Altitud,
Relieve
Masa de Agua,
La Vegetación
Corrientes marinas
Corrientes de aire
EXPERIMENTO
 El experimento es la acción y efecto de experimentar.

 En las ciencias naturales, se considera a la experimentación como el
quehacer de un sinnúmero de operaciones y actividades destinadas a
descubrir, comprobar o demostrar determinados fenómenos o
principios científicos.
 La experimentación es el método científico de la indagación o
investigación, fundado en la determinación voluntaria de los
fenómenos.
 La investigación puede ser pura y aplicada. En las ciencias
agropecuarias la investigación normalmente parte de un problema
relacionado con la cantidad y calidad de los productos obtenidos
DISEÑO DE UN EXPERIMENTO
 Diseño es la descripción o bosquejo de un experimento a ejecutar,

hecho por medio de palabras y bosquejos.
 Es la elaboración del proyecto de investigación, que sirve de referente
obligatorio para la experimentación.
 En la universidad técnica de ambato, el diseño se lo realiza siguiendo
el esquema referencial para la presentación de un proyecto, aprobado
por el h. Consejo universitario.
EJECUCIÓN DE UN EXPERIMENTO
 Es el desarrollo del experimento en el campo o laboratorio, con la

finalidad de construir nuevos conocimientos o encontrar soluciones a
problemas aparentemente sin respuestas.
 La ejecución del proyecto, normalmente nos conduce a verificar
hipótesis planteadas, obteniendo conclusiones y recomendaciones en
beneficio de la coplectividad y en especial de los involucrados en el
problema.
 El éxito de la ejecución, está en los contenidos del proyecto de
investigación, en el cual debe constar las diferentes actividades que se
deben realizar en forma detallada y ordenada en forma secuencial.
EVALUACIÓN DE UN EXPERIMENTO
 La evaluación de un experimento se considera a la acción de control y

supervisión, de la ejecución de las actividades programadas, en
relación al tiempo y fundamentalmente a la calidad de las mismas.
 Una evaluación continua y oportuna permite hacer ajustes al pryecto
de investigación, así como tambien, justificar resultados y conclusiones
contradictorios a la realidad esperada.
 La evaluación al instante del hecho, permite mejorar la calidad de los
elementos involucrados. Evaluaciones tardías o a destiempo,
solamente permite emitir criterios positivos o negativos, de
justificación a un hecho establecido.
ETAPAS DE LA INVESTIGACIÓN O PROCEDIMIENTO PARA

EXPERIMENTACIÓN
1. Planteamiento y elaboración del proyecto a experimentar

2. Evaluación del proyecto a experimentar
3. Ejecución del experimento
4. Evaluación de la ejecución del experimento
5. Elaboración del informe o memoria técnica
6. Elaboración del artículo técnico como síntesis del experimento.
7. Evaluación del informe y del artículo técnico
PLANTEAMIENTO Y ELABORACIÓN DEL PROYECTO
PROYECTO DE INVESTIGACIÓN
 Proyecto, es una propuesta o conjunto de ideas básicas debidamente

ordenadas y estructuradas, que permiten ejecutar una investigación.
Esos conceptos y esquemas planteados en el proyecto orientan o
guian el camino a seguir a los participantes de la investigación o
experimentación, para tratar de alcanzar los objetivos propuestos y
poder verificar las hipótesis planteadas.
 El proyecto llega a constituirse en los planes referenciales que el
constructor-investigador, utiliza para desarrollar la investigación y
construir nuevos copnceptos, expresados en las conclusiones y
recomendaciones, de utilidad para los involucrados en el problema
estudiado.
PASOS PARA EL PLANTEAMIENTO Y ELABORACIÓN DEL PROYECTO
1. Definición del problema

2. Planteamiento de objetivos con alternativa de solución
3. Análisis crítico del problema y los objetivos
4. Reformulación de los objetivos y del problema
5. Planteamiento de las hipótesis
6. Operacionalización de variables
7. Tema o título del experimento
8. Factores o variables en estudio
9. Selección de diseño experimental
10. Selección de tratamientos
11. Selección de número de repeticiones
12. Selección de material experimental
13. Selección de unidades de observación
14. Control de los efectos entre unidades adyacentes
15. Datos o información a recolectar
16. Manejo del experimento
17. Análisis de los resultados
18. Esquema referencial de los resultados
19. Elaboración del proyecto de investigación
DEFINICIÓN DEL PROBLEMA
Los elementos que constituyen un problema son: causa, efecto, objeto de

estudio y lugar.
 EJEMPLO:
La falta de macro nutrientes en la solución del suelo, limitan la
productividad en el cultivo de fréjol en los terrenos de la parroquia
los andes del cantón patate de la provincia de tungurahua.
• CAUSA:
Falta De Macro Nutrientes En La Solución Del Suelo
• EFECTO:
Limitación De La Productividad
• OBJETO DE ESTUDIO:
Cultivo De Fréjol
• LUGAR:
Parroquia los andes, cantón patate, provincia de

tungurahua.
CONSTRUCCIÓN DE OBJETIVOS
El o los objetivos deben ser claros y precisos, evitando la vaguedad o

ambigüedad de planteamientos. Los elementos que constituyen un
objetivo son: el verbo en infinitivo, que indica la acción a conseguir; causa
con una alternativa de solución (si hay varias alternativas es mejor
proponer un objetivo por cada una de las soluciones); efecto con índices
positivos; objeto de estudio; y, lugar.
 EJEMPLO:
Determinar experimentalmente en el campo, los requerimientos

de macronutrientes necesarios, para el cultivo de fréjol, con el fin
de obtener la más alta productividad, en los terrenos de la
parroquia los andes, del cantón patate, provincia de tungurahua.
• ANÁLISIS CRÍTICO
El análisis crítico se realiza en forma contextual y ultra detallada a los

cuatro elementos que constituyen el problema
– Cultivo de frejol
características botánicas
características genéticas
características fisiológicas
requerimientos del cultivo
variedades en el mercado
manejo del cultivo
– Macronutrientes
nitrógeno
efecto del nitrógeno en la producción agrícola
ciclo del nitrógeno en la planta
caracterización de la deficiencia de nitrógeno

en los cultivos
fuentes de nitrógeno y su disponibilidad en el

suelo
fósforo
potacio
– Los macronutrientes en la productividad
índices de productividad
efectos de la falta de nutrientes en el fréjol
– Parroquia los andes
descripción general
clima
suelo
agua
REFORMULACIÓN DE LOS OBJETIVOS Y EL PROBLEMA
En base a la revisión seria y ordenada, de los documentos y textos

bibliográficos de bibliotecas, institutos de investigación o internet,
realizada en el análisis crítico, se puede reformular los objetivos y el
problema, e incluso, se puede cambiar el problema planteado, si la
lógica así lo demanda.
PLANTEAMIENTO DE HIPÓTESIS
Las hipótesis son planteamientos o supuestos relacionados con el
problema y el objetivo, que se quiere demostrar en forma experimental.
 EJEMPLO:
¿La aplicación aecuada de nutrientes primarios (nitrógeno,

fósforo y potasio) incrementa en forma significativa la
productividad en el cultivo de fréjol?
OPERACIONALIZACIÓN DE VARIABLES
La operacionalización de las variables, consiste en identificar: conceptos,

categorías, indicadores e índices de cada una de las variables que
constituyen la hipótesis: variable dependiente y variable independiente,
en base al siguiente cuadro.
TÍTULO DEL EXPERIMENTO
Los elementos que constituyen el título del experimento, normalmente

son: la causa sin el efecto negativo, el concepto básico del efecto, el
objeto de estudio y el lugar.
 EJEMPLO:
Los nutrientes en la productividad del fréjol (phaseolus vulgaris) en la

parroquia los andes, del cantón patate, provincia de tungurahua.
FACTORES EN ESTUDIO
Los factores de estudio son las variables que se va a manipular o

estudiar, para comprobar la hipótesis. Puede ser uno o varios los
factores en estudio e incluso dentro de un factor pueden ser uno o más
niveles.
 EJEMPLO:
En base a los requerimientos del cultivo y a la disponibilidad de los

macronutrientes en el suelo, determino las necesidades de nitrógeno,
fósforo y potasio para el cultivo del fréjol. Partiendo del valor determinado
para cada nutriente, deetrmino, los factores de estudio:
f1: tres dosis de nitrógeno (n1, n2, n3)
f2: cuatro dosis de fósforo (p1, p2, p3, p4)
f3: dos dosis de potasio (k1, k2)

DISEÑO EXPERIMENTAL
Definido los factores de estudio y una vez establecido la manipulación de

las variables, se selecciona el diseño experimental más simple, tratando
de obtener resultados constructivos y determinantes.
 EJEMPLO:
Diseño Factorial De 3 Dosis De Nitrógeno X 4 Dosis De Fósforo X

2 Dosis De Potasio, Dispuesto En Bloques Completos Al Azar
MODELOS BÁSICOS DE DISEÑO EXPERIMENTAL
• DISEÑOS BÁSICOS:
– Diseño completamente al azar
– Diseño de bloques al azar
– Cuadrado latino
– Otros que ud. Puede plantear
DISEÑOS COMPLEMENTARIOS
 Factoriales
• Factor a
• Factores ab
• Factores abc
• Factores abcd
 Parcelas divididas
 Parcelas subdivididas
 Bloques divididos
 Otros que ud. Puede diseñar
DEFINICIÓN DE TRATAMIENTOS
Los tratamientos de establecen o definen en base a los factores de

estudio y al diseño experimental. Se puede incluir testigo, siempre y
cuando sea competitivo para el experimento.
 EJEMPLO:
N1P1K1 N1P1K2 N1P2K1

El testigo podría ser la fórmula de fertilización que utilizan los

agricultores de la zona, siempre y cuando sea competitiva.
NÚMERO DE REPETICIONES
El número de repeticiones debe ser establecido en base a la variabilidad

de los factores de estudio y al grado de precisión requerida en los
resultados obtenidos. A mayor precisión y mayor variabilidad de los
tratamientos, mayor número de repeticiones.
 EJEMPLO:
Cinco es un buen número de repeticiones para poca

variabilidad entre los tratamientos y un aceptablñe grado de
precisión.
Mayor grados de libertad en el error mayor confiabilidad en el

experimento, tiene que ser mayor a 10
Tres repeticiones no es recomendable, ya que conduce a muchos

errores de interpretación o inferencia estadística.
Material experimental
El material experimental que se debe utilizar deberá ser puro y de

caklidad comprobada, representativo de la población sobre la cual
deseamos probar los tratamientos.
 EJEMPLO:
SEMILLA CERTIFICADA DE FRÉJOL
FUENTE DE NITRÓGENO PURA Y DE CALIDAD
FUENTE DE FÓSFORO PURA Y DE CALIDAD
FUENTE DE POTASIO PURA Y DE CALIDAD
INSUMOS DE CALIDAD Y EQUITATIVOS

OTROS FACTORES BLOQUEADOS
UNIDADES DE OBSERVACIÓN
Las características físicas o tamaño de las unidades de observación, en

los experimentos de campo con plantas, se determinan en base a la
densidad de siembra y al número de hileras. El largo se la establece en
base a la distancia entre plantas y el ancho en base al número y a la
separación entre hileras.
La unidad de observación en el campo puede ser una planta o una parte

de ella o varias plantas. Está en relación al tamaño de las plantas y al
objeto de estudio.
 EJEMPLO:
20 PLANTAS DE FREJOL POR HILERA,
5 HILERAS POR UNIDAD,
DISTANCIA DE SIEMBRRA: 0.4 ENTRE PLANTAS POR 0.60

ENTRE HILERAS.
TAMAÑO TOTAL DE LA UNIDAD: 8.0 m (0.4 x 20) 3.0 m

(0.6 x 5)
CONTROL DE EFECTOS ENTRE UNIDADES ADYACENTES
Es conveniente determinar medidas para evitar efectos entre las

unidades de observación adyacentes. Especialmente en factores de
estudio que pueden trasladarse de una parcela o unidad a otra.
 EJEMPLO:
Caminos anchos entre tratamientos
caminos anchos entre bloques
cortinas aislantes entre parcelas
recopilar información en la parcela neta
selección aleatoria de los tratamientos
aplicación de tratamientos en forma oportuna, sistemática

ye individualizada.
DATOS O INFORMACIÓN A RECOLECTAR

En relación a la operacionalización de las variables, especialmente de la
variable dependiente (efecto), de la hipótesis a verificar, se debe
recolectar la información o los datos necesarios.
Los datos deben ser tomados con honestidad y en formaoportuna y

registrados en las tablas preparadas con anticipación
 EJEMPLO:
Numero de granos por vaina
número de vainas por planta
díametro polar del grano
diámetro ecuatorial del grano
peso de 100 granos
rendimiento por parcela
MANEJO DEL ENSAYO
Se debe plantear en forma ordenada y sistemática, cada una de las

actividades que se van a realizar durante la ejecución del proyecto, es
decir desde la implantación del proyecto y preparación de tablas para la
recolección de la información, hasta la elaboración del informe final.
Es conveniente señalar que para experimentos agrícolas, este debe ser

un verdadero plano de referencia para la ejecución de las diferentes
actividades, indicando cantidad, fecha de la acción, forma y método de la
acción, etc.
Planteamiento del
análisis a ejecutar
En experimentos agrícolas, dependiendo del tipo y nivel de estudio se

pueden hacer los siguientes tipos de análisis: simplemente aritméticos,
estadísticos y económicos, para inferir los resultados y establecer
conclusiones.
 EJEMPLO:
ANÁLISIS ESTADÍSTICO:
ANALISIS DE VARIANZA DEBIDAMENTE ESQUEMATIZADO

DE ACUERDO AL DISEÑO,
PRUEBAS DE COMPARACIÓN DE MEDIAS
ANÁLISIS DE CORRELACIÓN Y REGRESIÓN
ANÁLISIS ECONÓMICO:
RELACIÓN BENEFICIO-COSTO
TIPOS DE ANÁLISIS A EJECUTAR
 ANÁLISIS BÁSICO
– MEDIDAS DE TENDENCIA CENTRAL
– FRECUENCIA Y PORCENTAJES
 ANÁLISIS ESTADÍSTICO
– ANDEVAS
– PRUEBAS DE COMPARACIÓN DE MEDIAS
– ANÁLISIS DE PROBABILIDADES
– PRUEBA DE T
– ANÁLISIS DE FRECUENCIA
– PRUEBA DE CHI CUADRADO
– CORRELACIÓN Y REGRESIÓN
– CONTRASTES ORTOGONALES
– POLINOMIOS ORTOGONALES
– ANÁLISIS JERÁRQUICOS
– ANÁLISIS ECONÓMICO
– ANÁLISIS ECONÓMICO DE PERRIN
– ANALISIS RELACIÓN BENEFICIO COSTO
– TASA MARGINAL DE RETORNO
– VALOR ACTUAL NETO
ESQUEMA REFERENCIAL DE RESULTADOS
Para canalizar la investigación e ir preparando el informe respectivo, es

conveniente formular un esquema del capítulo de resultados y discusión,
en base a los datos o información recolectada.
Es conveniente señalar que estos resultados deben ser comparados y

discutidos, con investigaciones y resultados obtenidos en el sector y en
otros lugares, desde el punto de vista de competitividad.
 EJEMPLO:
NUMERO DE GRANOS POR VAINA

NÚMERO DE VAINAS POR PLANTA
DÍAMETRO POLAR DEL GRANO
DIÁMETRO ECUATORIAL DEL GRANO
PESO DE 100 GRANOS
RENDIMIENTO POR PARCELA
VERIFICACIÓN DE LA HIPÓTESIS
ELABORACIÓN DEL PROYECTO DE INVESTIGACIÓN
Lo anterior debe ser organizado en forma técnica, respetando las normas

de redacción, en el proyecto de investigación, de acuerdo al siguiente
esquema para la uta.
• Páginas preliminares
• Problema
• Marco teórico e hipótesis
• Metodología de la investigación
• Administración del proyecto
• Bibliografía consultada
DISEÑO COMPLETAMENTE AL AZAR (DCA)
El diseño completamente al azar es el más simple y se utiliza

cuando las condiciones medioambientales son controladas, por
ende la variación ambiental entre las unidades experimentales es
muy pequeña, como los experimentos efectuados en laboratorio,
cámaras de crecimiento, cuartos fríos, invernaderos en los que
las condiciones ambientales son controladas, etc.
Este diseño es fácil de planear y como regla general es deseable

agrupar las unidades experimentales de tal modo que la variación
dentro de cada grupo sea menor.
El DCA puede calcular n número de tratamientos; no es

necesario que exista el mismo número de repeticiones por lo que
no es necesario calcular parcelas perdidas; y, no mide la
variación entre repeticiones, como lo hace el DBCA.
El esquema del ADEVA (modelo matemático) para el diseño

completamente al azar es:
ANÁLISIS DE VARIANCIA (ADEVA)
-------------------------------------------------------------
Fuente Grados Suma Cuadrados Valor
de de de medios de
variación libertad cuadrados F
-------------------------------------------------------------
Total rt-1
Tratamientos t-1 ---

Mide la diferencia entre
tr
atamientos
Error experimental t(r-1)
-------------------------------------------------------------
Coeficiente de variación (C.V.)= (Mide la estimación del

Error experimental)
r = repeticiones
t = tratamientos
I. CON IGUAL NÚMERO DE REPETICIONES
Ejemplo: En el siguiente ejemplo, se ilustra un ensayo efectuado

en raigrás, utilizando el diseño completamente al azar que
constó de cinco tratamientos y cuatro repeticiones por
tratamiento (igual número de repeticiones).
BLOQUES
I II III IV
T5 T4 T1 T3
T1 T5 T4 T1
T5 T2 T2 T3
T4 T4 T3 T2
T2 T3 T1 T5
CUADRO: Respuesta de raigrás (rendimiento en g/maceta) a la

aplicación de cinco dosis de nitrógeno (cuatro repeticiones).
ESQUEMA DE DISTRIBUCION DE BLOQUES Y PARCELAS EN EL CAMPO
Esquema para la recolección de datos
BLOQUES
I II III IV
T5 T4 T1 T3
T1 T5 T4 T1
T5 T2 T2 T3
T4 T4 T3 T2
T2 T3 T1 T5
Rendimiento de g/por parcela de raigrás
BLOQUES
I II III IV
T5 T4 T1 T3 83
29 67 101
T1 T5 T4 T1 93
93 45 40
T5 T2 T2 T3 68
51 51 61
T4 T4 T3 T2 59
46 52 72
T2 T3 T1 T5 42
58 75 96
Esquema de organización de datos
TRATAMIENTOS REPETICIONES
Nº Símbol I II III IV
o
1 D1 29 67 101 83
2 D2 93 45 40 93
3 D3 51 51 61 68
4 D4 46 52 72 59
5 D5 58 75 96 42
--------------------------------------------
Tratamientos Repeticiones
------------ ------------------------------
No. Símbolo I II III IV
--------------------------------------------
1 D1 101 93 93 96
2 D2 51 61 59 58
3 D3 83 68 72 75
4 D4 67 40 46 52
5 D5 29 45 51 42
--------------------------------------------
PROCEDIMIENTO
CUADRO DE DOBLE ENTRADA
El primer cálculo es obtener las sumatorias y promedios de

tratamientos:
----------------------------------------------------------------
---
------------ ------------------------------ Sumatoria
Promedio
----------------------------------------------------------------
---_
1 D1 101(X) 93 93 96 383.00(Xt)
95.75(Xt)
2 D2 51 61 59 58 229.00
57.25
3 D3 83 68 72 75 298.00
74.50
4 D4 67 40 46 52 205.00
51.25
5 D5 29 45 51 42 167.00
41.75
----------------------------------------------------------------
-----
Sumatoria general 1282.00 (∑Xg)
_
Promedio general
64.10 (Xg)
r = repeticiones = 4
t = tratamientos = 5
n = número de datos = r * t = 20
CALCULOS
1. GRADOS DE LIBERTAD
Para el total = r*t – 1 = 4*5 – 1 = 19

Para tratamientos = t – 1 = 5 – 1 = 4
Para el error experimental = t(r-1) = 5(4-1) = 15
2. SUMA DE CUADRADOS
(∑Xg)² (Sumatoria general)²
(1282)²
a) Factor de corrección FC = ------ = -------------------- =
------- = 82176.2
r * t número de datos
20
b) Suma de cuadrados = ∑(X)²-FC =101²+51²+83²+ .... +42²-FC =

90344–82176.2= 8167.8
para el total (SCTot)
∑(Xt)² 383²+229²+ .... +167²

c) Suma de cuadrados para = ----- - FC = ---------------------
-FC = 89462–82176.2 = 7285.8
tratamientos (SCtrat) r 4
d) Suma de cuadrados para = Se obtiene por diferencia = SCTot

– SCtrat = 8167.8 –7285.8 = 882
el error experimental
3. CUADRADOS MEDIOS
Los cuadrados medios se obtienen de la división de la suma de

cuadrados para los grados de libertad de cada fuente de
variación; excepto el total.
a) Para cuadrado medio de tratamientos: 7285.8/4 = 1821.45

b) Para cuadrado medio del error experimental: 882/15 =
58.80
4. VALOR DE F (F CALCULADO)
El valor de F se obtiene de la división del cuadrado medio de

cada fuente de variación para el cuadrado medio del error
experimental
a) Para el valor de F de tratamientos: 1821.45/58.80 = 30.98
5. REEMPLAZAMOS LAS RESPUESTAS OBTENIDAS EN EL ADEVA

----------------------------------------------------------------
------
Nivel
de de de medios de
de
signif.
----------------------------------------------------------------
------
Total 19 8167.80
Tratamientos 4 7285.80 1821.45 30.98

**
Error experimental 15 882.00 58.80

----------------------------------------------------------------
------
Coeficiente de variación (C.V.)= 11.96%
Promedio general: 64.10 g/maceta
6. COEFICIENTE DE VARIACIÓN
El coeficiente de variación se obtiene aplicando la siguiente
fórmula:
________________
Cuadrado Medio del _____ _____
Error experimental CMEE 58.80
C.V. = --------------------- * 100 = ------*100 = ------*100 =
11.96%
Promedio general Xg 64.10
7. EL NIVEL DE SIGNIFICACIÓN
Para obtener la significación, el valor de F (F calculado) se

compara con los valores de la TABLA DE VALORES DE F (se la
encuentra en los libros de estadística y diseño experimenta),
con el nivel de significación al 5% (0.05) y al 1% (0.01). En la
tabla: los grados de liberta del numerador corresponden a los
grados de libertad de cada fuente de variación; y, los grados de
libertad del denominador son los grados de libertad del error
experimental.
• Si el valor de F calculado es mayor que el valor de F de

tabla al 1% (0.01), se dice que existieron altas diferencias
para la fuente de variación que esta comparando, llamado
también altamente significativo o significativo al 1% y se
representa con ** (dos asteriscos).
• Si el valor de F calculado se ubica entre los valores de F

de tabla al 1% (0.01) y al 5% (0.05), se dice que existieron
diferencias para la fuente de variación que esta comparando,
llamado también significativo o significativo al 5% y se
representa con * (un asterisco).
• Si el valor de F calculado no supera el valor de F de

tabla al 5% (0.05), se dice que no existieron diferencias
para la fuente de variación que esta comparando, llamado
también no significativo y se representa con ns.
Para el presente ejemplo los grados de libertad del numerador

para tratamientos es 4 y los grados de libertad del denominador
15, con lo cual se ubica en la tabla y se obtienen los valores:
al 5% 3.06 y al 1% 4.89.
Finalmente al comparar el valor de F calculado (30.98) se

observa que superó el valor de F de la tabla al 1% (4.89), por
lo que los tratamientos fueron altamente significativos (los
tratamientos difieren en forma significativa).
INFERENCIA ESTADÍSTICA
Los resultados obtenidos al comparar los rendimientos de raigrás

sometidos a la aplicación de cinco dosis de nitrógeno, permiten
inferir que, existieron diferencias altamente significativas
entre tratamientos, por lo que los rendimientos obtenidos fueron
estadísticamente diferentes, respondiendo el raigrás
favorablemente a la fertilización nitrogenada.
• A pesar de detectar que los tratamientos fueron altamente

significativos con el cálculo del ADEVA, no es posible
observar cual o cuales tratamientos produjeron los mejores
resultados, por lo que es necesario complementar el
análisis con el cálculo de la prueba de rangos (prueba de
Tukey 0.05, Duncan 0.05, DMS 0.05, etc), que permitirá
completar la información de la influencia del nitrógeno en
los rendimientos de raigrás.
ORGANIZADOR GRÁFICO
PROCESO DE CÁLCULO DE ANDEVA EN FORMA MANUAL DEL DCA
APLICANDO MSTATC
Para ilustrar los pasos en MSTATC se usará el mismo ejemplo

de raigrás con igual número de repeticiones
CUADRO: Respuesta de raigrás (rendimiento en g/maceta) a la

aplicación de cinco dosis de nitrógeno (cuatro
repeticiones).
--------------------------------------------
------------ ------------------------------
--------------------------------------------
1 D1 101 93 93 96
2 D2 51 61 59 58
3 D3 83 68 72 75
4 D4 67 40 46 52
5 D5 29 45 51 42
--------------------------------------------
PROCEDIMIENTO
El procedimiento de cálculo se resume en tres pasos que

son: crear el archivo de datos; crear la base de datos y
calcular
A. Primer paso: crear o abrir el archivo de datos
OPCION 20. FILES
PATH Direcciona hacia la carpeta donde va crear el archivo

o desde donde se va a abrir (open)
C:\ Direcciona hacia la raíz del disco

C:\DATOS Direcciona hacia la carpeta DATOS
C:\MISDOC~1 Direcciona hacia la carpeta MIS
DOCUMENTOS
Si se omitiera este paso, el MSTATC direcciona

hacia la carpeta C:\MSTATC\DATA (por defecto)
ESC para regresar
MAKE Crea un archivo en el path (carpeta) seleccionado
Enter file name: Digitar el nombre con el que se

va a crear el archivo (máximo ocho letras, unido)
ej. DCA
Title: Digitar el título que se le dará al
archivo (preferentemente en mayúsculas y que sea
referencial al cálculo que va a efectuar) ej.
ENSAYO DE FERTILIZACION EN RAIGRAS
Size: El tamaño del archivo (100 por defecto)
ESC para regresar
• Al crear el archivo el MSTATC crea en la

carpeta seleccionada dos archivos: Ej. DCA.dat y DCA.txt
OPEN Abre un archivo existente en el path (carpeta)

seleccionado
Digitar el nombre del archivo o la tecla F1 para

obtener la lista de archivos, seleccionar y enter
ESC para regresar
CLOSE Cierra un archivo abierto
LIST Presenta la lista de archivos existentes en ese

path (carpeta)
ERASE Borra el archivo de datos
NAME Cambia el nombre de un archivo
QUIT Regresa al menú general (o presionar la tecla

ESC)
B. Segundo paso: crear la base de datos
OPCION 41 SEDIT
FILE Permite crear o abrir un archivo existente, similar a

la opción FILES
For Writing

ej. DCA

ENSAYO DE FERTILIZACION EN RAIGRAS
ESC para regresar
• Path Direcciona hacia la carpeta donde

va crear el archivo o desde donde se va a
abrir (open)

DOCUMENTOS

ESC para regresar
OPTIONS
Insert cases Define el número de datos que se
va a usar en el ensayo
Número del primer caso a insertar 1

Número del último caso a insertar 20 (Inserta
20 casos para
digitar los datos
del ensayo
Remove cases Borra un rango de datos
Número del primer caso a borrar 21

Número del último caso a borrar 24 (borra
desde el dato 21
hasta el dato 24)
Define Define las variables a utilizar en el

ensayo
• En MSTATC se deben distinguir dos tipos de

variables: las variables del diseño
experimental (repeticiones, tratamientos,
factores en estudio, etc) y las variables a
analizar (ej. Altura de planta, número de
hojas, etc). Todas se crean en esta opción.
Por regla general es preferible crear
primero las variables de diseño y luego las
variables a analizarse.
• Al crear cada variable se debe especificar
el nombre de la variable y el número de
enteros y decimales que necesitará para
digitar los datos de la variable. También es
necesario identificar el número con que se
crea la variable.
Para nuestro ejemplo se crearán dos variables de

diseño (REPETICIONES Y TRATAMIENTOS y una
variable a analizar RENDIMIENTO (g/maceta)
DEFINE variable 1 (número que identifica a la

variable)
Title: REPETICIONES (nombre de la variable)
Type NUMERIC Size 4 Display format (Left)

1 Right 0
Número de enteros
Número de decimales

variable)
Title: TRATAMIENTOS (nombre de la variable)

1 Right 0
Número de enteros

variable)
Title: RENDIMIENTO (g/maceta) (nombre de la

variable)

3 Right 2
Número de enteros
ESC para regresar (aparecen las barras de casos

y variables creadas)
Newtxt Permite cambiar la definición de las

variables (seleccionar la variable y
enter)
Variables Presenta la lista de variables creadas
Goto Permite ubicar el curso en un caso y

variable determinada
Quit Regresa al menú Sedit
ENTER\EDIT Permite digitar los datos para el análisis
Los datos deben ser digitados de tal manera que

cada valor de la variable rendimiento (g/maceta)
corresponda a su respectiva repetición y tratamiento.
SEDIT
CASE 1 REP 2 TRA 3 REND
-------------------------
1 1.00 1.00 101.00
2 1.00 2.00 51.00
3 1.00 3.00 83.00
4 1.00 4.00 67.00
5 1.00 5.00 29.00
6 2.00 1.00 93.00
7 2.00 2.00 61.00
8 2.00 3.00 68.00
9 2.00 4.00 40.00
10 2.00 5.00 45.00
11 3.00 1.00 93.00
12 3.00 2.00 59.00
13 3.00 3.00 72.00
14 3.00 4.00 46.00
15 3.00 5.00 51.00
16 4.00 1.00 96.00
17 4.00 2.00 58.00
18 4.00 3.00 75.00
19 4.00 4.00 52.00
20 4.00 5.00 42.00
-------------------------
ESC para regresar
* En caso de crearse más casos que los que se

necesitan para el cálculo, se puede borrar el
excedente de casos con la opción Remove o
seleccionar el rango de casos a ser calculados
en la opción ANOVA-1 (Get Case Range\Case
Range ).
QUIT Regresa al menú principal
c. Tercer paso: efectuar el análisis

OPCION 3.ANOVA-1 Calcula análisis de variancia con el
diseño Completamente al Azar (DCA)
------ . --------- . --------- . -----
Entrar los parámetros de la variable GRUPAL (La variable

grupal en el cálculo del DCA siempre es tratamientos)
ANOVA-1
Enter the number of the GROUP variable (1-3) 2

(Entre el número de la variable grupal)
Número de la variable
que se creó
tratamientos en el
SEDIT
Enter the lowest and highest value in the GROUP variable

(entre el menor nivel y el mayor nivel de la variable
grupal)
Lowest 1 Highest 5
La variable tratamientos
va de 1 a 5
------- . --------- . ---------. -------
Entrar el rango de casos a ser calculados
Get Case Range
The data file contains 20 cases

(el archivo de datos contiene 20 casos)
Do you wish to use all cases Y/N

(Usará todos los casos )
Presionar Y cuando no exceden los casos en la base de
datos
Presionar N cuando excedan los casos en la

bases de datos y entrar el rango de casos a
ser calculados
First selected cases 1

(primer caso)
Last selected case 20 (serán calculados

los casos del 1 al (ultimo caso)
20)
----- . ----- . ------ . ----- . -----
Seleccionar la variable o las variables a ser analizadas
Choose up to 3 variables (Press ESC to quit)
01 (NUMERIC) REPETICIONES
02 (NUMERIC) TRATAMIENTOS
03 (NUMERIC) RENDIMIENTO (g/maceta)
Señalar con la barra espaciadora la variable RENDIMIENTO

que va a ser analizada
----- . ----- . ----- . -----

Do you want to store your means at the end of your data
file: Y/N
(desea grabar los promedios de la o las variables
analizadas en el final de la base de datos)
Si presiona Y se graban al final de la base

de datos los promedios de la variable
rendimiento que va a ser analizada (luego
del cálculo revisar el SEDIT).
Presionar N para no grabar los promedios al

final de la base de datos
----- . ----- . ----- . -----
Variable 3: RENDIMIENTO (g/maceta)
Do you want to perform single DF orthogonal comparisons

(contrasts): Y/N
(desea calcular comparaciones ortogonales)
Presionar N para continuar con el cálculo
Si presiona Y el MSTATC le pedirá datos para

el cálculo de comparaciones ortogonales
----- . ----- . ----- . -----
Output options
View output on screen Ver los resultados en la pantalla

ESC para regresar al menú
Edit output Editar los resultados (permite digitar

dentro de los resultados)
Print output Imprimir los resultados
El MSTATC está diseñado para imprimir únicamente en

impresoras matriciales para, lo cual debe estar puesto el
papel y en ON LINE, caso contrario le presentará el mensaje
de error
Para imprimir en impresoras de inyección o láser, es

necesario grabar los resultados en el disco para luego ser
abiertos en WORD, desde donde se puede imprimir. (ver la
siguiente opción para guardar los cálculos en el disco).
Save output to disk Garda los resultados en el disco o

diskette
C:\nombre del archivo (8 letras, unido): graba los

cálculos en la raíz
del disco
C:\DATOS\nombre del archivo (8 letras unido): graba
los cálculos en
la carpeta DATOS
C:\MISDOC~1\nombre del arvicho: graba los cálculos en

la carpeta
MIS DOCUMENTOS
Si no direcciona hacia la carpeta deseada, el MSTATC graba

el cálculo en la carpeta C:\MSTATC\DATA (por defecto)
Quit output options Regresa al menu general

------ . ----- . ----- . -----
LOS RESULTADOS OBTENIDOS EN LA PANTALLA SON LOS SIGUIENTES
Data file: DCAµ

Title: ENSAYO DE FERTILIZACION EN RAIGRAS
Function: ANOVA-1
Data case no. 1 to 20
One way ANOVA grouped over variable 2 (TRATAMIENTOS)

with values from 1 to 5.
Variable 3 (RENDIMIENTO (g/maceta))
A N A L Y S I S O F V A R I A N C E T A B L E
Degrees of Sum of Mean
Freedom Squares Square F-
value Prob.
-----------------------------------------------------------
----------------
Between 4 7285.800 1821.450
30.977 0.0000
Within 15 882.000 58.800
-----------------------------------------------------------
----------------
Total 19 8167.800
Coefficient of Variation = 11.96%
Var. V A R I A B L E No. 3
2 Number Sum Average SD
SE
------------------------------------------------------
------------
1 4.00 383.000 95.750 3.77
3.83
2 4.00 229.000 57.250 4.35
3.83
3 4.00 298.000 74.500 6.35
3.83
4 4.00 205.000 51.250 11.59
3.83
5 4.00 167.000 41.750 9.29
3.83
------------------------------------------------------
------------
Total 20.00 1282.000 64.100 20.73
4.64
Within 7.67
Bartlett's test
---------------
Chi-square = 4.552
Number of Degrees of Freedom = 4
Approximate significance = 0.336
Nivel de significación en MSTATC
Para obtener el nivel de significación de F calculado, el

valor de probabilidad (0.0000) multiplicamos por 100 y el
resultado comparamos de la siguiente manera:
Si es mayor que 5 ns (no significativo)

Si esta entre 1 y 5 * (significativo)
Si es menor que 1 ** (altamente significativo)
ORGANIZADOR GRÁFICO
PROCESO DE CÁLCULO DEL ANDEVA POR MSTATC EN DCA COMPLETO
DCA COMPLETO EXEL
sumator promedi
ia o
101 93 93 96 383 95,75
51 61 59 58 229 57,25
83 68 72 75 298 74,5
67 40 46 52 205 51,25
29 45 51 42 167 41,75
1282 64,1
FC
82176
,2
suma de
cuadrados
864
10201 9 8649 9216 90344 146689 357848
372
2601 1 3481 3364 8167,8 52441 7285,8
462
6889 4 5184 5625 88804 882 ERROR
160
4489 0 2116 2704 42025
202
841 5 2601 1764 27889
ADEV
A GL SC CM Fcal Ftab
FV
TRAT 7285 1821, 30,9770 3,06(0,0
AM 4 ,8 45 408 ** 5)
ERRO 4,89(0,0
R 15 882 58,8 1)
TOTA 8167
L 19 ,8
11, 7,66
CV 96 81
TRATAMIENTO REPETICIONES
Símbolo I II III IV SUMATORI PROMEDI
A O
D1 89 93 93 96 371 92,75
D2 57 61 59 58 235 58,75
D3 79 68 72 75 294 73,5
D4 48 40 46 52 186 46,5
D5 35 45 51 42 173 43,25
GRAN
TOTAL 1259
P.
GENERAL 62,95
REPETICION
ES 4
TRATAMIENT
OS 5
Nº DE
DATOS 20
Fc 79254,05
FV GL SC CM Fcal Ftab
TOTAL 19 7008,95
3,06(0,05
TRATAM 4 6702,70 1675,68 82,07** )
4,89(0,01
ERROR 15 306,25 20,42 )
CV 7,18
Primera ejercicio DCBA
Símb SUMATO
Nº olo I II III IV V VI VII VIII IX RIA
S1 45 46 49 44 184
S2 35 33 68
S3 34 34 35 34 33 170
S4 41 41 44 43 41 42 44 41 41 378
Sumat
oria 800
Promedio
general
REPETICIO
NES r 9
TRATAMIEN
TOS t 4
Nº DE
DATOS n 20
3200
Fc 0
Fta
FV GL SC CM Fcal b
TOTAL 19 464
432, 144, 72, 3,24(0,
TRATAM 3 00 00 00 ** 05)
32,0 5,29(0,
ERROR 16 0 2,00 01)
CV 7,18
24 19
45 2025 46 2116 49 01 44 36 0
35 1225 33 1089 0 0 0
12 11 10
34 1156 34 1156 35 25 34 56 33 89
19 18 16
41 1681 41 1681 44 36 43 49 41 81 42 44
55 49 27
6087 6042 62 41 70 1764 1936
Anova – 1
Data file: MAGUSµ

Title: rosa
Function: ANOVA-1
One way ANOVA grouped over variable 2 (Tratamientos)
Variable 3 (DIAS A LA APARICIãN DEL BROTE)
value Prob.
-----------------------------------------------------------
----------------
Between 3 432.000 144.000
72.000 0.0000
Within 16 32.000 2.000
-----------------------------------------------------------
----------------
Total 19 464.000
SE
------------------------------------------------------
------------
1 4.00 184.000 46.000 2.16
0.71
2 2.00 68.000 34.000 1.41
1.00
3 5.00 170.000 34.000 0.71
0.63
4 9.00 378.000 42.000 1.32
0.47
------------------------------------------------------
------------
Total 20.00 800.000 40.000 4.94
1.11
Within 1.41
Bartlett's test
---------------
Chi-square = 3.442
Data File : DCA1µ

Title : FERTILIZACION EN RAY GRASS1
Case Range : 22 - 26
Variable 3 : RENDIMIENTO
Function : RANGEµ
Error Mean Square = 58.80

Error Degrees of Freedom = 15
No. of observations to calculate a mean = 4
Least Significant Difference Test

LSD value = 11.56 at alpha = 0.050
¤
Original Order Ranked Order
Mean 1 = 95.75 A Mean 1 = 95.75 A

Mean 2 = 57.25 C Mean 3 = 74.50 B
Mean 3 = 74.50 B Mean 2 = 57.25 C
Mean 4 = 51.25 CD Mean 4 = 51.25 CD
Mean 5 = 41.75 D Mean 5 = 41.75 D
DUNCAN
Data File : DCA1µ

Function : RANGEµ

Duncan's Multiple Range Test

LSD value = 11.56
s_ = 3.834 at alpha = 0.050
x
¤
Mean 1 = 95.75 A Mean 1 = 95.75 A

Mean 2 = 57.25 C Mean 3 = 74.50 B
Mean 3 = 74.50 B Mean 2 = 57.25 C
Mean 4 = 51.25 CD Mean 4 = 51.25 CD
Mean 5 = 41.75 D Mean 5 = 41.75 D
Tuekey
Data File : DCA1µ

Function : RANGEµ

Tukey's Honestly Significant Difference Test

s_ = 3.834 at alpha = 0.050
x
¤
Mean 1 = 95.75 A Mean 1 = 95.75 A

Mean 2 = 57.25 C Mean 3 = 74.50 B
Mean 3 = 74.50 B Mean 2 = 57.25 C
Mean 4 = 51.25 C Mean 4 = 51.25 C
Mean 5 = 41.75 C Mean 5 = 41.75 C
STUDENT
Data File :DCA1µ

Function : RANGEµ

Student-Neuman-Keul's Multiple Range Test

s_ = 3.834 at alpha = 0.050
x
¤
Mean 1 = 95.75 A Mean 1 = 95.75 A

Mean 2 = 57.25 C Mean 3 = 74.50 B
Mean 3 = 74.50 B Mean 2 = 57.25 C
Mean 4 = 51.25 CD Mean 4 = 51.25 CD
Mean 5 = 41.75 D Mean 5 = 41.75 D
DCA Y DCBA
SUMATOR PROMEDI
Nº Símbolo I II III IV IA O
4494
D1 47 52 62 51 212 53 4
5198
D2 50 54 67 57 228 57 4
5569
D3 57 53 69 57 236 59 6
6864
D4 54 65 74 69 262 65,5 4
GRAN
TOTAL 938
P.
GENER
AL 58,625
REPETICION
ES 4
TRATAMIENT
OS 4
Nº DE
DATOS 16
Fc 54990,25
967,7
TOTAL 15 5
326,7
TRATAM 3 5 108,92 2,04NS 2,61
641,0
ERROR 12 0 53,42 7,23
12,4
CV 7
47 2209 52 2704 62 3844 51 2601

50 2500 54 2916 67 4489 57 3249
57 3249 53 2809 69 4761 57 3249
54 2916 65 4225 74 5476 69 4761
10874 12654 18570 1386

0
REPETICIONES TRATAMIENTOS
I T1 T2 T3 T5 T4 T6
II T2 T3 T1 T5 T4 T6
III T5 T1 T4 T2 T3 T6
IV T6 T3 T4 T5 T2 T1
REPETICIONES TRATAMIENTOS
I 42 32 25 35 18 36
II 38 32 46 42 20 25
III 46 38 26 31 28 22
IV 26 26 24 40 30 41
Nº SIMBOLO I II III IV SUMAT
1 T1 42 46 38 41 16
2 T2 32 38 31 30 13
3 T3 25 32 28 26 11
4 T4 18 20 26 24 8
5 T5 35 42 46 40 16
6 T6 36 25 22 26 10
188 203 191 187 76
35344 41209 36481 34969 591
REPETICIONES r 4
TRATAMIENTOS t 6
Nº DE DATOS n 24
24640,0
Fc 417
1564,95
TOTAL 23 833
2,90 -
TRATAM 5 1251,21 250,24 0,02 NS 4,56
0,412 -
REPETICIONES 3 27,13 9,04 0,47 ** 0,479
ERROR 15 286,63 19,11
CV 13,64
42 1764 46 2116 38 1444

32 1024 38 1444 31 961
25 625 32 1024 28 784
18 324 20 400 26 676
35 1225 42 1764 46 2116
36 1296 25 625 22 484
6258 7373 6465
26205
Data file: OVEJA-CAµ

Title: AGUS
Function: ANOVA-1
One way ANOVA grouped over variable 2 (TRATAMIENTO)

Variable 3 (RENDIMIENTO)
value Prob.
-----------------------------------------------------------
----------------
Between 3 326.750 108.917
2.039 0.1621
Within 12 641.000 53.417
-----------------------------------------------------------
----------------
Total 15 967.750
SE
------------------------------------------------------
------------
1 4.00 212.000 53.000 6.38
3.65
2 4.00 228.000 57.000 7.26
3.65
3 4.00 236.000 59.000 6.93
3.65
4 4.00 262.000 65.500 8.50
3.65
------------------------------------------------------
------------
Total 16.00 938.000 58.625 8.03
2.01
Within 7.31
Bartlett's test
---------------
Chi-square = 0.239
Data File : OVEJA-CAµ

Title : AGUS
Function :RANGEµ


¤
Mean 1 = 53.00 A Mean 4 = 65.50 A

Mean 2 = 57.00 A Mean 3 = 59.00 A
Mean 3 = 59.00 A Mean 2 = 57.00 A
Mean 4 = 65.50 A Mean 1 = 53.00 A

Title : AGUS
Function : RANGEµ


LSD value = 13.00
s_ = 4.220 at alpha = 0.050
x
¤
Mean 1 = 53.00 A Mean 4 = 65.50 A

Mean 2 = 57.00 A Mean 3 = 59.00 A
Mean 3 = 59.00 A Mean 2 = 57.00 A
Mean 4 = 65.50 A Mean 1 = 53.00 A

Title : AGUS
Function : RANGEµ


s_ = 4.220 at alpha = 0.050
x
¤
Mean 1 = 53.00 A Mean 4 = 65.50 A

Mean 2 = 57.00 A Mean 3 = 59.00 A
Mean 3 = 59.00 A Mean 2 = 57.00 A
Mean 4 = 65.50 A Mean 1 = 53.00 A
EJERCICIO EN CLASES
EXEL DCA
MSTATC DCA
Data file: MSTATCDCA
Title: RENDIMIENTOBROCOLI
Function: ANOVA-1
One way ANOVA grouped over variable 2 (TRATAMIENTO)

Variable 3 (RENDIMIENTO)
Freedom Squares Square F-value
Prob.
----------------------------------------------------------------------
-----
Between 4 1.085 0.271 1.173
0.3527
Within 20 4.627 0.231
----------------------------------------------------------------------
-----
Total 24 5.712
2 Number Sum Average SD SE
-----------------------------------------------------------------
-
1 5.00 16.360 3.272 0.57 0.22
2 5.00 17.380 3.476 0.43 0.22
3 5.00 15.610 3.122 0.33 0.22
4 5.00 14.250 2.850 0.25 0.22
5 5.00 15.380 3.076 0.69 0.22
-----------------------------------------------------------------
-
Total 25.00 78.980 3.159 0.49 0.10
Within 0.48
Bartlett's test
---------------
Chi-square = 4.472
COMPARACION DE MEDIAS
Data File : MSTATCDCA
Title : RENDIMIENTOBROCOLI
Function : RANGE


LSD value = 0.6341
s_ = 0.2149 at alpha = 0.050
x
Mean 1 = 3.272 A Mean 2 = 3.476 A

Mean 2 = 3.476 A Mean 1 = 3.272 A
Mean 3 = 3.122 A Mean 3 = 3.122 A
Mean 4 = 2.850 A Mean 5 = 3.076 A
Mean 5 = 3.076 A Mean 4 = 2.850 A
EXEL DBCA
MSTATC DBCA
Data file: DBCAXI
Title: RENDIMIENTOBROCOLI
Function: ANOVA-2
Data case 1 to 25
Two-way Analysis of Variance over

variable 1 (REPETICIONES) with values from 1 to 5 and over
variable 2 (TRATAMIENTOS) with values from 1 to 5.
Variable 3: RENDIMIENTO
Degrees of Sum of
Source Freedom Squares Mean Square F-value
Prob
--------------------------------------------------------------------
----
REPETICIONES 4 1.32 0.331 1.60
0.2218
TRATAMIENTOS 4 1.08 0.271 1.31
0.3069
Error 16 3.30 0.206
Non-additivity 1 0.02 0.021 0.09
Residual 15 3.28 0.219
--------------------------------------------------------------------
----
Total 24 5.71
--------------------------------------------------------------------
----
Grand Mean= 3.159 Grand Sum= 78.980 Total Count= 25
Coefficient of Variation= 14.38%
Means for variable 3 (RENDIMIENTO)

for each level of variable 1 (REPETICIONES):
Var 1 Var 3
Value Mean
----- -----
1 2.900
2 3.040
3 3.580
4 3.190
5 3.086

for each level of variable 2 (TRATAMIENTOS):
Var 2 Var 3
Value Mean
----- -----
1 3.272
2 3.476
3 3.122
4 2.850
5 3.076
lsd at 0.05 alpha level = 0.609
Data File : DBCA
Variable 3 : resultados
Function : RANGE


LSD value = 0.6804
s_ = 0.2269 at alpha = 0.050
x
Mean 1 = 2.900 A Mean 3 = 3.580 A

Mean 2 = 3.040 A Mean 4 = 3.190 A
Mean 3 = 3.580 A Mean 5 = 3.086 A
Mean 4 = 3.190 A Mean 2 = 3.040 A
Mean 5 = 3.086 A Mean 1 = 2.900 A
EXEL DCL
MSTATC DCL
Data file : CUALA
Function : LATINSQ
Variable 4 : 4
L A T I N S Q U A R E A N A L Y S I S O F V A R I A N C
E
----------------------------------------------------------------
---
-----Treatment------ --------Row---------
-------Column-------
Mean Total Mean Total Mean
Total
3.366 16.83 3.000 15.00 3.240
16.20
3.136 15.68 3.312 16.56 3.222
16.11
3.092 15.46 3.166 15.83 3.506
17.53
3.092 15.46 2.986 14.93 3.072
15.36
3.110 15.55 3.332 16.66 2.756
13.78
Grand Total = 78.98 Grand Mean = 3.159
Coefficient of variation = 16.82%
S_ = 0.238 S_ = 0.336
x d
Degrees of Sum of Mean F

Source Freedom Squares Square Value Prob
--------------------------------------------------------
Rows 4 0.54 0.136 0.48 0.750
Columns 4 1.50 0.376 1.33 0.314
Treatments 4 0.27 0.068 0.24 0.909
Error 12 3.39 0.283
--------------------------------------------------------
Total 24 5.71
Data File : Keyboard
Function : RANGE

LSD value = 0.7331
s_ = 0.2379 at alpha = 0.050
x
Mean 1 = 3.366 A Mean 1 = 3.366 A

Mean 2 = 3.136 A Mean 2 = 3.136 A
Mean 3 = 3.092 A Mean 5 = 3.110 A
Mean 4 = 3.092 A Mean 4 = 3.092 A
Mean 5 = 3.110 A Mean 3 = 3.092 A
FACTORIAL
Data file: DCAFAC
Title: ENSAYOFREJOL
Function: ANOVA-2
Data case 1 to 18

variable 1 (REPETICIONES) with values from 1 to 3 and over
Variable 3: VARIEDADES FREJOL
Degrees of Sum of
Source Freedom Squares Mean Square F-value
Prob
--------------------------------------------------------------------
----
REPETICIONES 2 1.59 0.794 1.94 0.1939
TRATAMIENTOS 5 20.29 4.058 9.92 0.0012
Error 10 4.09 0.409
Non-additivity 1 0.01 0.014 0.03
Residual 9 4.08 0.453
------------------------------------------------------------------------
Total 17 25.97
------------------------------------------------------------------------
Grand Mean= 4.374 Grand Sum= 78.730 Total Count= 18
Means for variable 3 (VARIEDADES FREJOL)

Var 1 Var 3
Value Mean
----- -----
1 4.785
2 4.243
3 4.093
Means for variable 3 (VARIEDADES FREJOL)

Var 2 Var 3
Value Mean
----- -----
1 4.757
2 2.433
3 4.133
4 4.210
5 6.003
6 4.707
Degrees of Sum of
Source Freedom Squares Mean Square F-value Prob
------------------------------------------------------------------------
REPETICIONES 2 1.59 0.794 1.94 0.1939
TRATAMIENTOS 5 20.29 4.058 9.92 0.0012
Factor A 2 9.661 4.830 11.8071 0.0023
Factor B 1 6.278 6.278 15.3445 0.0029
AB 2 4.350 2.175 5.3164 0.0267
Error 10 4.09 0.409
------------------------------------------------------------------------
Total 17 25.97
--------------------------------------------------------------------
----
K Degrees of Sum of Mean F

Value Source Freedom Squares Square Value Prob
-----------------------------------------------------------------------------
1 Replication 2 1.589 0.794 1.9415 0.1939
2 Factor A 2 9.661 4.830 11.8071 0.0023
4 Factor B 1 6.278 6.278 15.3445 0.0029
6 AB 2 4.350 2.175 5.3164 0.0267
-7 Error 10 4.091 0.409
-----------------------------------------------------------------------------
Total 17 25.968
----------------------------------------------------------------------
-------
Data file: DBCAF

Title: ENSAYO DE VARIEDADES FREJOL
Function: FACTOR
Experiment Model Number 8:

Two Factor Randomized Complete Block Design
Data case no. 1 to 18.
Factorial ANOVA for the factors:

Replication (Var 1: REPETICIONES) with values from 1 to 3
Factor A (Var 2: SUSTRATOS) with values from 1 to 3
Factor B (Var 3: HORMONA) with values from 1 to 2
Variable 5: NUMERO DE BROTES POR ESTACA
Grand Mean = 4.374 Grand Sum = 78.730 Total Count = 18
T A B L E O F M E A N S
1 2 3 5 Total
-------------------------------------------------------
1 * * 4.785 28.710
2 * * 4.243 25.460
3 * * 4.093 24.560
-------------------------------------------------------
* 1 * 3.595 21.570
* 2 * 4.172 25.030
* 3 * 5.355 32.130
-------------------------------------------------------
* * 1 4.964 44.680
* * 2 3.783 34.050
-------------------------------------------------------
* 1 1 4.757 14.270
* 1 2 2.433 7.300
* 2 1 4.133 12.400
* 2 2 4.210 12.630
* 3 1 6.003 18.010
* 3 2 4.707 14.120
-------------------------------------------------------

Title : AGUS
Function : RANGEµ

1. Student-Neuman-Keul's Multiple Range Testy

s_ = 4.220 at alpha = 0.050
x
¤
Mean 1 = 53.00 A Mean 4 = 65.50 A

Mean 2 = 57.00 A Mean 3 = 59.00 A
Mean 3 = 59.00 A Mean 2 = 57.00 A
Mean 4 = 65.50 A Mean 1 = 53.00 A
Data file: OVEJA_DBCAµ

Title: aUGUS
Function: ANOVA-2
Data case 1 to 16

variable 1 (REPETICION) with values from 1 to 4 and
over
variable 2 (TRATAMIENTO) with values from 1 to 4.
Variable 3: PESO
A N A L Y S I S O F V A R I A N C E T A B
L E
Degrees of Sum of
Source Freedom Squares Mean Square F-
value Prob
---------------------------------------------------------
---------------
REPETICION 3 554.75 184.917
19.30 0.0003
TRATAMIENTO 3 326.75 108.917
11.37 0.0020
Error 9 86.25 9.583
Non-additivity 1 2.52 2.518
0.24
Residual 8 83.73 10.466
---------------------------------------------------------
---------------
Total 15 967.75
---------------------------------------------------------
---------------
Grand Mean= 58.625 Grand Sum= 938.000 Total

Count= 16
Means for variable 3 (PESO)

for each level of variable 1 (REPETICION):
Var 1 Var 3
Value Mean
----- -----
1 52.000
2 56.000
3 68.000
4 58.500
Means for variable 3 (PESO)

for each level of variable 2 (TRATAMIENTO):
Var 2 Var 3
Value Mean
----- -----
1 53.000
2 57.000
3 59.000
4 65.500
Data File : OVEJA_DBCAµ

Title : aUGUS
Variable 3 : PESO
Function : RANGEµ

¤
Mean 1 = 53.00 C Mean 4 = 65.50 A

Mean 2 = 57.00 BC Mean 3 = 59.00 B
Mean 3 = 59.00 B Mean 2 = 57.00 BC
Mean 4 = 65.50 A Mean 1 = 53.00 C

Title : aUGUS
Variable 3 : PESO
Function : RANGEµ


Title : aUGUS
Variable 3 : PESO
Function : RANGEµ


s_ = 1.787 at alpha = 0.050
x
¤
Mean 1 = 53.00 B Mean 4 = 65.50 A

Mean 2 = 57.00 B Mean 3 = 59.00 AB
Mean 3 = 59.00 AB Mean 2 = 57.00 B
Mean 4 = 65.50 A Mean 1 = 53.00 B

LSD value = 5.718
s_ = 1.787 at alpha = 0.050
x
¤
Mean 1 = 53.00 C Mean 4 = 65.50 A

Mean 2 = 57.00 BC Mean 3 = 59.00 B
Mean 3 = 59.00 B Mean 2 = 57.00 BC
Mean 4 = 65.50 A Mean 1 = 53.00 C

Title : aUGUS
Variable 3 : PESO
Function : RANGEµ

Student-Neuman-Keul's Multiple Range Test

s_ = 1.787 at alpha = 0.050
x
¤
Mean 1 = 53.00 B Mean 4 = 65.50 A

Mean 2 = 57.00 B Mean 3 = 59.00 B
Mean 3 = 59.00 B Mean 2 = 57.00 B
Mean 4 = 65.50 A Mean 1 = 53.00 B
Data file : CUALAITMµ

Title :Gabrielito Juanelito
Function : LATINSQ
L A T I N S Q U A R E A N A L Y S I S O F V
A R I A N C E
-----------------------------------------------------
--------------
-----Treatment------ --------Row---------
-------Column-------
Mean Total Mean Total
Mean Total
8.563 34.25 5.297 21.19
5.457 21.83
4.592 18.37 6.460 25.84
5.552 22.21
7.277 29.11 7.493 29.97
6.820 27.28
5.303 21.21 6.485 25.94
7.905 31.62
Grand Total = 102.94 Grand Mean =

6.434
S_ = 0.561 S_ = 0.793
x d
A N A L Y S I S O F V A R I A N C E T
A B L E

Source Freedom Squares Square Value
Prob
-----------------------------------------------
---------
Rows 3 9.66 3.220 2.56
0.151
Columns 3 16.17 5.391 4.28
0.061
Treatments 3 39.65 13.218 10.51
0.008
Error 6 7.55 1.258
-----------------------------------------------
---------
Total 15 73.04
DISEÑO CUADRADO LATINO(DCL)
El objetivo de este diseño es controlar la variabilidad en

dos direcciones: filas y columnas. Se usa cuando la
gradiente del suelo (gradiente de fertilidad) va en dos
direcciones.
El arreglo de los tratamientos en los bloques es en dos
sentidos, de tal forma que cada tratamiento aparezca una
sola vez en cada fila y cada columnas.
Es necesario para utilizar este diseño, que el número de

tratamientos sea igual que el número de repeticiones. La
efectividad de este diseño se muestra cuando existen de
cuatro tratamientos en adelante. El análisis de datos puede
remover el error experimental debido a las diferencias
entre filas y columnas.
Ejemplo: para cuatro tratamientos (A, B, C y D), el arreglo

podría ser:
Filas
C A D B C
o D C A B
l. C B D A
B A C D
El esquema del ADEVA (modelo matemático) para el diseño

cuadrado latino es:
-----------------------------------------------------------
--
Fuente Grados Suma Cuadrados
Valor
de de de medios de
-----------------------------------------------------------
--
Total r²-1
Filas r-1 --- Mide

las diferencias entre
La gradiente filas
Columnas r-1 ---
Midel las diferencias ente
la gradiente columnas
Tratamientos t-1
--- Mide la diferencia entre
tratamientos
Error experimental (r-1)(r-2)
-----------------------------------------------------------
--

Error experimental)
r = repeticiones
t = tratamientos
Ejemplo: Para ilustrar la metodología de cálculo del DCL se

toma un ensayo efectuado en trigo, donde se utilizó el
diseño cuadrado latino que constó de cuatro tratamientos
(variedades) y cuatro repeticiones. Variable a ser
analizada: rendimiento (kg/parcela).
CUADRO: Rendimiento de cuatro variedades de trigo

(kg/parcela) (cuatro repeticiones).
F I L A S
-----------------------------------
V2 V4 V1 V3
2.75 3.43 6.78 8.23
C
O V1 V3 V2 V4
L 7.54 5.12 5.84 7.34
U
M V4 V2 V3 V1
N 5.12 4.62 9.34 10.89
A
S V3 V1 V4 V2
6.42 9.04 5.32 5.16
-----------------------------------
PROCEDIMIENTO

Total
Promedio
Filas filas
---------------------------------------------------
--- Total Promedio
V2 X V4 V1 V3
Tratam. Tratam.
2.75 3.43 6.78 8.23 21.19∑f
5.297
V1 34.25∑t 8.563
V1 V3 V2 V4
V2 18.37 4.592
7.54 5.12 5.84 7.34 25.84
6.460 V3 29.11 7.277
V4 21.21 5.303
V4 V2 V3 V1
5.12 4.62 9.34 10.89 29.97
7.493
V3 V1 V4 V2
6.42 9.04 5.32 5.16 25.94
6.485
----------------------------------------------------
-----
Total 21.83∑c 22.21 27.28 31.62 102.94∑Xg
Columnas
Prom. Col. 5.457 5.552 6.820 7.905

6.434
Sumatoria general
Promedio general
r = repeticiones = 4
t = tratamientos = 4
n = número de datos = r * t = 16
CALCULOS
Para el total = r²– 1 = 4²–1 = 15

Para filas = r – 1 = 4 – 1 = 3
Para columnas = r – 1 = 4 –1 = 3
Para el error experimental = (r-1)(r-2) = (4-1)(4-2) = 6
(102.94)²
a) Factor de corrección FC = ------ = --------------------
= -------- = 662.29
r² número de datos
16
b) Suma de cuadrados = ∑(X)²-FC = 2.75²+3.43²+6.78²+ ..

+5.16²-FC = 735.33–662.29= 73.04
(∑f)² 21.19²+25.84²+ ... + 25.94²

c) Suma de cuadrados = ----- - FC =
------------------------- - FC = 671.95-662.29 = 9.66
para filas (SCf) r 4
(∑c)² 21.83²+22.21²+ ... + 31.62²
d) Suma de cuadrados = ----- - FC =
------------------------- - FC = 678.46-662.29 = 16.17
para columnas (SCc) r 4
(∑t)² 34.25²+18.37²+ .. +
21.21²
e) Suma de cuadrados para = --- - FC =
------------------------- -FC = 701.94–662.29 = 39.65
f) Suma de cuadrados para = por diferencia = SCTot – Scf

– SCc - Sctrat = 73.04-9.66-16.17-39.65 = 7.55
3. CUADRADOS MEDIOS
Los cuadrados medios se obtienen de la división de la suma

de cuadrados para los grados de libertad de cada fuente de
variación; excepto el total.
c) Para cuadrado medio de filas: 9.66/3 = 3.220

d) Para cuadrado medio de columnas: 16.17/3 = 5.391
c) Para cuadrado medio de tratamientos: 39.65/3 = 13.218
c) Para cuadrado medio del error experimental: 7.55/6 =
1.258
4. VALOR DE F (F CALCULADO)
El valor de F se obtiene de la división del cuadrado medio

de cada fuente de variación para el cuadrado medio del
error experimental
a) Para el valor de F de filas: 3.220/1.258 = 2.56

b) Para el valor de F de columnas: 5.391/1.258 = 4.28
c) Para el valor de F de tratamientos: 13.218/1.258 =
10.51
4. REEMPLAZAMOS LAS RESPUESTAS OBTENIDAS EN EL ADEVA

-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 15 73.04
Filas 3 9.66 3.220

2.56 ns
Columnas 3 16.17 5.391

4.28 ns
Tratamientos 3 39.65 13.218

10.51 **
Error experimental 6 7.55 1.258

-----------------------------------------------------------
-----------
Promedio general: 6.43 kg/parcela
El coeficiente de variación se obtiene aplicando la

siguiente fórmula:
________________
C.V. = --------------------- * 100 = ------*100 =
------*100 = 17.43%
7. EL NIVEL DE SIGNIFICACIÓN
Para el presente ejemplo los grados de libertad del

numerador para filas, columnas y tratamientos es 3 y los
grados de libertad del denominador 6, con lo cual se ubica
en la tabla y se obtienen los valores: al 5% 4.76 y al 1%
9.78.
Finalmente al comparar el valor de F calculado de filas

(2.56) se observa que no superó el valor de F de la tabla
al 5% (4.76), por lo que las filas fueron no
significativas (no difieren en forma significativa); al
comparar el F calculado de columnas (4.28) se observa que
no superó el valor de F de la tabla al 5% (4.76), por lo
que las columnas fueron no significativas; y; al comparar
el valor de F calculado de tratamientos (10.51) se observa
que superó el valor de F de la tabla al 1% (9.78), por lo
que los tratamientos fueron altamente significativas
(difieren en forma significativa).
INFERENCIA ESTADÍSTICA
Los resultados obtenidos al comparar los rendimientos de

cuatro variedades de trigo, permiten deducir que,
existieron diferencias altamente significativas entre
tratamientos, por lo que los rendimientos obtenidos fueron
estadísticamente diferentes. Con respecto a la gradiente
del terreno, al no obtener significación en filas y
columnas, se establece que no existió influencia
significativa de esta gradiente en lo al comparar el valor
de F calculado de filas (2.56) se observa que no superó el
valor de F de la tabla al 5% (4.76), por lo que las filas
fueron no significativas (no difieren en forma
significativa)s resultados del ensayo.
APLICANDO MSTATC
Para detallar los pasos en MSTATC se usará el mismo ejemplo

de la evaluación estadística del rendimiento de cuatro
variedades de trigo.
CUADRO: Rendimiento de cuatro variedades de trigo

(kg/parcela) (cuatro repeticiones).
F I L A S
-----------------------------------
V2 V4 V1 V3
2.75 3.43 6.78 8.23
C
O V1 V3 V2 V4
L 7.54 5.12 5.84 7.34
U
M V4 V2 V3 V1
N 5.12 4.62 9.34 10.89
A
S V3 V1 V4 V2
6.42 9.04 5.32 5.16
-----------------------------------
PROCEDIMIENTO
A. Crear o abrir el archivo de datos
OPCION 20. FILES


DOCUMENTOS

ESC para regresar

ej. CUADLATIN

ENSAYO EN VARIEDADES DE TRIGO
ESC para regresar

carpeta seleccionada dos archivos: Ej. CUADLATIN.dat y
CUADLATIN.txt
B. Crear la base de datos
OPCION 41 SEDIT
OPTIONS

16 casos para
digitar los datos
del ensayo

ensayo

analizar (ej. Altura de planta, número de
hojas, etc). Todas se crean en esta opción.
Por regla general es preferible crear
primero las variables de diseño y luego las

crea la variable.
Para nuestro ejemplo se crearán tres variables de

diseño (FILAS, COLUMNAS Y TRATAMIENTOS y una
variable a analizar RENDIMIENTO (kg/parcela)

variable)
Title: FILAS (nombre de la variable)

1 Right 0
Número de enteros

variable)
Title: COLUMNAS (nombre de la variable)

1 Right 0
Número de enteros

variable)

1 Right 0
Número de enteros

variable)
Title: RENDIMIENTO (kg/parcela) (nombre de la

variable)

2 Right 2
Número de enteros


enter)

cada valor de la variable rendimiento (g/parcela)
corresponda a su respectiva fila, columna y tratamiento.
SEDIT
NO. 1 2 3 4
----------------
1 1 1 2 2.75
2 1 2 4 3.43
3 1 3 1 6.78
4 1 4 3 8.23
5 2 1 1 7.54
6 2 2 3 5.12
7 2 3 2 5.84
8 2 4 4 7.34
9 3 1 4 5.12
10 3 2 2 4.62
11 3 3 3 9.34
12 3 4 1 10.89
13 4 1 3 6.42
14 4 2 1 9.04
15 4 3 4 5.32
16 4 4 2 5.16
----------------
ESC para regresar
* En caso de crearse más casos que los que se

necesitan para el cálculo, se puede borrar el
excedente de casos con la opción Remove.
c. Efectuar el análisis
OPCION 25. LATINSQ Calcula análisis de variancia con

el diseño cuadrado latino (DCL)
------ . --------- . --------- . -----
Entre el número de la (las) variable(s) a analizar 4

(variable rendimiento)
Entre el número de las variables:
Filas 1 Columnas 2 Tratamientos 3
-----------. -------------. -----------------
El numero de tratamientos a calcular son 4 (enter)
--------------. -------------- .-------------
Existen 16 casos que van a ser calculados (enter)
• Si se crearon más casos de los necesitados en el

SEDIT, la computadora le presenta el siguiente
mensaje:
• Entre el número del primer caso 1
----------------. ------------- . --------------

Output options



diskette
C:\nombre del archivo (8 letras, unido): graba los

cálculos en la raíz
del disco
C:\DATOS\nombre del archivo (8 letras unido): graba
los cálculos en
la carpeta DATOS
C:\MISDOC~1\nombre del arvicho: graba los cálculos en

la carpeta
MIS DOCUMENTOS
A:\nombre del archivo: Graba los cálculos en el

disquette
Si no direcciona hacia la carpeta deseada, el MSTATC graba

el cálculo en la carpeta C:\MSTATC\DATA (por defecto)

------ . ----- . ----- . -----
Data file : CUADLATIN

Title : ENSAYO EN VARIEDADES DE TRIGO
Function : LATINSQ
Variable 4 : RENDIMIENTO (kg/parc.)
L A T I N S Q U A R E A N A L Y S I S O F V
A R I A N C E
-----------------------------------------------------
--------------
-----Treatment------ --------Row---------
-------Column-------
Mean Total Mean Total
Mean Total
8.563 34.25 5.297 21.19
5.457 21.83
4.592 18.37 6.460 25.84
5.552 22.21
7.277 29.11 7.493 29.97
6.820 27.28
5.303 21.21 6.485 25.94
7.905 31.62
Grand Total = 102.94 Grand Mean =

6.434
S_ = 0.561 S_ = 0.793
x d
A N A L Y S I S O F V A R I A N C E T
A B L E

Source Freedom Squares Square Value
Prob
-----------------------------------------------
---------
Rows 3 9.66 3.220 2.56
0.151
Columns 3 16.17 5.391 4.28
0.061
Treatments 3 39.65 13.218 10.51
0.008
Error 6 7.55 1.258
-----------------------------------------------
---------
Total 15 73.04
Nivel de significación en MSTATC
Para obtener el nivel de significación de F calculado, el

valor de probabilidad multiplicamos por 100 y el resultado
comparamos de la siguiente manera:
Si es mayor que 5 ns (no significativo)

Si esta entre 1 y 5 * (significativo)
Si es menor que 1 ** (altamente significativo)
Si no existe valor ns (no significativo)
Para filas: 0.151* 100 = 15.1 = ns

Para columnas: 0.061 * 100 * 6.1 = ns
Para tratamiento: 0.008 * 100 = 0.8 = **
DISEÑOS CON ARREGLOS FACTORIALES
La palabra factorial se refiere a un modo especial de

formar las combinaciones de tratamientos o factores.
El arreglo factorial se utiliza cuando se investigan más de

una variable a la vez ej: sustratos de enraizamiento
versus hormonas; abonos orgánicos versus dosis; Dosis de
nitrógeno versus dosis de fósforo versus dosis de potasio,
etc.
Los niveles de cada factor y el arreglo factorial:
Cada factor en estudio debe tener mínimo dos niveles ej: 5

abonos orgánicos, es decir cinco niveles vs. tres dosis
para cada abono, es decir tres niveles. El arreglo
factorial para este ejemplo de dos factores sería 5 x 3.
El arreglo factorial se puede usar en los diseños

experimentales DCA, DBCA, parcelas divididas, etc y
permiten deducir la influencia de cada factor en el
comportamiento de las plantas analizadas.
DISEÑOS CON ARREGLOS FACTORIALES DE DOS FACTORES
GENERALIDADES
Parten de la utilización de los diseños básicos: completamente al azar, bloques
completos al azar (utilizado con mayor frecuencia) y cuadrado latino.
Factorial se refiere a la forma de combinar las variables en estudio o
tratamientos o factores de estudio, en este caso dos factores de estudio.
Ejemplos de factoriales con dos factores de estudio:
Sustratos y hormonas
Tipos de hormonas y dosis para nutrición animal
Dosis de fósforo y nitrógeno
Raciones alimenticias y vitaminas en nutrición animal
Variedades y distancias de siembra

Raciones alimenticias y complementos en nutrición animal
Variedades y paquetes tecnológicos
Tipos y dosis de medicinas para el manejo de una
enfermedad
Tipos y dosis de abonos
Tipos y epocas de aplicación de medicamentos para
ptevención
Estos diseños permiten establecer deducciones sobre cada factor en el
comportamiento del objeto de estudio.
VENTAJAS
Disminuyen el número de ensayos experimentales al estudiar o evaluacr dos
factores de estudio ala vez;
Igual precisión que eel diseño básico utilizado;
El análisis es sencillo, aún cuando es ligeramente más complicado que los
básicos;
Si se pierden las unidades experimentales de un mismo tratamiento siguen
ajustados a las características del diseño;
Si se pierde un bloque o una hilera también sigue ajustado al diseño básico;
En el caso de que se pierdan una o varias unidades experimentales, sus
valores pueden ser estimados en función de los promedios restantes;
DESVENTAJAS
No se puede utilizar para un número muy elevado de variables para cada
factor de estudio;
Por lo anterior los ensayos son más grandes en tratamientos, debido al
número de cada factor de estudio;

Los factores de estudio y sus variaciones deben ser bien diseñados para no
inferir negativamente; y,
Se debe calcular por separado el andeva básico y el andeva factorial.
DISEÑO
COMPLETAMENTE AL AZAR
ESQUEMA DEL DISEÑO
Si se plantea un experimento con 6 tratamientos y 4 repeticiones, se debe tener
24 unidades experimentales.
El esquema del diseño debe tener cuatro bloques o repticiones y en cada
bloque deben haber 6 tratamientos.
Para la ubicación en el casillero correspondiente deben numerarse de la
siguiente manera:
Para el bloque 1 se debe nunmerar del 1 al 6, para el bloque 2 se debe
numerar del 7 al 12 y así sucesivamente hasta el bloque 4 que debe numerarse
del 19 al 24.
Para su distribución en el esquema, de acuerdo al orden de salida de los
números se va ubicando en sentido horizontal o vertical (hay que definir antes
del sorteo aleatorio) y se va registrando como se van a distribuir los
tratamientos en el campo.
ESQUEMA DEL DISEÑO
ESQUEMA DE RECOLECCION DE INFORMACION

ESQUEMA DEL ANDEVA BASICO
EAQUEMADEL ANDEVA SOLO DEL FACTORIAL

ESQUEMA DEL ANDEVA INTEGRAL
DISEÑO EN BLOQUES COMPLETAMENTE AL AZAR

ESQUEMA DEL DISEÑO
Si se plantea un experimento con 6 tratamientos y 4 repeticiones, se debe tener
24 unidades experimentales.
El esquema del diseño debe tener cuatro bloques o repeticiones y en cada
bloque deben estar los 6 tratamientos a experimentar.
Para la ubicación en el casillero correspondiente deben numerarse de la
siguiente manera:
Para cada repetición, se debe numerar del 1 al 6 en papeles o fichas (de
acuerdo al número de tratamientos;
Para cada repetición o bloque, se procede a sortear el orden de los
tratamientos;
Para su distribución en el esquema, de acuerdo al orden de salida de los
números se va ubicando en sentido horizontal de izquierda a derecha y se va
registrando como se van a distribuir los tratamientos en cada uno de los
bloques, en el campo.
ESQUEMA DEL DISEÑO

ESQUEMA DE RECOLECCION DE INFORMACION
ESQUEMA DEL ANDEVA BÁSICO
ESQUEMA DEL ANDEVA SOLO DEL FACTORIAL

DISEÑO EN CUADRADO LATINO

ESQUEMA DEL DISEÑO
Si se plantea un experimento con 6 tratamientos, el número de repeticiones
debe ser 6, lo que nos da 36 unidades experimentales.
El esquema del diseño debe tener seis bloques o repeticiones y en cada bloque
deben estar los 6 tratamientos a experimentar. Además de lo anterior tabien
deben estar los seis tratamientos
En sentido vertical. (fila – bloque - y columna)
Se sortea el número de la columna y el número de la repetición o bloque o
hilera, en este caso 6 columnas y 6 hileras;
Sorteo en letras la primera columna y la primera fila;
Las demás filas se llenan en relación a la secuencia de la primera fila,
respetando la letra que está en la primera columna.
ESQUEMA DEL DISEÑO

ESQUEMA DE RECOLECCION DE INFORMACIÓN
ESQUEMA DEL ANDEVA BÁSICO

ESQUEMA DEL ANDEVA SOLO DEL FACTORIAL

Pruebas de significación para factoriales
Para la comparación de los valores medios encontrados para cada tratamiento,
se pueden aplicar entre otras, una o dos de las siguientes pruebas de
significación :
Andeva (básico y factorial)
Prueba de comparación de medias, si es que el andeva resultaren
significativas)
Comparaciones ortogonales si existen simetría entre los índices de los factores
de estudio.
DISEÑOS CON ARREGLOS FACTORIALES
La palabra factorial se refiere a un modo especial de

formar las combinaciones de tratamientos o factores.
El arreglo factorial se utiliza cuando se investigan más de
una variable a la vez ej: sustratos de enraizamiento
versus hormonas; abonos orgánicos versus dosis; Dosis de
nitrógeno versus dosis de fósforo versus dosis de potasio,
etc.
Los niveles de cada factor y el arreglo factorial:
Cada factor en estudio debe tener mínimo dos niveles ej: 5

abonos orgánicos, es decir cinco niveles vs. tres dosis
para cada abono, es decir tres niveles. El arreglo
factorial para este ejemplo de dos factores sería 5 x 3.
El arreglo factorial se puede usar en los diseños

experimentales DCA, DBCA, parcelas divididas, etc y
permiten deducir la influencia de cada factor en el
comportamiento de las plantas analizadas.
EJEMPLO DEL DISEÑO CON ARREGLO FACTORIAL DE DOS FACTORES
Esquema del ADEVA
El esquema del ADEVA (modelo matemático) para el arreglo

factorial con dos factores en el diseño de bloques

-----------------------------------------------------------
--
Valor
de de de medios de
-----------------------------------------------------------
--
Total rt-1
Repeticiones r-1 --- Mide las

diferencias entre
repeticiones
Tratamientos t-1
tratamientos
Factor A a-1
--- Mide las diferencias para
el factor A
Factor B b-1
el factor B
A x B (a-1)(b-1)
--- Mide la ifluencia de la interacción
de los dos factores

Error experimental (r-1)(t-1)
-----------------------------------------------------------
--

Error experimental)
Ejemplo: Para ilustrar la metodología de cálculo del DBCA

con arreglo factorial, se toma un ensayo de enraizamiento
de estacas de pimienta, donde se utilizaron tres sustratos
y dos hormonas, con tres repeticiones. Variable a ser
analizada: número de brotes por estaca
TITULO: Evaluación de sustratos con hormonas en el

enraizamiento de estacas de pimienta negra (Piper nigrum
L.)
Factores en estudio:
a. Sustratos de enraizamiento (tres niveles)
- Suelo 50% + humus 50% S1

- Suelo 50% + Duramen de pambil S2
- Suelo 50% + cascarilla de arroz 50% S3
b. Hormonas de enraizamiento (dos niveles)
- Hormonagro #1 H1
- Raizal H2
Tratamientos: Los tratamientos resultan de la combinación

de los factores en estudio
CUADRO: TRATAMIENTOS
-------------------------------------------------------
Tratamientos
------------ Sustratos Hormona
No. Símbolo
-------------------------------------------------------
1 S1H1 Suelo 50%+ humus 50% Hormonagro
2 S1H2 Suelo 50%+ humus 50% Raizal
3 S2H1 Suelo 50%+ duramen 50% Hormonagro
4 S2H2 Suelo 50%+ duramen 50% Raizal
5 S3H1 Suelo 50%+ cascarilla 50% Hormonagro
6 S3H2 Suelo 50%+ cascarilla 50% Raizal
------------------------------------------------------
Diseño experimental: Diseño de bloques completamente al azar con arreglo factorial

de 3 x 2, con tres repeticiones.
Variable a analizar: Número de brotes por estaca (datos)
----------------------------------------
------------ -----------------------
No. Símbolo I II III
----------------------------------------
1 S1H1 4.50 5.17 4.60
2 S1H2 2.80 3.00 1.50
3 S2H1 4.75 3.25 4.40
4 S2H2 4.80 3.33 4.50
5 S3H1 6.86 5.71 5.44
6 S3H2 5.00 5.00 4.12
----------------------------------------
PROCEDIMIENTO
A. CALCULO DEL DISEÑO DE BLOQUES COMPLETAMENTE AL AZAR

(DBCA)
-----------------------------------------------------------
---
------------ ------------------------- Sumatoria
Promedio
-----------------------------------------------------------
---_
1 S1H1 4.50(X) 5.17 4.60 14.27(Xt)
4.76 (Xt)
2 S1H2 2.80 3.00 1.50 7.30
2.43
3 S2H1 4.75 3.25 4.40 12.40
4.13
4 S2H2 4.80 3.33 4.50 12.63
4.21
5 S3H1 6.86 5.71 5.44 18.01
6.00
6 S3H2 5.00 5.00 4.12 14.12
4.71
-----------------------------------------------------------
--
Sumatoria 28.71(Xr) 25.46 24.56 78.73(∑Xg)
_
Promedio 4.79 4.24 4.09
4.37(Xg)
CALCULOS
Para el total = r*t – 1 = 3*6 – 1 = 17

Para repeticiones = r – 1 = 3 – 1 = 2
Para el error experimental = (r-1)(t-1) = (3-1)(6-1) = 10
(78.73)²
= ------- = 344.356
r*t número de datos
18
b) Suma de cuadrados = ∑(X)²-FC =4.50²+2.80²+ .... +4.12²-

FC = 370.32–344.36= 25.96
∑(Xr)² 28.71²+25.46²+24.56²
c) Suma de cuadrados para = ----- - FC =
------------------- - FC = 2075.67-344.356 = 1.59
repeticiones (SCrep) t 6
∑(Xt)² 14.27²+7.30²+ ..
+14.12²
d) Suma de cuadrados para = ----- - FC =
--------------------- -FC = 1093.93–344.356 = 20.29
e) Suma de cuadrados para = por diferencia = SCTot –

Screp - SCtrat = 25.96-1.59-20.29 = 4.08
3. REEMPLAZAMOS LAS RESPUESTAS OBTENIDAS EN EL ADEVA DBCA

-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 17 25.96
Repeticiones 2 1.59 0.794

1.94 ns

9.92 **
Error experimental 10 4.08 0,408

-----------------------------------------------------------
-----------
Promedio general: 4.37 brotes/estaca

siguiente fórmula:
________________
C.V. = --------------------- * 100 = ------*100 =
------*100 = 14.62%
CALCULO DEL ARREGLO FACTORIAL
Conformación del cuadro de doble entrada factorial

Sum
. de H1
Sustratos
S1 S2 S3 Sum. Prom.
H1 14.27 12.40 / 18.01 44.68
4.96
/3 3 /3 /9
H2 7.30 12.63 14.12 34.05 3.78
/3
Sum. 21.57 78.73
25.03 32.13
/6 /18
Prom.
Hormona
4.37 /
3.59 4.17 5.36
18
Sum. de S1
Núm. de
observaciones
Para sustratos= s-1 = 3 – 1 = 2

Para hormona = H – 1 = 2 – 1 = 1
Para S x H (S–1)(H-1) = (3-1)(2-1) = 2
SUMA DE CUADRADOS
∑(S)² 21.57²+25.03²+32.13²
a) Suma de cuadrados para = ----- - FC =
------------------- - FC =2124.10/6)-344.356 = 9.65
sustratos (SCS) # ob. 6
∑(H)² 44.68²+34.05²
b) Suma de cuadrados para = ----- - FC = -------------- -
FC = (3155.71/9)-344356 = 6.27
hormona (SCH) # ob. 9
∑(SH)²
14.27²+7.30²+ .. +14.12²
c) Suma de cuadrados para = ----- - FC- SCS – SCH =
------------------------ -FC – 9.65 – 6.27 = 4.35
S x H (SCSxH) # ob. 3
Completando el ADEVA tenemos
ANÁLISIS DE VARIANCIA
-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 17 25.96

1.94 ns

9.92 **
Sustratos (S) 2 9.65 4.83

11.81 **
Hormona (H) 1 6.27 6.28

15.34 **
S x H 2 4.35 2.18
5.32 *

-----------------------------------------------------------
-----------
Inferencia: Al existir diferencias estadísticas altamente

significativas para el factor sustratos, se infiere que los
sustratos de enraizamiento influenciaron en la producción
de brotes en las estacas de pimienta. Igual a lo sucedido
en el factor hormona en donde existió significación a nivel
del 1%. La interacción sustratos por hormona fue
significativo al 5%, por lo que existió influencia de los
sustratos combinados con las hormonas.
Las pruebas de significación de Tukey al 5% para

tratamientos, factor sustratos e interacción sustratos por
hormona a más de la Prueba de Diferencia Mínima
Significativa al 5% para el factor hormona, indicarán los
mejores tratamientos y el agrupamiento de promedios de
sustratos, hormona y la mejor interacción de los factores.
APLICANDO MSTATC

de tres sustratos y dos hormonas en el enraizamiento de
estacas de pimienta
Diseño experimental: Diseño de bloques completamente al azar en arreglo factorial de

3 x 2, con tres repeticiones.
----------------------------------------
------------ -----------------------
----------------------------------------
1 S1H1 4.50 5.17 4.60
2 S1H2 2.80 3.00 1.50
3 S2H1 4.75 3.25 4.40
4 S2H2 4.80 3.33 4.50
5 S3H1 6.86 5.71 5.44
6 S3H2 5.00 5.00 4.12
----------------------------------------
PROCEDIMIENTO
El procedimiento de cálculo se resume en tres pasos que son: crear el archivo de datos;
crear la base de datos y calcular. Primeramente se calcula el ADEVA DBCA usando
ANOVA-2 y luego el cálculo del factorial usando FACTOR.
OPCION 20. FILES


DOCUMENTOS

ESC para regresar

ej. DBCA

ENSAYO DE VARIEDADES DE FREJOL
ESC para regresar

carpeta seleccionada dos archivos: Ej. DBCA.dat y
DBCA.txt

seleccionado

ESC para regresar

ESC)
OPCION 41 SEDIT
OPTIONS

18 casos para
digitar los datos
del ensayo

ensayo
analizar. Todas se crean en esta opción. Por
regla general es preferible crear primero
las variables de diseño y luego las

crea la variable.
Para nuestro ejemplo se crearán cuatro variables de diseño (REPETICIONES,

SUSTRATOS, HORMONA, TRATAMIENTOS y una variable a analizar
NUMERO DE BROTES POR ESTACA

variable)

1 Right 0
Número de enteros

variable)
Title: SUSTRATOS (nombre de la variable)

1 Right 0
Número de enteros

variable)
Title: HORMONA (nombre de la variable)

1 Right 0
Número de enteros

variable)

1 Right 0
Número de enteros

variable)
Title: NUMERO DE BROTES POR ESTACA (nombre de

la variable)

2 Right 2
Número de enteros
enter)
cada valor de la variable número de brotes por planta
corresponda a su respectiva repetición, sustrato, hormona y
tratamiento.
SEDIT
NO. 1R 2S 3H 4T 5NUM
-----------------------------------
1 1 1 1 1 4.50
2 1 1 2 2 2.80
3 1 2 1 3 4.75
4 1 2 2 4 4.80
5 1 3 1 5 6.86
6 1 3 2 6 5.00
7 2 1 1 1 5.17
8 2 1 2 2 3.00
9 2 2 1 3 3.25
10 2 2 2 4 3.33
11 2 3 1 5 5.71
12 2 3 2 6 5.00
13 3 1 1 1 4.60
14 3 1 2 2 1.50
15 3 2 1 3 4.40
16 3 2 2 4 4.50
17 3 3 1 5 5.44
18 3 3 2 6 4.12
-----------------------------------

Para obtener el análisis de variancia DBCA en donde se
obtienen las fuentes Total, repeticiones, tratamientos y
error experimental, efectuar el cálculo de ANOVA-2 y luego
para obtener el arreglo factorial con las fuentes
Sustratos, Hormona y la interacción utilizar la opción
FACTOR, de la siguiente manera:
OPCION 19. FACTOR Calcula análisis de variancia con
arreglos factoriales)
------ . --------- . --------- . -----
Would you like to do covariance analysis Y/N N (enter)
(desea hacer análisis de covariancia)
------ . --------- . --------- . -----
Seleccionar con la barra espaciadora el diseño factorial
Para nuestro ejemplo seleccionar la opción 8. RCBD 2 Factor
(a)
Que calcula arreglos factoriales de dos factores
------ . --------- . --------- . -----
Is this what you had in mind Y/N Y enter
(es el esquema de adeva deseado)
------ . --------- . --------- . -----
FACTOR: First variable (Replication)
Entre la variable repeticiones
Número de variable: 1 (número con que se creo
Repeticiones en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (las repeticiones van de 1 a 3)
------ . --------- . --------- . -----
FACTOR: second variable (FACTOR A)
Entre valores para Factor A

Número de variable: 2 (número con que se creo SUSTRATOS
en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (los sustratos van de 1 a 3)
------ . --------- . --------- . -----
FACTOR: Third variable (FACTOR B)
Entre valores para Factor B
Número de variable: 3 (número con que se creo HORMONA en
el SEDIT)
Menor Nivel: 1
Mayor nivel: 2 (el factor hormona va de 1 a 2)
------ . --------- . --------- . -----
Is this correct Y/N Y enter
Es correcta los niveles de cada factor
------ . --------- . --------- . -----

Su archivo de datos contiene 18 casos
Do you wish to use all cases Y/N Y enter
Usara todos los casos de datos
------- . --------- . ---------. -------
02 (NUMERIC) SUSTRATOS
03 (NUMERIC) HORMONA
05 (NUMERIC) NUMERO DE BROTES POR ESTACA
Señalar con la barra espaciadora la variable 05 que va a
ser analizada
----- . ----- . ----- . -----

Do you want all means stored an the end or your file
Y/N
de datos los promedios de la variable número
de brotes por estaca que va a ser analizada
(luego del cálculo revisar el SEDIT).
----- . ----- . ----- . -----
Output options

diskette
------ . ----- . ----- . -----
Data file: FACTORIA

Title: ENSAYO DE ENRAIZAMIENTO DE ESTACAS DE
PIMIENTA
Function: FACTOR


Replication (Var 1: REPETICIONES) with values
from 1 to 3
Factor A (Var 2: SUSTRATOS) with values from 1 to
3
Grand Mean = 4.374 Grand Sum = 78.730 Total Count

= 18
1 2 3 5 Total
------------------------------------------------------
-
1 * * 4.785 28.710
Totales y
2 * * 4.243 25.460
Promedios de
3 * * 4.093 24.560
repeticiones
------------------------------------------------------
-
* 1 * 3.595 21.570
Totales y
* 2 * 4.172 25.030
Promedios del
* 3 * 5.355 32.130
Factor A
------------------------------------------------------
-
* * 1 4.964 44.680
Totales y promedios
* * 2 3.783 34.050
del Factor B
------------------------------------------------------
-
* 1 1 4.757 14.270
* 1 2 2.433 7.300
Totales y
* 2 1 4.133 12.400
Promedios de la
* 2 2 4.210 12.630
interacción AxB
* 3 1 6.003 18.010
* 3 2 4.707 14.120
------------------------------------------------------
-
K Degrees of Sum of Mean

F
Value Source Freedom Squares Square
Value Prob
-----------------------------------------------------------
------------------
1 Replication 2 1.589 0.794
1.9415 0.1939
2 Factor A 2 9.661 4.830
11.8071 0.0023
4 Factor B 1 6.278 6.278
15.3445 0.0029
6 AB 2 4.350 2.175
5.3164 0.0267
-7 Error 10 4.091 0.409
-----------------------------------------------------------
------------------
Total 17 25.968
-----------------------------------------------------------
-----------
Coefficient of Variation: 14.62%
s_ for means group 1: 0.2611 Number of

Observations: 6
y

Observations: 6
y

Observations: 9
y

Observations: 3
y
Finalmente, conformar el ADEVA requerido, unificando el ADEVA de ANOVA-2 y el

ADEVA FACTOR, completando así todas las fuentes de variación
EJEMPLO DEL DISEÑO CON ARREGLO FACTORIAL DE DOS FACTORES
Esquema del ADEVA

factorial con dos factores en el diseño de bloques

-----------------------------------------------------------
--
Valor
de de de medios de
-----------------------------------------------------------
--
Total rt-1
Repeticiones r-1 --- Mide las

diferencias entre
repeticiones
Tratamientos t-1
tratamientos
Factor A a-1
el factor A
Factor B b-1
el factor B
A x B (a-1)(b-1)
--- Mide la ifluencia de la interacción
de los dos factores

-----------------------------------------------------------
--

Error experimental)

con arreglo factorial, se toma un ensayo de enraizamiento
de estacas de pimienta, donde se utilizaron tres sustratos
y dos hormonas, con tres repeticiones. Variable a ser
analizada: número de brotes por estaca
TITULO: Evaluación de sustratos con hormonas en el
enraizamiento de estacas de pimienta negra (Piper nigrum
L.)
a. Sustratos de enraizamiento (tres niveles)
- Suelo 50% + humus 50% S1

- Suelo 50% + Duramen de pambil S2
- Suelo 50% + cascarilla de arroz 50% S3
b. Hormonas de enraizamiento (dos niveles)
- Hormonagro #1 H1
- Raizal H2

-------------------------------------------------------
Tratamientos
------------ Sustratos Hormona
No. Símbolo
-------------------------------------------------------
1 S1H1 Suelo 50%+ humus 50% Hormonagro
2 S1H2 Suelo 50%+ humus 50% Raizal
3 S2H1 Suelo 50%+ duramen 50% Hormonagro
4 S2H2 Suelo 50%+ duramen 50% Raizal
5 S3H1 Suelo 50%+ cascarilla 50% Hormonagro
6 S3H2 Suelo 50%+ cascarilla 50% Raizal
------------------------------------------------------

de 3 x 2, con tres repeticiones.
----------------------------------------
------------ -----------------------
----------------------------------------
1 S1H1 4.50 5.17 4.60
2 S1H2 2.80 3.00 1.50
3 S2H1 4.75 3.25 4.40
4 S2H2 4.80 3.33 4.50
5 S3H1 6.86 5.71 5.44
6 S3H2 5.00 5.00 4.12
----------------------------------------
PROCEDIMIENTO

(DBCA)
-----------------------------------------------------------
---
------------ ------------------------- Sumatoria
Promedio
-----------------------------------------------------------
---_
1 S1H1 4.50(X) 5.17 4.60 14.27(Xt)
4.76 (Xt)
2 S1H2 2.80 3.00 1.50 7.30
2.43
3 S2H1 4.75 3.25 4.40 12.40
4.13
4 S2H2 4.80 3.33 4.50 12.63
4.21
5 S3H1 6.86 5.71 5.44 18.01
6.00
6 S3H2 5.00 5.00 4.12 14.12
4.71
-----------------------------------------------------------
--
Sumatoria 28.71(Xr) 25.46 24.56 78.73(∑Xg)
_
Promedio 4.79 4.24 4.09
4.37(Xg)
CALCULOS
Para el total = r*t – 1 = 3*6 – 1 = 17

(78.73)²
= ------- = 344.356
18
b) Suma de cuadrados = ∑(X)²-FC =4.50²+2.80²+ .... +4.12²-

FC = 370.32–344.36= 25.96
∑(Xr)² 28.71²+25.46²+24.56²
------------------- - FC = 2075.67-344.356 = 1.59
∑(Xt)² 14.27²+7.30²+ ..
+14.12²
d) Suma de cuadrados para = ----- - FC =
--------------------- -FC = 1093.93–344.356 = 20.29
e) Suma de cuadrados para = por diferencia = SCTot –

Screp - SCtrat = 25.96-1.59-20.29 = 4.08

-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 17 25.96

1.94 ns

9.92 **

-----------------------------------------------------------
-----------

siguiente fórmula:
________________
C.V. = --------------------- * 100 = ------*100 =
------*100 = 14.62%
Conformación del cuadro de doble entrada factorial

Sum
. de H1
Sustratos
S1 S2 S3 Sum. Prom.
H H1 14.27 12.40 / 18.01 44.68
4.96
o /3 3 /3 /9
r H2 7.30
12.63 14.12 34.05 3.78
m /3
o Sum. 21.57 78.73
25.03 32.13
n /6 /18
a Prom. 4.37 /
3.59 4.17 5.36
18
Sum. de S1
Núm. de
observaciones
Para sustratos= s-1 = 3 – 1 = 2

Para hormona = H – 1 = 2 – 1 = 1
Para S x H (S–1)(H-1) = (3-1)(2-1) = 2
SUMA DE CUADRADOS
∑(S)² 21.57²+25.03²+32.13²
a) Suma de cuadrados para = ----- - FC =
------------------- - FC =2124.10/6)-344.356 = 9.65
sustratos (SCS) # ob. 6
∑(H)² 44.68²+34.05²
b) Suma de cuadrados para = ----- - FC = -------------- -
FC = (3155.71/9)-344356 = 6.27
hormona (SCH) # ob. 9
∑(SH)²
14.27²+7.30²+ .. +14.12²
c) Suma de cuadrados para = ----- - FC- SCS – SCH =
------------------------ -FC – 9.65 – 6.27 = 4.35
S x H (SCSxH) # ob. 3
-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 17 25.96

1.94 ns

9.92 **
Sustratos (S) 2 9.65 4.83

11.81 **
Hormona (H) 1 6.27 6.28

15.34 **
S x H 2 4.35 2.18
5.32 *

-----------------------------------------------------------
-----------
significativas para el factor sustratos, se infiere que los
sustratos de enraizamiento influenciaron en la producción
de brotes en las estacas de pimienta. Igual a lo sucedido
en el factor hormona en donde existió significación a nivel
del 1%. La interacción sustratos por hormona fue
significativo al 5%, por lo que existió influencia de los
sustratos combinados con las hormonas.

tratamientos, factor sustratos e interacción sustratos por
hormona a más de la Prueba de Diferencia Mínima
Significativa al 5% para el factor hormona, indicarán los
mejores tratamientos y el agrupamiento de promedios de
sustratos, hormona y la mejor interacción de los factores.
APLICANDO MSTATC

de tres sustratos y dos hormonas en el enraizamiento de
estacas de pimienta

3 x 2, con tres repeticiones.
----------------------------------------
------------ -----------------------NU
----------------------------------------
1 S1H1 4.50 5.17 4.60
2 S1H2 2.80 3.00 1.50
3 S2H1 4.75 3.25 4.40
4 S2H2 4.80 3.33 4.50
5 S3H1 6.86 5.71 5.44
6 S3H2 5.00 5.00 4.12
----------------------------------------
PROCEDIMIENTO

calcular. Primeramente se calcula el ADEVA DBCA usando
OPCION 20. FILES


DOCUMENTOS

ESC para regresar

ej. DBCA

ENSAYO DE VARIEDADES DE FREJOL

ESC para regresar

carpeta seleccionada dos archivos: Ej. DBCA.dat y
DBCA.txt

seleccionado

ESC para regresar

ESC)
OPCION 41 SEDIT
OPTIONS

18 casos para
digitar los datos
del ensayo

ensayo


crea la variable.
Para nuestro ejemplo se crearán cuatro variables
de diseño (REPETICIONES, SUSTRATOS, HORMONA,
TRATAMIENTOS y una variable a analizar NUMERO DE
BROTES POR ESTACA

variable)

1 Right 0
Número de enteros

variable)
Title: SUSTRATOS (nombre de la variable)

1 Right 0
Número de enteros

variable)
Title: HORMONA (nombre de la variable)

1 Right 0
Número de enteros

variable)

1 Right 0
Número de enteros
variable)
Title: NUMERO DE BROTES POR ESTACA (nombre de

la variable)

2 Right 2
Número de enteros


enter)

cada valor de la variable número de brotes por planta
corresponda a su respectiva repetición, sustrato, hormona y
tratamiento.
SEDIT
NO. 1R 2S 3H 4T 5NUM
-----------------------------------
1 1 1 1 1 4.50
2 1 1 2 2 2.80
3 1 2 1 3 4.75
4 1 2 2 4 4.80
5 1 3 1 5 6.86
6 1 3 2 6 5.00
7 2 1 1 1 5.17
8 2 1 2 2 3.00
9 2 2 1 3 3.25
10 2 2 2 4 3.33
11 2 3 1 5 5.71
12 2 3 2 6 5.00
13 3 1 1 1 4.60
14 3 1 2 2 1.50
15 3 2 1 3 4.40
16 3 2 2 4 4.50
17 3 3 1 5 5.44
18 3 3 2 6 4.12
-----------------------------------
1QUIT Regresa al menú principal

1
C2. Tercer paso: efectuar el análisis
Para obtener el análisis de variancia DBCA en donde se

obtienen las fuentes Total, repeticiones, tratamientos y
error experimental, efectuar el cálculo de ANOVA-2 y luego
para obtener el arreglo factorial con las fuentes
Sustratos, Hormona y la interacción utilizar la opción
FACTOR, de la siguiente manera:
OPCION 19. FACTOR Calcula análisis de variancia con

------ . --------- . --------- . -----

------ . --------- . --------- . -----
Para nuestro ejemplo seleccionar la opción 8. RCBD 2 Factor

(a)
Que calcula arreglos factoriales de dos factores
------ . --------- . --------- . -----

------ . --------- . --------- . -----


Repeticiones en el SEDIT)
Menor Nivel: 1
------ . --------- . --------- . -----

Número de variable: 2 (número con que se creo SUSTRATOS

en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (los sustratos van de 1 a 3)
------ . --------- . --------- . -----

Número de variable: 3 (número con que se creo HORMONA en

el SEDIT)
Menor Nivel: 1
Mayor nivel: 2 (el factor hormona va de 1 a 2)
------ . --------- . --------- . -----

------ . --------- . --------- . -----


------- . --------- . ---------. -------
02 (NUMERIC) SUSTRATOS
03 (NUMERIC) HORMONA
05 (NUMERIC) NUMERO DE BROTES POR ESTACA

ser analizada
----- . ----- . ----- . -----

Y/N

de brotes por estaca que va a ser analizada
(luego del cálculo revisar el SEDIT).

----- . ----- . ----- . -----
Output options



diskette

------ . ----- . ----- . -----
Data file: FACTORIA

Title: ENSAYO DE ENRAIZAMIENTO DE ESTACAS DE
PIMIENTA
Function: FACTOR


from 1 to 3
3

= 18
1 2 3 5 Total
------------------------------------------------------
-
1 * * 4.785 28.710
Totales y
2 * * 4.243 25.460
Promedios de
3 * * 4.093 24.560
repeticiones
------------------------------------------------------
-
* 1 * 3.595 21.570
Totales y
* 2 * 4.172 25.030
Promedios del
* 3 * 5.355 32.130
Factor A
------------------------------------------------------
-
* * 1 4.964 44.680
Totales y promedios
* * 2 3.783 34.050
del Factor B
------------------------------------------------------
-
* 1 1 4.757 14.270
* 1 2 2.433 7.300
Totales y
* 2 1 4.133 12.400
Promedios de la
* 2 2 4.210 12.630
interacción AxB
* 3 1 6.003 18.010
* 3 2 4.707 14.120
------------------------------------------------------
-
A N A L Y S I S O F V A R I A N C E T A B L
E

F
Value Prob
-----------------------------------------------------------
------------------
1.9415 0.1939
2 Factor A 2 9.661 4.830
11.8071 0.0023
4 Factor B 1 6.278 6.278
15.3445 0.0029
6 AB 2 4.350 2.175
5.3164 0.0267
-7 Error 10 4.091 0.409
-----------------------------------------------------------
------------------
Total 17 25.968
-----------------------------------------------------------
------------------

Observations: 6
y

Observations: 6
y

Observations: 9
y

Observations: 3
y
Finalmente, conformar el ADEVA requerido, unificando el

ADEVA de ANOVA-2 y el ADEVA FACTOR, completando así todas
las fuentes de variación.
Data file: FACµ

Title: GABIIITO
Function: FACTOR


from 1 to 3
3
Factor B (Var 3: HORMONAS) with values from 1 to
2

= 18
1 2 3 5 Total
------------------------------------------------------
-
1 * * 4.785 28.710
2 * * 4.243 25.460
3 * * 4.093 24.560
------------------------------------------------------
-
* 1 * 3.595 21.570
* 2 * 4.172 25.030
* 3 * 5.355 32.130
------------------------------------------------------
-
* * 1 4.964 44.680
* * 2 3.783 34.050
------------------------------------------------------
-
* 1 1 4.757 14.270
* 1 2 2.433 7.300
* 2 1 4.133 12.400
* 2 2 4.210 12.630
* 3 1 6.003 18.010
* 3 2 4.707 14.120
------------------------------------------------------
-
E

F
Value Prob
-----------------------------------------------------------
------------------
1.9415 0.1939
2 Factor A 2 9.661 4.830
11.8071 0.0023
4 Factor B 1 6.278 6.278
15.3445 0.0029
6 AB 2 4.350 2.175
5.3164 0.0267
-7 Error 10 4.091 0.409
-----------------------------------------------------------
------------------
Total 17 25.968
-----------------------------------------------------------
------------------

Observations: 6
y

Observations: 6
y

Observations: 9
y

Observations: 3
y
J Data file: gabo

Title: HEY
Function: ANOVA-2
Data case 1 to 21

variable 1 (rEPETICIONES) with values from 1 to 3
and over
variable 2 (TRATAMIENTO) with values from 1 to 7.
Variable 4: PESO BULBO
L E
Degrees of Sum of
value NS
---------------------------------------------------------
---------------
rEPETICIONES 2 3.28 1.639
1.68
TRATAMIENTO 6 32.97 5.495
5.65 **
Factor A 1 0.802 0.802
1.0260 NS
Factor B 2 18.921 9.461
12.0996 **
AB 2 4.501 2.251
2.8784 NS
T VS RESTO 1 8.746 8.746
8.9886 *
Error 12 11.68 0.973
---------------------------------------------------------
---------------
Total 20 47.93
---------------------------------------------------------
---------------
E

F
Value Prob
-----------------------------------------------------------
------------------
3.6372 0.0650
-7 Error 10 7.819 0.782

-----------------------------------------------------------
------------------
Total 17 37.731
-------------------------------------------

Count= 21
Means for variable 4 (PESO BULBO)

for each level of variable 1 (rEPETICIONES):
Var 1 Var 4
Value Mean
----- -----
1 14.429
2 13.557
3 14.357
Means for variable 4 (PESO BULBO)

for each level of variable 2 (TRATAMIENTO):
Var 2 Var 4
Value Mean
----- -----
1 14.167
2 13.467
3 14.867
4 13.800
5 13.267
6 16.700
7 12.533

Data file: DBCA23TAµ
Title: CULTIVO DE AJO
Function: ANOVA-2
Data case 1 to 21

variable 1 (REPETICIONES) with values from 1 to 3
and over
Variable 7: RENDIMIENTO
L E
Degrees of Sum of
value Prob
---------------------------------------------------------
---------------
REPETICIONES 2 743172.02 371586.012
1.68 NS
TRATAMIENTOS 6 7476975.35 1246162.559
5.65 **
Factor A 1 181905.014 181905.014
1.0259 NS
Factor B 2 4290591.836 2145295.918
12.0994 **
AB 2 1020724.685 510362.343
2.8784 NS
T vs R 1 1983753.815 1983753.815
8.9909 *
Error 12 2647681.37 220640.114
---------------------------------------------------------
---------------
Total 20 10867828.75
---------------------------------------------------------
---------------
Grand Mean= 6721.086 Grand Sum=141142.799 Total

Count= 21

Var 1 Var 7
Value Mean
----- -----
1 6870.771
2 6455.771
3 6836.714

Var 4 Var 7
Value Mean
----- -----
1 6746.033
2 6412.700
3 7079.367
4 6571.400
5 6317.467
6 7952.400
7 5968.233

Data file: FACTORIALµ
Title: Magus
Function: FACTOR


from 1 to 3
Factor A (Var 2: SUSTRATO) with values from 1 to
3
Variable 5: NUMERO BROTES ESTACA

= 18
1 2 3 5 Total
------------------------------------------------------
-
1 * * 4.785 28.710
2 * * 4.243 25.460
3 * * 4.093 24.560
------------------------------------------------------
-
* 1 * 3.595 21.570
* 2 * 4.172 25.030
* 3 * 5.355 32.130
------------------------------------------------------
-
* * 1 4.964 44.680
* * 2 3.783 34.050
------------------------------------------------------
-
* 1 1 4.757 14.270
* 1 2 2.433 7.300
* 2 1 4.133 12.400
* 2 2 4.210 12.630
* 3 1 6.003 18.010
* 3 2 4.707 14.120
------------------------------------------------------
-
E

F
Value Prob
-----------------------------------------------------------
------------------
1.9415 0.1939
2 Factor A 2 9.661 4.830
11.8071 0.0023
4 Factor B 1 6.278 6.278
15.3445 0.0029
6 AB 2 4.350 2.175
5.3164 0.0267
-7 Error 10 4.091 0.409
-----------------------------------------------------------
------------------
Total 17 25.968
-----------------------------------------------------------
------------------

Observations: 6
y

Observations: 6
y

Observations: 9
y

Observations: 3
y
Data file: ANOVAFACµ
Title: magus
Function: ANOVA-2
Data case 1 to 18

variable 1 (Repeticiones) with values from 1 to 3
and over
variable 2 (Tratamiento) with values from 1 to 6.
Variable 3: Rendimiento
L E
Degrees of Sum of
value Prob
---------------------------------------------------------
---------------
1.94 0.1939
Tratamiento 5 20.29 4.058
9.92 0.0012
Error 10 4.09 0.409
Non-additivity 1 0.01 0.014
0.03
Residual 9 4.08 0.453
---------------------------------------------------------
---------------
Total 17 25.97
---------------------------------------------------------
---------------
Count= 18
Means for variable 3 (Rendimiento)

for each level of variable 1 (Repeticiones):
Var 1 Var 3
Value Mean
----- -----
1 4.785
2 4.243
3 4.093

E

F
Value Prob
-----------------------------------------------------------
------------------
1.9415 0.1939
2 Factor A 2 9.661 4.830
11.8071 0.0023
4 Factor B 1 6.278 6.278
15.3445 0.0029
6 AB 2 4.350 2.175
5.3164 0.0267
-7 Error 10 4.091 0.409
-----------------------------------------------------------
------------------
Total 17 25.968
-----------------------------------------------------------
------------------
L E
Degrees of Sum of
value Prob
---------------------------------------------------------
---------------
1.94 0.1939
Tratamiento 5 20.29 4.058
9.92 0.0012
Factor A 2 9.661 4.830
11.8071 0.0023
Factor B 1 6.278 6.278
15.3445 0.0029
AB 2 4.350 2.175
5.3164 0.0267
Error 10 4.09 0.409

---------------------------------------------------------
---------------
Total 17 25.97
------------------------------------------------
EJEMPLO DEL DISEÑO CON ARREGLO FACTORIAL DE TRES FACTORES

y TESTIGO
Esquema del ADEVA

factorial con tres factores en el diseño de bloques

-----------------------------------------------------------
--
Valor
de de de medios de
-----------------------------------------------------------
--
Total rt-1
Repeticiones r-1
Tratamientos t-1
Factor A a-1
Factor B b-1
A x B (a-1)(b-1)
Factor C c-1
A x C (a-1)(c-1)
B x C (b-1)(c-1)
A x B X C (a-1)(b-1)(c-1)
Testigo vs. Resto Por diferencia (tratamientos menos el
arreglo factorial)
-----------------------------------------------------------
--

Error experimental)

con arreglo factorial de tres factores y testigo, se toma
un ensayo efectuado en ajo, donde se investigaron tres
dosis de nitrógeno, tres de fósforo y tres dosis de
potasio, con un testigo que no recibió fertilización, con
tres repeticiones. Variable a ser analizada: número de
bulbillos por bulbo.
TITULO: Evaluación de dosis de N, P y K en el cultivo de
ajo (Allium sativum L.)
c. Dosis de nitrógeno (N)(tres niveles)
- 80 kg/ha N1
- 100 kg/ha N2
- 120 kg/ha N3
d. Dosis de fósforo (P2O5) (tres niveles)
- 50 kg/ha P1
- 75 kg/ha P2
- 100 kg/ha P3
e. Dosis de potasio (K2O) (tres niveles)
- 100 kg/ha K1
- 125 kg/ha K2
- 150 kg/ha K3
f. Testigo (sin fertilización)

-------------------------------------------------------
Tratamientos Nitrógeno Fósforo Potasio
------------ (kg/ha) (kg/ha) (kg/ha)
No. Símbolo
-------------------------------------------------------
1 N1P1K1 80 50 100
2 N1P1K2 80 50 125
3 N1P1K3 80 50 150
4 N1P2K1 80 75 100
5 N1P2K2 80 75 120
6 N1P2K3 80 75 150
7 N1P3K1 80 100 100
8 N1P3K2 80 100 120
9 N1P3K3 80 100 150
10 N2P1K1 100 50 100
11 N2P1K2 100 50 120
12 N2P1K3 100 50 150
13 N2P2K1 100 75 100
14 N2P2K2 100 75 120
15 N2P2K3 100 75 150
16 N2P3K1 100 100 100
17 N2P3K2 100 100 120
18 N2P3K3 100 100 150
19 N3P1K1 120 50 100
20 N3P1K2 120 50 120
21 N3P1K3 120 50 150
22 N3P2K1 120 75 100
23 N3P2K2 120 75 120
24 N3P2K3 120 75 150
25 N3P3K1 120 100 100
26 N3P3K2 120 100 120
27 N3P3K3 120 100 150
28 T 0 0 0
------------------------------------------------------

de 3 x 3 x 3 + 1, con tres repeticiones.
Variable a analizar: Número de bulbillos por bulbo (datos)

----------------------------------------
------------ -----------------------
----------------------------------------
1 N1P1K1 8.00 7.00 7.00
2 N1P1K2 6.00 6.00 7.00
3 N1P1K3 6.00 7.00 6.00
4 N1P2K1 6.00 7.00 6.00
5 N1P2K2 6.00 6.00 7.00
6 N1P2K3 7.00 6.00 7.00
7 N1P3K1 6.00 6.00 7.00
8 N1P3K2 6.00 6.00 6.00
9 N1P3K3 6.00 7.00 7.00
10 N2P1K1 6.00 7.00 6.00
11 N2P1K2 6.00 6.00 7.00
12 N2P1K3 7.00 6.00 7.00
13 N2P2K1 7.00 6.00 7.00
14 N2P2K2 7.00 8.00 8.00
15 N2P2K3 7.00 8.00 8.00
16 N2P3K1 6.00 7.00 6.00
17 N2P3K2 8.00 7.00 8.00
18 N2P3K3 8.00 8.00 8.00
19 N3P1K1 7.00 6.00 6.00
20 N3P1K2 7.00 6.00 6.00
21 N3P1K3 7.00 8.00 7.00
22 N3P2K1 7.00 6.00 6.00
23 N3P2K2 7.00 8.00 8.00
24 N3P2K3 8.00 8.00 8.00
25 N3P3K1 6.00 6.00 7.00
26 N3P3K2 8.00 7.00 7.00
27 N3P3K3 8.00 8.00 8.00
28 T 7.00 6.00 6.00
----------------------------------------
PROCEDIMIENTO

(DBCA)
-----------------------------------------------------------
----
------------ -------------------------- Sumatoria
Promedio
-----------------------------------------------------------
----
1 N1P1K1 8.00 7.00 7.00 22.00
7.33
2 N1P1K2 6.00 6.00 7.00 19.00
6.33
3 N1P1K3 6.00 7.00 6.00 19.00
6.33
4 N1P2K1 6.00 7.00 6.00 19.00
6.33
5 N1P2K2 6.00 6.00 7.00 19.00
6.33
6 N1P2K3 7.00 6.00 7.00 20.00
6.67
7 N1P3K1 6.00 6.00 7.00 19.00
6.33
8 N1P3K2 6.00 6.00 6.00 18.00
6.00
9 N1P3K3 6.00 7.00 7.00 20.00
6.67
10 N2P1K1 6.00 7.00 6.00 19.00
6.33
11 N2P1K2 6.00 6.00 7.00 19.00
6.33
12 N2P1K3 7.00 6.00 7.00 20.00
6.67
13 N2P2K1 7.00 6.00 7.00 20.00
6.67
14 N2P2K2 7.00 8.00 8.00 23.00
7.67
15 N2P2K3 7.00 8.00 8.00 23.00
7.67
16 N2P3K1 6.00 7.00 6.00 19.00
6.33
17 N2P3K2 8.00 7.00 8.00 23.00
7.67
18 N2P3K3 8.00 8.00 8.00 24.00
8.00
19 N3P1K1 7.00 6.00 6.00 19.00
6.33
20 N3P1K2 7.00 6.00 6.00 19.00
6.33
21 N3P1K3 7.00 8.00 7.00 22.00
7.33
22 N3P2K1 7.00 6.00 6.00 19.00
6.33
23 N3P2K2 7.00 8.00 8.00 23.00
7.67
24 N3P2K3 8.00 8.00 8.00 24.00
8.00
25 N3P3K1 6.00 6.00 7.00 19.00
6.33
26 N3P3K2 8.00 7.00 7.00 22.00
7.33
27 N3P3K3 8.00 8.00 8.00 24.00
8.00
28 T 7.00 6.00 6.00 19.00
6.33
-----------------------------------------------------------
-----
Sumatoria 191.0(Xr) 190.0 194.0 575.0(∑Xg)
_
Promedio 6.82 6.79 6.93
6.85(Xg)
CALCULOS
Para el total = r*t – 1 = 3*28 – 1 = 83

(575)²
= ------- = 3936.01
84
b) Suma de cuadrados = ∑(X)²-FC =8²+6²+ ....... +6²-FC =

50.99
∑(Xr)² 191²+190²+194²
------------------- - FC = 0.31
∑(Xt)² 22²+19²+ .. +19²

f) Suma de cuadrados para = ----- - FC =
--------------------- -FC = 34.99
g) Suma de cuadrados para = por diferencia = SCTot –

Screp - SCtrat = 50.99-0.31-34.99 = 15.69

-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 83 50.99

0.53 ns

4.46 **
-----------------------------------------------------------
-----------
Promedio general: 6.85 bulbillos por bulbo
________________
C.V. = --------------------- * 100 = ------*100 =
------*100 = 7.87%
Para el cálculo del arreglo factorial no se considera los
valores del testigo
Conformación de los cuadros de doble entrada factorial
Para N x P
Número de observaciones
Sumatoria de todos los N1P1 de la
tabla de doble entrada
Promedio de N1P1
Sumatoria de P1
Promedio de P1
Nitrógeno
N1 N2 N3 Sum. Prom.
F P1 9/ 60 / 9/ 9/ 60 / 27/6.5
27/ 178
ó 6.67 58/6.44 6.67 9
s P2 9/ 58 / 9/ 9/ 27/7.0
27/190
f 6.44 66/7.33 66/7.33 4
o P3 9/ 9/ 9/ 27/6.9
27/188
r 57/6.33 66/7.33 65/7.22 6
o Sum. 27/ 175 27/ 190 27/ 191 81/ 556
Prom. 81/6.8
27/ 6.48 27/ 7.04 27/ 7.07
6
Sumatoria de N1
Promedio de N1
Para N x K
Sumatoria de todos los N1K1 de la
Promedio de N1K1
Sumatoria de K1
Promedio de K1
Nitrógeno
P N1 N2 N3 Sum. Prom.
o K1 9/ 60 / 9/ 9/ 27/6.4
27/ 175
t 6.67 58/6.44 57/6.33 8
a K2 9/ 56 / 9/ 9/ 27/6.8
s 27/185
6.22 65/7.22 64/7.11 5
i K3 9/ 9/ 9/ 27/7.2
o 27/196
59/6.56 67/7.44 70/7.78 6
Sum. 27/ 175 27/ 190 27/ 191 81/ 556
Prom. 81/6.8
27/ 6.48 27/ 7.04 27/ 7.07
6
Sumatoria de N1
Promedio de N1
Para P x K
Sumatoria de todos los P1K1 de la
Promedio de P1K1
Sumatoria de K1
Promedio de K1
Fósforo
P1 P2 P3 Sum. Prom.
P K1 9/ 60 / 9/ 9/ 27/6.4
27/ 175
o 6.67 58/6.44 57/6.33 8
t K2 9/ 57 / 9/ 9/ 27/6.8
27/185
a 6.33 65/7.22 63/7.00 5
s K3 9/ 9/ 9/ 27/7.2
27/196
i 61/6.78 67/7.44 68/7.56 6
o Sum. 27/ 178 27/ 190 27/ 188 81/ 556
Prom. 81/6.8
27/ 6.59 27/ 7.04 27/ 6.96
6
Sumatoria de P1
Promedio de P1
Para dosis de nitrógeno = N-1 = 3 – 1 = 2

Para dosis de fósforo = P-1 = 3 – 1 = 2
Para N x P = (N-1)(P-1) = (3-1)(3-1) = 4
Para dosis de potasio = K-1 = 3 – 1 = 2
Para N x K = (N-1)(K-1) = (3-1)(3-1) = 4
Para P x K = (P-1)(K-1) = (3-1)(3-1) = 4
Para NxPxK = (N-1)(P-1)(K-1) = (3-1)(3-1)(3-1) = 8
Para la comparación Test. vs. Resto = 27-2-2-4-2-4-4-8 = 1
SUMA DE CUADRADOS
Al efectuarse el cálculo sin los valores del testigo, se

debe calcular nuevamente el factor de correción
(556)²
= ------- = 3816.49
81
∑(N)² 175²+190²+191²
b) Suma de cuadrados para = ----- - FC = --------------- -
FC = 5.95
dosis de N (SCN) # ob. 27
∑(P)² 178²+190²+188²
c) Suma de cuadrados para = ----- - FC = --------------- -
FC = 3.06
dosis de P (SCP) # ob. 27
∑(NP)² 60²+58²+...65²
d) Suma de cuadrados para = ----- - FC – SCN-SCP =
--------------- - FC – SCN – SCP = 4.49
la Interac. NxP (SCNP) # ob. 9
∑(K)² 175²+185²+196²
e) Suma de cuadrados para = ----- - FC = --------------- -
FC = 8.17
dosis de K (SCK) # ob. 27
∑(NK)² 60²+58²+...70²
f) Suma de cuadrados para = ----- - FC – SCN-SCK =
--------------- - FC – SCN – SCK = 7.16
la interac. NxK (SCNK) # ob. 9
∑(PK)² 60²+58²+...68²
g) Suma de cuadrados para = ----- - FC – SCP-SCK =
--------------- - FC – SCP – SCK = 4.49
la interac. PxK (SCPK) # ob.
9
∑(NPK)² 22²+19²+ ..
+24²
h) Suma cuad. = ----- - FC-SCN–SCP-SCNP-SCK-SCNK-SCPK =
--------------- -FC-SCN-SCP-SCNP-SCK-SCNK-SCPK=0.84
int. NxPxK #ob. 3
i) Suma de cuadrados para el testigo
La suma de cuadrados para el testigo puede ser calculado

por comparaciones ortogonales (ver el capítulo
comparaciones ortogonales).
Al ser un solo testigo en el presente ejemplo la suma de

cuadrados puede obtenerse por diferencia de la suma de
cuadrados de tratamientos menos las sumas de cuadrados
del arreglo factorial:
SCTest.=SCtrat.–SCN-CSP-SCNP-SCK-SCNK-SCPK-SCNPK=34.99-
5.95-3.06-4.49-8.17-7.16-4.49-0.84=0.82
-----------------------------------------------------------
-----------
Valor Nivel
de de de medios de
de
signif.
-----------------------------------------------------------
-----------
Total 83 50.99
0.53 ns
4.46 **
Dosis de N 2 5.95 2.975
10.36 **
Dosis de P 2 3.06 1.531
5.33 **
N x P 4 4.49 1.123
3.91 **
Dosis de K 2 8.17 4.086
14.22 **
N x K 4 7.16 1.790
6.23 **
P x K 4 4.49 1.123
3.91 **
N x P x K 8 0.84 0.105
0.36 ns
Test. Vs. resto 1 0.82 0.820
2.82 ns
-----------------------------------------------------------
-----------

significativas para el factor dosis de nitrógeno, dosis de
fósforo y dosis de potasio, se infiere que los elementos
fertilizantes influenciaron en la producción de bulbillos
por bulbo, como también la interacción entre los factores,
encontrando también que en esta variable al no obtenerse
significación en la comparación testigo versus resto, se
deduce que el número de bulbillos por bulbo no fue
estadísticamente superior a lo encontrado en los
tratamientos que recibieron fertilización, sin embargo,
este número fue inferior en el tratamiento testigo.

tratamientos, factor dosis de nitrógeno, dosis de fósforo,
dosis de potasio, como para las interacciones N x P, N x K
y P x K, indicarán los tratamientos que produjeron los
mejores resultados.
El numero de observaciones reaulta del producto de

repeteiciones por lalos niveles de los factores que no
intervienben el calcuilo
APLICANDO MSTATC

de tres dosis de nitrógeno, tres de fósforo y tres de
potasio, con un testigo, en el cultivo de ajo.

3 x 3 x 3 + 1, con tres repeticiones.
----------------------------------------
------------ -----------------------
----------------------------------------
1 N1P1K1 8.00 7.00 7.00
2 N1P1K2 6.00 6.00 7.00
3 N1P1K3 6.00 7.00 6.00
4 N1P2K1 6.00 7.00 6.00
5 N1P2K2 6.00 6.00 7.00
6 N1P2K3 7.00 6.00 7.00
7 N1P3K1 6.00 6.00 7.00
8 N1P3K2 6.00 6.00 6.00
9 N1P3K3 6.00 7.00 7.00
10 N2P1K1 6.00 7.00 6.00
11 N2P1K2 6.00 6.00 7.00
12 N2P1K3 7.00 6.00 7.00
13 N2P2K1 7.00 6.00 7.00
14 N2P2K2 7.00 8.00 8.00
15 N2P2K3 7.00 8.00 8.00
16 N2P3K1 6.00 7.00 6.00
17 N2P3K2 8.00 7.00 8.00
18 N2P3K3 8.00 8.00 8.00
19 N3P1K1 7.00 6.00 6.00
20 N3P1K2 7.00 6.00 6.00
21 N3P1K3 7.00 8.00 7.00
22 N3P2K1 7.00 6.00 6.00
23 N3P2K2 7.00 8.00 8.00
24 N3P2K3 8.00 8.00 8.00
25 N3P3K1 6.00 6.00 7.00
26 N3P3K2 8.00 7.00 7.00
27 N3P3K3 8.00 8.00 8.00
28 T 7.00 6.00 6.00
----------------------------------------
PROCEDIMIENTO

calcular. Primeramente se calcula el ADEVA DBCA usando
OPCION 20. FILES


DOCUMENTOS
ESC para regresar

ej. FACTOR3

ENSAYO DE FERTILIZACION DE NPK EN AJO
ESC para regresar

carpeta seleccionada dos archivos: Ej. FACTOR3.dat y
FACTOR3.txt

seleccionado

ESC para regresar

ESC)
OPCION 41 SEDIT
OPTIONS

84 casos para
digitar los datos
del ensayo
ensayo


crea la variable.
Para nuestro ejemplo se crearán cinco variables

de diseño (REPETICIONES, DOSIS DE N, DOSIS DE P,
DOSIS DE K, TRATAMIENTOS y una variable a
analizar NUMERO DE BULBILLOS POR BULBO

variable)

1 Right 0
Número de enteros

variable)
Title: DOSIS DE NITROGENO (nombre de la

variable)

1 Right 0
Número de enteros

variable)
Title: DOSIS DE FOSFORO (nombre de la

variable)
1 Right 0
Número de enteros

variable)
Title: DOSIS DE POTASIO (nombre de la

variable)

1 Right 0
Número de enteros

variable)

2 Right 0
Número de enteros

variable)
Title: NUMERO DE BULBILLOS POR BULBO (nombre

de la variable)

2 Right 2
Número de enteros


enter)

cada valor de la variable número de bulbillos por bulbo
corresponda a su respectiva repetición, dosis de N, dosis
de P, dosis de K y tratamiento.
Los datos del testigo es necesario crearlos al

final del archivo, con el objeto de no interferir en el
cálculo del Factorial.
SEDIT
NO. 1R 2N 3P 4K 5T 6NUM
-------------------------------------------------
1 1 1 1 1 1 8.00
2 1 1 1 2 2 6.00
3 1 1 1 3 3 6.00
4 1 1 2 1 4 6.00
5 1 1 2 2 5 6.00
6 1 1 2 3 6 7.00
7 1 1 3 1 7 6.00
8 1 1 3 2 8 6.00
9 1 1 3 3 9 6.00
10 1 2 1 1 10 6.00
11 1 2 1 2 11 6.00
12 1 2 1 3 12 7.00
13 1 2 2 1 13 7.00
14 1 2 2 2 14 7.00
15 1 2 2 3 15 7.00
16 1 2 3 1 16 6.00
17 1 2 3 2 17 8.00
18 1 2 3 3 18 8.00
19 1 3 1 1 19 7.00
20 1 3 1 2 20 7.00
21 1 3 1 3 21 7.00
22 1 3 2 1 22 7.00
23 1 3 2 2 23 7.00
24 1 3 2 3 24 8.00
25 1 3 3 1 25 6.00
26 1 3 3 2 26 8.00
27 1 3 3 3 27 8.00
28 2 1 1 1 1 7.00
29 2 1 1 2 2 6.00
30 2 1 1 3 3 7.00
31 2 1 2 1 4 7.00
32 2 1 2 2 5 6.00
33 2 1 2 3 6 6.00
34 2 1 3 1 7 6.00
35 2 1 3 2 8 6.00
36 2 1 3 3 9 7.00
37 2 2 1 1 10 7.00
38 2 2 1 2 11 6.00
39 2 2 1 3 12 6.00
40 2 2 2 1 13 6.00
41 2 2 2 2 14 8.00
42 2 2 2 3 15 8.00
43 2 2 3 1 16 7.00
44 2 2 3 2 17 7.00
45 2 2 3 3 18 8.00
46 2 3 1 1 19 6.00
47 2 3 1 2 20 6.00
48 2 3 1 3 21 8.00
49 2 3 2 1 22 6.00
50 2 3 2 2 23 8.00
51 2 3 2 3 24 8.00
52 2 3 3 1 25 6.00
53 2 3 3 2 26 7.00
54 2 3 3 3 27 8.00
55 3 1 1 1 1 7.00
56 3 1 1 2 2 7.00
57 3 1 1 3 3 6.00
58 3 1 2 1 4 6.00
59 3 1 2 2 5 7.00
60 3 1 2 3 6 7.00
61 3 1 3 1 7 7.00
62 3 1 3 2 8 6.00
63 3 1 3 3 9 7.00
64 3 2 1 1 10 6.00
65 3 2 1 2 11 7.00
66 3 2 1 3 12 7.00
67 3 2 2 1 13 7.00
68 3 2 2 2 14 8.00
69 3 2 2 3 15 8.00
70 3 2 3 1 16 6.00
71 3 2 3 2 17 8.00
72 3 2 3 3 18 8.00
73 3 3 1 1 19 6.00
74 3 3 1 2 20 6.00
75 3 3 1 3 21 7.00
76 3 3 2 1 22 6.00
77 3 3 2 2 23 8.00
78 3 3 2 3 24 8.00
79 3 3 3 1 25 7.00
80 3 3 3 2 26 7.00
81 3 3 3 3 27 8.00
82 1 28 7.00
83 2 28 6.00 Valores del
testigo
84 3 28 6.00
--------------------------------------------------
Primeramente calcular el análisis de variancia DBCA en

donde se obtienen las fuentes de variación Total,
repeticiones, tratamientos y error experimental, con la
opción ANOVA-2; y, luego calcular el arreglo factorial para
obtener las fuentes dosis de N, dosis de P, dosis de K y
las interacciones N x P, N x K, P x K y NxPxK, utilizando
la opción FACTOR, de la siguiente manera:
OPCION 19.FACTOR Calcula análisis de variancia con

------ . --------- . --------- . -----

------ . --------- . --------- . -----
Para nuestro ejemplo seleccionar la opción 10. RCBD 3

Factor (a)
Que calcula arreglos factoriales de tres factores
------ . --------- . --------- . -----

------ . --------- . --------- . -----


REPETICIONES en el SEDIT)
Menor Nivel: 1
------ . --------- . --------- . -----

Número de variable: 2 (número con que se creo DOSIS DE

NITROGENO en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (las dosis de N van de 1 a 3)
------ . --------- . --------- . -----


FOSFORO en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (el factor dosis de P va de 1 a 3)
------ . --------- . --------- . -----
FACTOR: Fourth variable (FACTOR C)

Entre valores para Factor C

POTASIO en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (el factor dosis de K va de 1 a 3)
------ . --------- . --------- . -----

------ . --------- . --------- . -----
------ . --------- . --------- . -----

Do you wish to use all cases Y/N N enter

En el cálculo del factorial no debe tomarse en cuenta los

valores del testigo
Case Range 1-84
First selected case 1
Last selected case 81 (desde el caso 1 al 81 esta el

arreglo factorial)
------- . --------- . ---------. -------
02 (NUMERIC) DOSIS DE NITROGENO
03 (NUMERIC) DOSIS DE FOSFORO
04 (NUMERIC) DOSIS DE POTASIO
06 (NUMERIC) NUMERO DE BULBILLOS POR BULBO

ser analizada
----- . ----- . ----- . -----

Y/N

de bulbillos por bulbo que va a ser
analizada (luego del cálculo revisar el
SEDIT).

----- . ----- . ----- . -----
Output options



diskette

------ . ----- . ----- . -----
Data file: FACTOR3

Title: ENSAYO DE FERTILIZACION DE NPK EN AJO
Function: FACTOR

Three Factor Randomized Complete Block Design

from 1 to 3
Factor A (Var 2: DOSIS DE NITROGENO) with values
from 1 to 3
Factor B (Var 3: DOSIS DE FOSFORO) with values
from 1 to 3
Factor C (Var 4: DOSIS DE POTASIO) with values
from 1 to 3
Variable 6: NUMERO DE BULBILLOS POR BULBO

= 81
Utilizar el promedio
general del ANOVA-2
1 2 3 4 6 Total
------------------------------------------------------
-------
1 * * * 6.815 184.000
2 * * * 6.815 184.000
3 * * * 6.963 188.000
------------------------------------------------------
-------
* 1 * * 6.481 175.000
Totales y promedios
* 2 * * 7.037 190.000
para dosis de
* 3 * * 7.074 191.000
Nitrógeno
------------------------------------------------------
-------
* * 1 * 6.593 178.000
Totales y promedios
* * 2 * 7.037 190.000
para dosis de
* * 3 * 6.963 188.000
Fósforo
------------------------------------------------------
-------
* 1 1 * 6.667 60.000
* 1 2 * 6.444 58.000
* 1 3 * 6.333 57.000
Totales y promedios
* 2 1 * 6.444 58.000
para dosis de
* 2 2 * 7.333 66.000
N x P
* 2 3 * 7.333 66.000
* 3 1 * 6.667 60.000
* 3 2 * 7.333 66.000
* 3 3 * 7.222 65.000
------------------------------------------------------
-------
* * * 1 6.481 175.000
Totales y promedios
* * * 2 6.852 185.000
para dosis de
* * * 3 7.259 196.000
potasio
------------------------------------------------------
-------
* 1 * 1 6.667 60.000
* 1 * 2 6.222 56.000
* 1 * 3 6.556 59.000
Totales y promedios
* 2 * 1 6.444 58.000
para dosis de
* 2 * 2 7.222 65.000
N x K
* 2 * 3 7.444 67.000
* 3 * 1 6.333 57.000
* 3 * 2 7.111 64.000
* 3 * 3 7.778 70.000
------------------------------------------------------
-------
* * 1 1 6.667 60.000
* * 1 2 6.333 57.000
* * 1 3 6.778 61.000
* * 2 1 6.444 58.000
Totales y promedios
* * 2 2 7.222 65.000
para dosis de
* * 2 3 7.444 67.000
P x K
* * 3 1 6.333 57.000
* * 3 2 7.000 63.000
* * 3 3 7.556 68.000
------------------------------------------------------
-------
* 1 1 1 7.333 22.000
* 1 1 2 6.333 19.000
* 1 1 3 6.333 19.000
* 1 2 1 6.333 19.000
* 1 2 2 6.333 19.000
* 1 2 3 6.667 20.000
* 1 3 1 6.333 19.000
* 1 3 2 6.000 18.000
* 1 3 3 6.667 20.000
* 2 1 1 6.333 19.000
* 2 1 2 6.333 19.000
* 2 1 3 6.667 20.000
* 2 2 1 6.667 20.000
Totales y promedios
* 2 2 2 7.667 23.000
para dosis de
* 2 2 3 7.667 23.000
NxPxK
* 2 3 1 6.333 19.000
* 2 3 2 7.667 23.000
* 2 3 3 8.000 24.000
* 3 1 1 6.333 19.000
* 3 1 2 6.333 19.000
* 3 1 3 7.333 22.000
* 3 2 1 6.333 19.000
* 3 2 2 7.667 23.000
* 3 2 3 8.000 24.000
* 3 3 1 6.333 19.000
* 3 3 2 7.333 22.000
* 3 3 3 8.000 24.000
------------------------------------------------------
-------
E

F
Value Prob
-----------------------------------------------------------
------------------
0.6876
2 Factor A 2 5.951 2.975
10.3570 0.0002
4 Factor B 2 3.062 1.531
5.3289 0.0078
6 AB 4 4.494 1.123
3.9107 0.0075
8 Factor C 2 8.173 4.086
14.2248 0.0000
10 AC 4 7.160 1.790
6.2314 0.0004
12 BC 4 4.494 1.123
3.9107 0.0075
14 ABC 8 0.840 0.105
0.3653
-15 Error 52 14.938 0.287
-----------------------------------------------------------
------------------
Total 80 49.506
-----------------------------------------------------------
------------------
Re
calcular dividiendo
Utilizar el C.V.
Los cuadrados medios
del ANOVA-2
Para el cuadrado medio del
Er
ror del ADEVA del ANOVA-2

Observations: 27
y

Observations: 27
y

Observations: 27
y

Observations: 9
y

Observations: 27
y

Observations: 9
y

Observations: 9
y

Observations: 3
y
Finalmente, conformar el ADEVA requerido, unificando el

ADEVA de ANOVA-2 y el ADEVA FACTOR, completando así todas
las fuentes de variación.
La suma de cuadrados del testigo puede ser calculado por

diferencia de la suma de cuadrados de tratamientos menos la
suma de cuadrados del arreglo factorial o por cálculo de
comparaciones ortogonales (ver cap. Comparaciones
ortogonales).
El valor de F calculado del arreglo factorial debe ser

recalculado por cuanto el cuadrado medio del error del
FACTOR no coincide con el cuadrado medio del error del
ANOVA-2.
------ . --------- . --------- . -----
Mapas consentuales resumen de todos los

Diseños
EJEMPLO DEL DISEÑO CON ARREGLO FACTORIAL DE TRES FACTORES
y TESTIGO
Esquema del ADEVA
El esquema del ADEVA (modelo matemático) para el arreglo factorial con tres
factores en el diseño de bloques completamente al azar es:

-------------------------------------------------------------
de de de medios de
-------------------------------------------------------------
Total rt-1
Repeticiones r-1
Tratamientos t-1
Factor A a-1
Factor B b-1
A x B (a-1)(b-1)
Factor C c-1
A x C (a-1)(c-1)
B x C (b-1)(c-1)
A x B X C (a-1)(b-1)(c-1)
Testigo vs. Resto Por diferencia (tratamientos menos el arreglo factorial)
-------------------------------------------------------------

Error experimental)
Ejemplo: Para ilustrar la metodología de cálculo del DBCA con arreglo factorial
de tres factores y testigo, se toma un ensayo efectuado en ajo, donde se
investigaron tres dosis de nitrógeno, tres de fósforo y tres dosis de potasio,
con un testigo que no recibió fertilización, con tres repeticiones. Variable a
ser analizada: número de bulbillos por bulbo.
TITULO: Evaluación de dosis de N, P y K en el cultivo de ajo (Allium sativum

L.)
c. Dosis de nitrógeno (N)(tres niveles)
- 80 kg/ha N1
- 100 kg/ha N2
- 120 kg/ha N3
d. Dosis de fósforo (P2O5) (tres niveles)
- 50 kg/ha P1
- 75 kg/ha P2
- 100 kg/ha P3
e. Dosis de potasio (K2O) (tres niveles)
- 100 kg/ha K1
- 125 kg/ha K2
- 150 kg/ha K3
f. Testigo (sin fertilización)

Tratamientos: Los tratamientos resultan de la combinación de los factores
en estudio
-------------------------------------------------------
Tratamientos Nitrógeno Fósforo Potasio
------------ (kg/ha) (kg/ha) (kg/ha)
No. Símbolo
-------------------------------------------------------
1 N1P1K1 80 50 100
2 N1P1K2 80 50 125
3 N1P1K3 80 50 150
4 N1P2K1 80 75 100
5 N1P2K2 80 75 120
6 N1P2K3 80 75 150
7 N1P3K1 80 100 100
8 N1P3K2 80 100 120
9 N1P3K3 80 100 150
10 N2P1K1 100 50 100
11 N2P1K2 100 50 120
12 N2P1K3 100 50 150
13 N2P2K1 100 75 100
14 N2P2K2 100 75 120
15 N2P2K3 100 75 150
16 N2P3K1 100 100 100
17 N2P3K2 100 100 120
18 N2P3K3 100 100 150
19 N3P1K1 120 50 100
20 N3P1K2 120 50 120
21 N3P1K3 120 50 150
22 N3P2K1 120 75 100
23 N3P2K2 120 75 120
24 N3P2K3 120 75 150
25 N3P3K1 120 100 100
26 N3P3K2 120 100 120
27 N3P3K3 120 100 150
28 T 0 0 0
------------------------------------------------------
Diseño experimental: Diseño de bloques completamente al azar con arreglo factorial de 3 x 3 x 3 +

1, con tres repeticiones.

----------------------------------------
------------ -----------------------
----------------------------------------
1 N1P1K1 8.00 7.00 7.00
2 N1P1K2 6.00 6.00 7.00
3 N1P1K3 6.00 7.00 6.00
4 N1P2K1 6.00 7.00 6.00
5 N1P2K2 6.00 6.00 7.00
6 N1P2K3 7.00 6.00 7.00
7 N1P3K1 6.00 6.00 7.00
8 N1P3K2 6.00 6.00 6.00
9 N1P3K3 6.00 7.00 7.00
10 N2P1K1 6.00 7.00 6.00
11 N2P1K2 6.00 6.00 7.00
12 N2P1K3 7.00 6.00 7.00
13 N2P2K1 7.00 6.00 7.00
14 N2P2K2 7.00 8.00 8.00
15 N2P2K3 7.00 8.00 8.00
16 N2P3K1 6.00 7.00 6.00
17 N2P3K2 8.00 7.00 8.00
18 N2P3K3 8.00 8.00 8.00
19 N3P1K1 7.00 6.00 6.00
20 N3P1K2 7.00 6.00 6.00
21 N3P1K3 7.00 8.00 7.00
22 N3P2K1 7.00 6.00 6.00
23 N3P2K2 7.00 8.00 8.00
24 N3P2K3 8.00 8.00 8.00
25 N3P3K1 6.00 6.00 7.00
26 N3P3K2 8.00 7.00 7.00
27 N3P3K3 8.00 8.00 8.00
28 T 7.00 6.00 6.00
----------------------------------------
PROCEDIMIENTO

(DBCA)

---------------------------------------------------------------
------------ -------------------------- Sumatoria Promedio
---------------------------------------------------------------
1 N1P1K1 8.00 7.00 7.00 22.00 7.33
2 N1P1K2 6.00 6.00 7.00 19.00 6.33
3 N1P1K3 6.00 7.00 6.00 19.00 6.33
4 N1P2K1 6.00 7.00 6.00 19.00 6.33
5 N1P2K2 6.00 6.00 7.00 19.00 6.33
6 N1P2K3 7.00 6.00 7.00 20.00 6.67
7 N1P3K1 6.00 6.00 7.00 19.00 6.33
8 N1P3K2 6.00 6.00 6.00 18.00 6.00
9 N1P3K3 6.00 7.00 7.00 20.00 6.67
10 N2P1K1 6.00 7.00 6.00 19.00 6.33
11 N2P1K2 6.00 6.00 7.00 19.00 6.33
12 N2P1K3 7.00 6.00 7.00 20.00 6.67
13 N2P2K1 7.00 6.00 7.00 20.00 6.67
14 N2P2K2 7.00 8.00 8.00 23.00 7.67
15 N2P2K3 7.00 8.00 8.00 23.00 7.67
16 N2P3K1 6.00 7.00 6.00 19.00 6.33
17 N2P3K2 8.00 7.00 8.00 23.00 7.67
18 N2P3K3 8.00 8.00 8.00 24.00 8.00
19 N3P1K1 7.00 6.00 6.00 19.00 6.33
20 N3P1K2 7.00 6.00 6.00 19.00 6.33
21 N3P1K3 7.00 8.00 7.00 22.00 7.33
22 N3P2K1 7.00 6.00 6.00 19.00 6.33
23 N3P2K2 7.00 8.00 8.00 23.00 7.67
24 N3P2K3 8.00 8.00 8.00 24.00 8.00
25 N3P3K1 6.00 6.00 7.00 19.00 6.33
26 N3P3K2 8.00 7.00 7.00 22.00 7.33
27 N3P3K3 8.00 8.00 8.00 24.00 8.00
28 T 7.00 6.00 6.00 19.00 6.33
----------------------------------------------------------------
Sumatoria 191.0(Xr) 190.0 194.0 575.0(∑Xg) _
Promedio 6.82 6.79 6.93 6.85(Xg)
CALCULOS
Para el total = r*t – 1 = 3*28 – 1 = 83
(∑Xg)² (Sumatoria general)² (575)²
a) Factor de corrección FC = ------ = -------------------- = ------- =
3936.01
r*t número de datos 84
b) Suma de cuadrados = ∑(X)²-FC =8²+6²+ ....... +6²-FC = 50.99

∑(Xr)² 191²+190²+194²
c) Suma de cuadrados para = ----- - FC = ------------------- - FC = 0.31
∑(Xt) ² 22²+19²+ .. +19²

f) Suma de cuadrados para = ----- - FC = --------------------- -FC = 34.99
g) Suma de cuadrados para = por diferencia = SCTot – Screp - SCtrat = 50.99-0.31-

34.99 = 15.69

----------------------------------------------------------------------
Fuente Grados Suma Cuadrados Valor Nivel
de de de medios de de
variación libertad cuadrados F signif.
----------------------------------------------------------------------
Total 83 50.99
Repeticiones 2 0.31 0.155 0.53 ns
Tratamientos 27 34.99 1.296 4.46 **

----------------------------------------------------------------------
________________
C.V. = --------------------- * 100 = ------*100 = ------*100 = 7.87%

Para el cálculo del arreglo factorial no se considera los valores del testigo
Conformación de los cuadros de doble entrada factorial
Para N x P
Sumatoria de todos los N1P1 de la tabla de doble
entrada
Promedio de N1P1
Sumatoria de P1
P
romedio de P1
Nitrógeno
N1 N2 N3 Sum. Prom.
P1
9/ 60 /6.67 9/ 58/6.44 9/ 60 /6.67 27/ 178 27/6.59
P2 9/ 58 /6.44 9/ 66/7.33 9/ 66/7.33 27/190 27/7.04
P3 9/ 57/6.33 9/ 66/7.33 9/ 65/7.22 27/188 27/6.96
Fósforo
Sum. 27/ 175 27/ 190 27/ 191 81/ 556

Prom. 27/ 6.48 27/ 7.04 27/ 7.07 81/6.86
Sumatoria de N1
Promedio de N1
Para N x K
Sumatoria de todos los N1K1 de la tabla de doble
entrada
Promedio de N1K1
Sumatoria de K1
P
romedio de K1
Nitrógeno
N1 N2 N3 Sum. Prom.
K1
9/ 60 /6.67 9/ 58/6.44 9/ 57/6.33 27/ 175 27/6.48
K2 9/ 56 /6.22 9/ 65/7.22 9/ 64/7.11 27/185 27/6.85
Potasio
K3 9/ 59/6.56 9/ 67/7.44 9/ 70/7.78 27/196 27/7.26

Sum. 27/ 175 27/ 190 27/ 191 81/ 556
Prom. 27/ 6.48 27/ 7.04 27/ 7.07 81/6.86
Sumatoria de N1
Promedio de N1
Para P x K
Sumatoria de todos los P1K1 de la tabla de doble
entrada
Promedio de P1K1
Sumatoria de K1
P
romedio de K1
Fósforo
P1 P2 P3 Sum. Prom.
K1
9/ 60 /6.67 9/ 58/6.44 9/ 57/6.33 27/ 175 27/6.48
K2 9/ 57 /6.33 9/ 65/7.22 9/ 63/7.00 27/185 27/6.85
Potasio
K3 9/ 61/6.78 9/ 67/7.44 9/ 68/7.56 27/196 27/7.26

Sum. 27/ 178 27/ 190 27/ 188 81/ 556
Prom. 27/ 6.59 27/ 7.04 27/ 6.96 81/6.86
Sumatoria de P1
Promedio de P1
Para dosis de nitrógeno = N-1 = 3 – 1 = 2

Para dosis de fósforo = P-1 = 3 – 1 = 2
Para N x P = (N-1)(P-1) = (3-1)(3-1) = 4
Para dosis de potasio = K-1 = 3 – 1 = 2
Para N x K = (N-1)(K-1) = (3-1)(3-1) = 4
Para P x K = (P-1)(K-1) = (3-1)(3-1) = 4
Para NxPxK = (N-1)(P-1)(K-1) = (3-1)(3-1)(3-1) = 8
Para la comparación Test. vs. Resto = 27-2-2-4-2-4-4-8 = 1
SUMA DE CUADRADOS
Al efectuarse el cálculo sin los valores del testigo, se debe calcular

nuevamente el factor de correción
(∑Xg)² (Sumatoria general)² (556)²
3816.49
r*t número de datos 81
∑(N)² 175²+190²+191²
b) Suma de cuadrados para = ----- - FC = --------------- - FC = 5.95
dosis de N (SCN) # ob. 27
∑(P)² 178²+190²+188²
c) Suma de cuadrados para = ----- - FC = --------------- - FC = 3.06
dosis de P (SCP) # ob. 27
∑(NP)² 60²+58²+...65²
d) Suma de cuadrados para = ----- - FC – SCN-SCP = --------------- - FC – SCN
– SCP = 4.49
la Interac. NxP (SCNP) # ob. 9
∑(K)² 175²+185²+196²
e) Suma de cuadrados para = ----- - FC = --------------- - FC = 8.17
dosis de K (SCK) # ob. 27
∑(NK)² 60²+58²+...70²
f) Suma de cuadrados para = ----- - FC – SCN-SCK = --------------- - FC – SCN
– SCK = 7.16
la interac. NxK (SCNK) # ob. 9
∑(PK)² 60²+58²+...68²
g) Suma de cuadrados para = ----- - FC – SCP-SCK = --------------- - FC – SCP
– SCK = 4.49
la interac. PxK (SCPK) # ob. 9
∑(NPK) ² 22²+19²+ .. +24²

h) Suma cuad. = ----- - FC-SCN–SCP-SCNP-SCK-SCNK-SCPK = --------------- -FC-SCN-SCP-
SCNP-SCK-SCNK-SCPK=0.84
int. NxPxK #ob. 3
i) Suma de cuadrados para el testigo
La suma de cuadrados para el testigo puede ser calculado por comparaciones

ortogonales (ver el capítulo comparaciones ortogonales).
Al ser un solo testigo en el presente ejemplo la suma de cuadrados puede

obtenerse por diferencia de la suma de cuadrados de tratamientos menos las
sumas de cuadrados del arreglo factorial:
SCTest.=SCtrat.–SCN-CSP-SCNP-SCK-SCNK-SCPK-SCNPK=34.99-5.95-3.06-4.49-8.17-
7.16-4.49-0.84=0.82
----------------------------------------------------------------------
----------------------------------------------------------------------
Total 83 50.99
Tratamientos 27 34.99 1.296 4.46 **
Dosis de N 2 5.95 2.975 10.36 **
Dosis de P 2 3.06 1.531 5.33 **
N x P 4 4.49 1.123 3.91 **
Dosis de K 2 8.17 4.086 14.22 **
N x K 4 7.16 1.790 6.23 **
P x K 4 4.49 1.123 3.91 **
N x P x K 8 0.84 0.105 0.36 ns
Test. Vs. resto 1 0.82 0.820 2.82 ns
----------------------------------------------------------------------
Inferencia: Al existir diferencias estadísticas altamente significativas para

el factor dosis de nitrógeno, dosis de fósforo y dosis de potasio, se infiere
que los elementos fertilizantes influenciaron en la producción de bulbillos
por bulbo, como también la interacción entre los factores, encontrando también
que en esta variable al no obtenerse significación en la comparación testigo
versus resto, se deduce que el número de bulbillos por bulbo no fue
estadísticamente superior a lo encontrado en los tratamientos que recibieron
fertilización, sin embargo, este número fue inferior en el tratamiento
testigo.
Las pruebas de significación de Tukey al 5% para tratamientos, factor dosis de

nitrógeno, dosis de fósforo, dosis de potasio, como para las interacciones N x
P, N x K y P x K, indicarán los tratamientos que produjeron los mejores
resultados.
El numero de observaciones reaulta del producto de repeteiciones por lalos

niveles de los factores que no intervienben el calcuilo
APLICANDO MSTATC
Para detallar los pasos en MSTATC se usará el mismo ejemplo de tres dosis de
nitrógeno, tres de fósforo y tres de potasio, con un testigo, en el cultivo de
ajo.
Diseño experimental: Diseño de bloques completamente al azar en arreglo factorial de 3 x 3 x 3 + 1,

con tres repeticiones.
----------------------------------------
------------ -----------------------
----------------------------------------
1 N1P1K1 8.00 7.00 7.00
2 N1P1K2 6.00 6.00 7.00
3 N1P1K3 6.00 7.00 6.00
4 N1P2K1 6.00 7.00 6.00
5 N1P2K2 6.00 6.00 7.00
6 N1P2K3 7.00 6.00 7.00
7 N1P3K1 6.00 6.00 7.00
8 N1P3K2 6.00 6.00 6.00
9 N1P3K3 6.00 7.00 7.00
10 N2P1K1 6.00 7.00 6.00
11 N2P1K2 6.00 6.00 7.00
12 N2P1K3 7.00 6.00 7.00
13 N2P2K1 7.00 6.00 7.00
14 N2P2K2 7.00 8.00 8.00
15 N2P2K3 7.00 8.00 8.00
16 N2P3K1 6.00 7.00 6.00
17 N2P3K2 8.00 7.00 8.00
18 N2P3K3 8.00 8.00 8.00
19 N3P1K1 7.00 6.00 6.00
20 N3P1K2 7.00 6.00 6.00
21 N3P1K3 7.00 8.00 7.00
22 N3P2K1 7.00 6.00 6.00
23 N3P2K2 7.00 8.00 8.00
24 N3P2K3 8.00 8.00 8.00
25 N3P3K1 6.00 6.00 7.00
26 N3P3K2 8.00 7.00 7.00
27 N3P3K3 8.00 8.00 8.00
28 T 7.00 6.00 6.00
----------------------------------------
PROCEDIMIENTO
El procedimiento de cálculo se resume en tres pasos que son: crear el archivo de datos; crear la base de datos y calcular.
Primeramente se calcula el ADEVA DBCA usando ANOVA-2 y luego el cálculo del factorial usando FACTOR.
OPCION 20. FILES

PATH Direcciona hacia la carpeta donde va crear el archivo o desde donde se
va a abrir (open)

C:\MISDOC~1 Direcciona hacia la carpeta MIS DOCUMENTOS
Si se omitiera este paso, el MSTATC direcciona hacia la carpeta

C:\MSTATC\DATA (por defecto)
ESC para regresar
Enter file name: Digitar el nombre con el que se va a crear el

archivo (máximo ocho letras, unido) ej. FACTOR3
Title: Digitar el título que se le dará al archivo
(preferentemente en mayúsculas y que sea referencial al cálculo
que va a efectuar) ej. ENSAYO DE FERTILIZACION DE NPK EN AJO
ESC para regresar
• Al crear el archivo el MSTATC crea en la carpeta

seleccionada dos archivos: Ej. FACTOR3.dat y FACTOR3.txt
OPEN Abre un archivo existente en el path (carpeta) seleccionado
Digitar el nombre del archivo o la tecla F1 para obtener la lista

de archivos, seleccionar y enter
ESC para regresar
QUIT Regresa al menú general (o presionar la tecla ESC)
OPCION 41 SEDIT
OPTIONS
Insert cases Define el número de datos que se va a usar en el
ensayo

Número del último caso a insertar 84 (Inserta 84 casos para
digitar los datos del
ensayo
Define Define las variables a utilizar en el ensayo
• En MSTATC se deben distinguir dos tipos de variables: las

variables del diseño experimental (repeticiones,
tratamientos, factores en estudio, etc) y las variables a
analizar. Todas se crean en esta opción. Por regla general
es preferible crear primero las variables de diseño y luego
las variables a analizarse.
• Al crear cada variable se debe especificar el nombre de la

variable y el número de enteros y decimales que necesitará
para digitar los datos de la variable. También es necesario
identificar el número con que se crea la variable.
Para nuestro ejemplo se crearán cinco variables de diseño (REPETICIONES, DOSIS DE N, DOSIS DE P, DOSIS DE K,
TRATAMIENTOS y una variable a analizar NUMERO DE BULBILLOS POR BULBO
DEFINE variable 1 (número que identifica a la variable)
Type NUMERIC Size 4 Display format (Left) 1 Right 0

Número de enteros
Title: DOSIS DE NITROGENO (nombre de la variable)

Número de enteros
Title: DOSIS DE FOSFORO (nombre de la variable)
Número de enteros
Title: DOSIS DE POTASIO (nombre de la variable)
Número de enteros
Número de enteros
Title: NUMERO DE BULBILLOS POR BULBO (nombre de la variable)
Número de enteros
ESC para regresar (aparecen las barras de casos y variables
creadas)
Newtxt Permite cambiar la definición de las variables
(seleccionar la variable y enter)

Los datos deben ser digitados de tal manera que cada valor de la
variable número de bulbillos por bulbo corresponda a su respectiva repetición,
dosis de N, dosis de P, dosis de K y tratamiento.
Los datos del testigo es necesario crearlos al final del

archivo, con el objeto de no interferir en el cálculo del Factorial.
SEDIT
NO. 1R 2N 3P 4K 5T 6NUM
-------------------------------------------------
1 1 1 1 1 1 8.00
2 1 1 1 2 2 6.00
3 1 1 1 3 3 6.00
4 1 1 2 1 4 6.00
5 1 1 2 2 5 6.00
6 1 1 2 3 6 7.00
7 1 1 3 1 7 6.00
8 1 1 3 2 8 6.00
9 1 1 3 3 9 6.00
10 1 2 1 1 10 6.00
11 1 2 1 2 11 6.00
12 1 2 1 3 12 7.00
13 1 2 2 1 13 7.00
14 1 2 2 2 14 7.00
15 1 2 2 3 15 7.00
16 1 2 3 1 16 6.00
17 1 2 3 2 17 8.00
18 1 2 3 3 18 8.00
19 1 3 1 1 19 7.00
20 1 3 1 2 20 7.00
21 1 3 1 3 21 7.00
22 1 3 2 1 22 7.00
23 1 3 2 2 23 7.00
24 1 3 2 3 24 8.00
25 1 3 3 1 25 6.00
26 1 3 3 2 26 8.00
27 1 3 3 3 27 8.00
28 2 1 1 1 1 7.00
29 2 1 1 2 2 6.00
30 2 1 1 3 3 7.00
31 2 1 2 1 4 7.00
32 2 1 2 2 5 6.00
33 2 1 2 3 6 6.00
34 2 1 3 1 7 6.00
35 2 1 3 2 8 6.00
36 2 1 3 3 9 7.00
37 2 2 1 1 10 7.00
38 2 2 1 2 11 6.00
39 2 2 1 3 12 6.00
40 2 2 2 1 13 6.00
41 2 2 2 2 14 8.00
42 2 2 2 3 15 8.00
43 2 2 3 1 16 7.00
44 2 2 3 2 17 7.00
45 2 2 3 3 18 8.00
46 2 3 1 1 19 6.00
47 2 3 1 2 20 6.00
48 2 3 1 3 21 8.00
49 2 3 2 1 22 6.00
50 2 3 2 2 23 8.00
51 2 3 2 3 24 8.00
52 2 3 3 1 25 6.00
53 2 3 3 2 26 7.00
54 2 3 3 3 27 8.00
55 3 1 1 1 1 7.00
56 3 1 1 2 2 7.00
57 3 1 1 3 3 6.00
58 3 1 2 1 4 6.00
59 3 1 2 2 5 7.00
60 3 1 2 3 6 7.00
61 3 1 3 1 7 7.00
62 3 1 3 2 8 6.00
63 3 1 3 3 9 7.00
64 3 2 1 1 10 6.00
65 3 2 1 2 11 7.00
66 3 2 1 3 12 7.00
67 3 2 2 1 13 7.00
68 3 2 2 2 14 8.00
69 3 2 2 3 15 8.00
70 3 2 3 1 16 6.00
71 3 2 3 2 17 8.00
72 3 2 3 3 18 8.00
73 3 3 1 1 19 6.00
74 3 3 1 2 20 6.00
75 3 3 1 3 21 7.00
76 3 3 2 1 22 6.00
77 3 3 2 2 23 8.00
78 3 3 2 3 24 8.00
79 3 3 3 1 25 7.00
80 3 3 3 2 26 7.00
81 3 3 3 3 27 8.00
82 1 28 7.00
83 2 28 6.00 Valores del testigo
84 3 28 6.00
--------------------------------------------------
Primeramente calcular el análisis de variancia DBCA en donde se
obtienen las fuentes de variación Total, repeticiones, tratamientos y
error experimental, con la opción ANOVA-2; y, luego calcular el
arreglo factorial para obtener las fuentes dosis de N, dosis de P,
dosis de K y las interacciones N x P, N x K, P x K y NxPxK, utilizando
la opción FACTOR, de la siguiente manera:

OPCION 19. FACTOR Calcula análisis de variancia con arreglos
factoriales)
------ . --------- . --------- . -----
------ . --------- . --------- . -----
Para nuestro ejemplo seleccionar la opción 10. RCBD 3 Factor (a)
Que calcula arreglos factoriales de tres factores
------ . --------- . --------- . -----
------ . --------- . --------- . -----
Número de variable: 1 (número con que se creo REPETICIONES en el SEDIT)
Menor Nivel: 1
------ . --------- . --------- . -----
Número de variable: 2 (número con que se creo DOSIS DE NITROGENO en el
SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (las dosis de N van de 1 a 3)
------ . --------- . --------- . -----
Número de variable: 3 (número con que se creo DOSIS DE FOSFORO en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (el factor dosis de P va de 1 a 3)
------ . --------- . --------- . -----
FACTOR: Fourth variable (FACTOR C)
Entre valores para Factor C

Número de variable: 4 (número con que se creo DOSIS DE POTASIO en el SEDIT)
Menor Nivel: 1
Mayor nivel: 3 (el factor dosis de K va de 1 a 3)
------ . --------- . --------- . -----
------ . --------- . --------- . -----
------ . --------- . --------- . -----
Do you wish to use all cases Y/N N enter
En el cálculo del factorial no debe tomarse en cuenta los valores del
testigo
Case Range 1-84
First selected case 1
Last selected case 81 (desde el caso 1 al 81 esta el arreglo
factorial)
------- . --------- . ---------. -------
02 (NUMERIC) DOSIS DE NITROGENO
03 (NUMERIC) DOSIS DE FOSFORO
04 (NUMERIC) DOSIS DE POTASIO
06 (NUMERIC) NUMERO DE BULBILLOS POR BULBO
Señalar con la barra espaciadora la variable 06 que va a ser analizada
----- . ----- . ----- . -----
Do you want all means stored an the end or your file Y/N
Si presiona Y se graban al final de la base de datos los
promedios de la variable número de bulbillos por bulbo que
va a ser analizada (luego del cálculo revisar el SEDIT).
Presionar N para no grabar los promedios al final de la
base de datos
----- . ----- . ----- . -----

Output options
Edit output Editar los resultados (permite digitar dentro de los
resultados)
Save output to disk Garda los resultados en el disco o diskette
------ . ----- . ----- . -----
Data file: FACTOR3

Title: ENSAYO DE FERTILIZACION DE NPK EN AJO
Function: FACTOR

Three Factor Randomized Complete Block Design

Factor A (Var 2: DOSIS DE NITROGENO) with values from 1 to 3
Factor B (Var 3: DOSIS DE FOSFORO) with values from 1 to 3
Factor C (Var 4: DOSIS DE POTASIO) with values from 1 to 3
Variable 6: NUMERO DE BULBILLOS POR BULBO
Utilizar el promedio
general del ANOVA-2
1 2 3 4 6 Total
-------------------------------------------------------------
1 * * * 6.815 184.000
2 * * * 6.815 184.000
3 * * * 6.963 188.000
-------------------------------------------------------------
* 1 * * 6.481 175.000 Totales y
promedios
* 2 * * 7.037 190.000 para
dosis de
* 3 * * 7.074 191.000 Nitrógeno
-------------------------------------------------------------
* * 1 * 6.593 178.000 Totales y
promedios
* * 2 * 7.037 190.000 para
dosis de
* * 3 * 6.963 188.000 Fósforo
-------------------------------------------------------------
* 1 1 * 6.667 60.000
* 1 2 * 6.444 58.000
* 1 3 * 6.333 57.000 Totales y
promedios
* 2 1 * 6.444 58.000 para
dosis de
* 2 2 * 7.333 66.000 N x P
* 2 3 * 7.333 66.000
* 3 1 * 6.667 60.000
* 3 2 * 7.333 66.000
* 3 3 * 7.222 65.000
-------------------------------------------------------------
* * * 1 6.481 175.000 Totales y
promedios
* * * 2 6.852 185.000 para
dosis de
* * * 3 7.259 196.000 potasio
-------------------------------------------------------------
* 1 * 1 6.667 60.000
* 1 * 2 6.222 56.000
* 1 * 3 6.556 59.000 Totales y
promedios
* 2 * 1 6.444 58.000 para
dosis de
* 2 * 2 7.222 65.000 N x K
* 2 * 3 7.444 67.000
* 3 * 1 6.333 57.000
* 3 * 2 7.111 64.000
* 3 * 3 7.778 70.000
-------------------------------------------------------------
* * 1 1 6.667 60.000
* * 1 2 6.333 57.000
* * 1 3 6.778 61.000
* * 2 1 6.444 58.000 Totales y
promedios
* * 2 2 7.222 65.000 para
dosis de
* * 2 3 7.444 67.000 P x K
* * 3 1 6.333 57.000
* * 3 2 7.000 63.000
* * 3 3 7.556 68.000
-------------------------------------------------------------
* 1 1 1 7.333 22.000
* 1 1 2 6.333 19.000
* 1 1 3 6.333 19.000
* 1 2 1 6.333 19.000
* 1 2 2 6.333 19.000
* 1 2 3 6.667 20.000
* 1 3 1 6.333 19.000
* 1 3 2 6.000 18.000
* 1 3 3 6.667 20.000
* 2 1 1 6.333 19.000
* 2 1 2 6.333 19.000
* 2 1 3 6.667 20.000
* 2 2 1 6.667 20.000 Totales y
promedios
* 2 2 2 7.667 23.000 para
dosis de
* 2 2 3 7.667 23.000 NxPxK
* 2 3 1 6.333 19.000
* 2 3 2 7.667 23.000
* 2 3 3 8.000 24.000
* 3 1 1 6.333 19.000
* 3 1 2 6.333 19.000
* 3 1 3 7.333 22.000
* 3 2 1 6.333 19.000
* 3 2 2 7.667 23.000
* 3 2 3 8.000 24.000
* 3 3 1 6.333 19.000
* 3 3 2 7.333 22.000
* 3 3 3 8.000 24.000
-------------------------------------------------------------

Value Source Freedom Squares Square Value
Prob
----------------------------------------------------------------------
-------
1 Replication 2 0.395 0.198 0.6876
2 Factor A 2 5.951 2.975 10.3570
0.0002
4 Factor B 2 3.062 1.531 5.3289
0.0078
6 AB 4 4.494 1.123 3.9107
0.0075
8 Factor C 2 8.173 4.086 14.2248
0.0000
10 AC 4 7.160 1.790 6.2314
0.0004
12 BC 4 4.494 1.123 3.9107
0.0075
14 ABC 8 0.840 0.105 0.3653
-15 Error 52 14.938 0.287
----------------------------------------------------------------------
-------
Total 80 49.506
----------------------------------------------------------------------
-------
Recalcular
dividiendo
Utilizar el C.V. Los cuadrados
medios
del ANOVA-2 Para el
cuadrado medio del
Error del
ADEVA del ANOVA-2
s_ for means group 1: 0.1031 Number of Observations: 27

y

y

y

y

y

y

y

y
Finalmente, conformar el ADEVA requerido, unificando el ADEVA de

ANOVA-2 y el ADEVA FACTOR, completando así todas las fuentes de
variación.
La suma de cuadrados del testigo puede ser calculado por diferencia de

la suma de cuadrados de tratamientos menos la suma de cuadrados del
arreglo factorial o por cálculo de comparaciones ortogonales (ver cap.
Comparaciones ortogonales).
El valor de F calculado del arreglo factorial debe ser recalculado por

cuanto el cuadrado medio del error del FACTOR no coincide con el
cuadrado medio del error del ANOVA-2.
------ . --------- . --------- . -----
DISEÑOS CON PARCELAS DIVIDIDAS

(Ing. William Oviedo A.)
Este tipo de diseños se usa frecuentemente para experimentos

factoriales. El principio general es de que la PARCELA PRINCIPAL
(factor A) a la que se ha asignado un nivel de un factor, se la divide
en sub-unidades o sub-parcelas (factor B) que reciben varios niveles
de un factor adicional. En esta forma cada unidad principal se
convierte en un bloque con respecto a los tratamientos asignados a las
sub-unidades.
Las parcelas divididas se utilizan generalmente para facilitar el manejo de un

factor.
EJEMPLO DEL DISEÑO DE PARCELAS DIVIDIDAS CON ARREGLO

FACTORIAL DE DOS FACTORES
Esquema del ADEVA
El esquema del ADEVA (modelo matemático) para las parcelas divididas en

arreglo factorial con dos factores es:

-------------------------------------------------------------
de de de medios de
-------------------------------------------------------------
Total r*a*b-1
Repeticiones r-1 --- Mide las diferencias

entre
repeticiones
Factor A a-1 --- Mide las diferencias
para
el factor A
Error a (r-1)(a-1) Error exp. de las parcelas
principales
Factor B b-1 --- Mide las diferencias

para
el factor B
A x B (a-1)(b-1) --- Mide la influencia de
la interacción
de los dos factores
Error b a(r-1)(b-1) Error experimental de las
subparcelas
-------------------------------------------------------------

Error experimental)
Ejemplo: Para detallar la metodología de cálculo, se toma un ensayo de

distancias de siembra y fertilización fraccionada en el cultivo de tomate
hortícola, donde se utilizaron dos distancias entre plantas por nueve
fraccionamientos de NPK, con tres repeticiones. Variable a ser analizada:
altura de planta.
g. Distancias entre plantas (m) (dos niveles)
- 0,25 D1
- 0,30 D2
h. Fraccionamientos de NPK (nueve niveles)
N (400 kg/ha), P2O5 (120 kg/ha) y K2O (300 kg/ha)
- 34% AT, 33% 2, 33% 4 F1

- 40% AT, 30% 2, 30% 4 F2
- 30% AT, 30% 2, 40% 4 F3 AT = Antes del trasplante
- 40% AT, 20% 2, 20% 4, 20% 5 F4 2 = a los dos meses
- 30% AT, 20% 2, 25% 4, 25% 5 F5 3 = a los tres meses
4 = a los cuatro meses
5 = a los cinco meses
6 = a los seis meses
- 35% AT, 20% 2, 20% 4, 25% 5 F6
- 20% AT, 20% 2, 20% 4, 20% 5, 20 6 F7
- 25% AT, 18% 2, 18% 4, 19% 5, 20 6 F8
- 30% AT, 15% 2, 15% 4, 20% 5, 20 6 F9
Tratamientos: Los tratamientos resultan de la combinación de los factores

en estudio
CUADRO 1. TRATAMIENTOS
───────────────────────────────────────────
Tratamientos Distancias Fraccionamientos
───────────── entre plantas (%)
No. Símbolo (m)
───────────────────────────────────────────
1 D1F1 0,25 34-33-33
2 D1F2 0,25 40-30-30
3 D1F3 0,25 30-30-40
4 D1F4 0,25 40-20-20-20
5 D1F5 0,25 30-20-25-25
6 D1F6 0,25 35-20-20-25
7 D1F7 0,25 20-20-20-20-20
8 D1F8 0,25 25-18-18-19-20
9 D1F9 0,25 30-15-15-20-20
10 D2F1 0,30 34-33-33
11 D2F2 0,30 40-30-30
12 D2F3 0,30 30-30-40
13 D2F4 0,30 40-20-20-20
14 D2F5 0,30 30-20-25-25
15 D2F6 0,30 35-20-20-25
16 D2F7 0,30 20-20-20-20-20
17 D2F8 0,30 25-18-18-19-20
18 D2F9 0,30 30-15-15-20-20
────────────────────────────────────────────
Diseño experimental: Diseño de bloques completamente al azar con arreglo factorial de 2 x 9, en

parcelas divididas, asignando las parcelas principales al factor distancias de siembra y las sub-parcelas al
factor fraccionamientos, con tres repeticiones.
Variable a analizar: Altura de planta (m)

(datos)
───────────────────────────────
──────────── ─────────────────
───────────────────────────────
1 D1F1 1,69 1,60 1,64
2 D1F2 1,70 1,61 1,62
3 D1F3 1,54 1,66 1,47
4 D1F4 1,63 1,52 1,39
5 D1F5 1,54 1,53 1,57
6 D1F6 1,44 1,52 1,53
7 D1F7 1,52 1,52 1,59
8 D1F8 1,44 1,49 1,60
9 D1F9 1,32 1,52 1,50
10 D2F1 1,67 1,64 1,70
11 D2F2 1,70 1,65 1,75
12 D2F3 1,65 1,70 1,65
13 D2F4 1,55 1,61 1,68
14 D2F5 1,60 1,60 1,67
15 D2F6 1,64 1,63 1,64
16 D2F7 1,60 1,53 1,72
17 D2F8 1,54 1,67 1,84
18 D2F9 1,59 1,55 1,62
────────────────────────────────
PROCEDIMIENTO
A. CUADRO DE DOBLE ENTRADA
--------------------------------------------------------------
------------ ------------------------- Sumatoria Promedio
--------------------------------------------------------------_
1 D1F1 1.69(X) 1.60 1.64 4.93/3 1.64 (Xt) Total
D1
2 D1F2 1.70 1.61 1.62 4.93 1.64 Núm. de
observ
3 D1F3 1.54 1.66 1.47 4.67 1.56
4 D1F4 1.63 1.52 1.39 4.54 1.51
5 D1F5 1.54 1.53 1.57 4.64 1.55 Promedio
D1
6 D1F6 1.44 1.52 1.53 4.49 1.50
7 D1F7 1.52 1.52 1.59 4.63 1.54
8 D1F8 1.44 1.49 1.60 4.53 1.51
9 D1F9 1.32 1.52 1.50 4.34 1.45 número
de observac.
Núm. de observ.
Sumatoria 13.82/9 13.97 13.91 41.70/27 Fraccionamientos

Promedio 1.54 1.55 1.55 1.54
Total Promedio
10 D2F1 1.67 1.64 1.70 5.01 1.67
11 D2F2 1.70 1.65 1.75 5.10 1.70 F1 9.94/6 1.657
12 D2F3 1.65 1.70 1.65 5.00 1.67 F2 10.03 1.672
13 D2F4 1.55 1.61 1.68 4.84 1.61 F3 9.67 1.612
14 D2F5 1.60 1.60 1.67 4.87 1.62 F4 9.38 1.563
15 D2F6 1.64 1.63 1.64 4.91 1.64 F5 9.51 1.585
16 D2F7 1.60 1.53 1.72 4.85 1.62 F6 9.40 1.567
17 D2F8 1.54 1.67 1.84 5.05 1.68 F7 9.48 1.580
18 D2F9 1.59 1.55 1.62 4.76 1.59 F8 9.58 1.597
F9 9.10 1.517
Sumatoria 14.54 14.58 15.27 44.39
Promedio 1.62 1.62 1.70 1.64
-------------------------------------------------------------
Sumatoria 28.36(Xr) 28.55 29.18 86.09/54 _
Promedio 1.576 1.586 1.62 1.59(Xg)
CALCULOS
Para el total = r*a*b – 1 = 3*2*9 – 1 = 53

Para factor a (distancias) = a-1 = 2 –1 = 1
Para error a = (r-1)(a-1) = (3-1)(2-1) = 2
Para factor b (fracc.) = b-1 = 9-1 = 8
Para a x b = (a-1)(b-1) = (2-1)(9-1) = 8
Para el error b = a(r-1)(b-1) = 2(3-1)(9-1) = 32
(∑Xg)² (Sumatoria general)² (86.09)²
137.249
r*a*b número de datos 54
b) Suma de cuadrados = ∑(X)²-FC =1.69²+1.70²+ .... +1.62²-FC = 137.71–

137.25= 0.4585
(subparcelas)
3
3
312 ²
∑(XPp) 13.82²+13.97²+ .. +15.27²
c) S22uma de cuadrados para = ------- - FC = -------------------------- -FC
=137.42–137.25 = 0.173
Parcelas princip.(SCPp) # ob. 9
∑(Xr)² 28.36²+28.55²+29.18²
d) Suma de cuadrados para = ----- - FC = ------------------- - FC = 137.27-
137.25 = 0.020
repeticiones (SCrep) a*b 2 x 9
∑(A)² 41.70²+ 44.39²

e) Suma de cuadrados para = ----- - FC = -------------- - FC =137.38-137.25 =
0.134
factor A sustratos (SCA) # ob. 27
f) Suma de cuadrados para = por diferencia = SCPp – Screp - SCA = 0.173-0.02-0.134 =

0.018
el error A
∑(B)² 9.94²+10.03²+ ... 9.10²

g) Suma de cuadrados para = ----- - FC = ---------------------- - FC = 137.36-
137.25 = 0.109
factor B Fracc. (SCB) # ob. 6
∑(SH) ² 4.93²+4.93²+ .. +4.76²

h) Suma de cuadrados para = ----- - FC- SCA – SCB = ------------------------ -FC –
0.134–0.109= 0.026
A x B (SCAxB) # ob. 3
i) Suma de cuadrados para = por diferencia = SCTot – ScPp – SCB - ScAxB = 0.458-
0.173-0.109-0.026 =0.151
el error B
----------------------------------------------------------------------
----------------------------------------------------------------------
Total 53 0.459

Distancias (D) 1 0.134 0.134 14.70 ns
Error exp. A 2 0.018 0.009

El valor de F de
Fraccionamientos (F) 8 0.109 0.014 2.90 * repeticiones y Factor A
(distancias) se obtienen
D x F 8 0.026 0.003 0.68 ns dividiendo para el error A
Error exp. B 32 0.151 0,005

----------------------------------------------------------------------
Promedio general: 1.59 m
El coeficiente de variación se obtiene aplicando la siguiente fórmula:

________________
Error experimental B CMEE 0.005
C.V. = --------------------- * 100 = ------*100 = ------*100 = 4.30%
Inferencia: El análisis de variancia detectó diferencias estadísticas

significativas a nivel del 5% para el factor fraccionamientos, por lo que los
porcentajes de NPK aplicados al cultivo de tomate riñón inflluyen en el
desarrollo de las plantas, sin existir influencia de las distancias de
siembra.
Las pruebas de significación de Tukey al 5% para los promedios del factor

fraccionamientos, indicarán los mejores tratamientos.
APLICANDO MSTATC
Para detallar los pasos en MSTATC se usará el mismo ejemplo de dos distancias
de siembra y nueve fraccionamientos de NPK en el cultivo de tomate riñón.
Diseño experimental: Diseño de bloques completamente al azar con en arreglo factorial de 2 x 9, en

parcelas divididas, con tres repeticiones.
Variable a analizar: Altura de planta (m) (datos)

───────────────────────────────
──────────── ─────────────────
───────────────────────────────
1 D1F1 1,69 1,60 1,64
2 D1F2 1,70 1,61 1,62
3 D1F3 1,54 1,66 1,47
4 D1F4 1,63 1,52 1,39
5 D1F5 1,54 1,53 1,57
6 D1F6 1,44 1,52 1,53
7 D1F7 1,52 1,52 1,59
8 D1F8 1,44 1,49 1,60
9 D1F9 1,32 1,52 1,50
10 D2F1 1,67 1,64 1,70
11 D2F2 1,70 1,65 1,75
12 D2F3 1,65 1,70 1,65
13 D2F4 1,55 1,61 1,68
14 D2F5 1,60 1,60 1,67
15 D2F6 1,64 1,63 1,64
16 D2F7 1,60 1,53 1,72
17 D2F8 1,54 1,67 1,84
18 D2F9 1,59 1,55 1,62
────────────────────────────────
PROCEDIMIENTO
El procedimiento de cálculo se resume en tres pasos que son: crear el archivo de datos; crear la base de datos y calcular.
OPCION 20. FILES

PATH Direcciona hacia la carpeta donde va crear el archivo o desde donde se
va a abrir (open)

C:\MISDOC~1 Direcciona hacia la carpeta MIS DOCUMENTOS
Si se omitiera este paso, el MSTATC direcciona hacia la carpeta

C:\MSTATC\DATA (por defecto)
ESC para regresar
Enter file name: Digitar el nombre con el que se va a crear el

archivo (máximo ocho letras, unido) ej. PARCDIVI
Title: Digitar el título que se le dará al archivo

(preferentemente en mayúsculas y que sea referencial al cálculo
que va a efectuar) ej. DISTANCIAS DE SIEMBRA Y FERTILIZ.
FRACCIONADA ENOMATE HORTICOLA
ESC para regresar
• Al crear el archivo el MSTATC crea en la carpeta

seleccionada dos archivos: Ej. PARCDIVI.dat y PARCDIVI.txt
OPEN Abre un archivo existente en el path (carpeta) seleccionado
Digitar el nombre del archivo o la tecla F1 para obtener la lista

de archivos, seleccionar y enter
ESC para regresar
QUIT Regresa al menú general (o presionar la tecla ESC)
OPCION 41 SEDIT
OPTIONS
Insert cases Define el número de datos que se va a usar en el
ensayo

Número del último caso a insertar 54 (Inserta 54 casos para
digitar los datos del
ensayo
Define Define las variables a utilizar en el ensayo
• En MSTATC se deben distinguir dos tipos de variables: las

variables del diseño experimental (repeticiones,
tratamientos, factores en estudio, etc) y las variables a
analizar. Todas se crean en esta opción. Por regla general
es preferible crear primero las variables de diseño y luego
las variables a analizarse.
• Al crear cada variable se debe especificar el nombre de la

variable y el número de enteros y decimales que necesitará
para digitar los datos de la variable. También es necesario
identificar el número con que se crea la variable.
Para nuestro ejemplo se crearán tres variables de diseño (REPETICIONES, DISTANCIAS, FRACCIONAMIENTOS) y una
variable a analizar ALTURA DE PLANTA

Número de enteros
Title: DISTANCIAS (nombre de la variable)
Número de enteros
Title: FRACCIONAMIENTOS (nombre de la variable)
Número de enteros
Title: ALTURA DE PLANTA (nombre de la variable)
Número de enteros
ESC para regresar (aparecen las barras de casos y variables
creadas)
Newtxt Permite cambiar la definición de las variables
(seleccionar la variable y enter)
Los datos deben ser digitados de tal manera que cada valor de la
variable altura de planta corresponda a su respectiva repetición, distancia y
fraccionamiento.
SEDIT
NO. 1R 2D 3F 4ALT
-----------------------------------
1 1 1 1 1.69
2 1 1 2 1.70
3 1 1 3 1.54
4 1 1 4 1.63
5 1 1 5 1.54
6 1 1 6 1.44
7 1 1 7 1.52
8 1 1 8 1.44
9 1 1 9 1.32
10 1 2 1 1.67
11 1 2 2 1.70
12 1 2 3 1.65
13 1 2 4 1.55
14 1 2 5 1.60
15 1 2 6 1.64
16 1 2 7 1.60
17 1 2 8 1.54
18 1 2 9 1.59
19 2 1 1 1.60
20 2 1 2 1.61
21 2 1 3 1.66
22 2 1 4 1.52
23 2 1 5 1.53
24 2 1 61 1.52
25 2 1 7 1.52
26 2 1 8 1.49
27 2 1 9 1.52
28 2 2 1 1.64
29 2 2 2 1.65
30 2 2 3 1.70
31 2 2 4 1.61
32 2 2 5 1.60
33 2 2 6 1.63
34 2 2 7 1.53
35 2 2 8 1.67
36 2 2 9 1.55
37 3 1 1 1.64
38 3 1 2 1.62
39 3 1 3 1.47
40 3 1 4 1.39
41 3 1 5 1.57
42 3 1 6 1.53
43 3 1 7 1.59
44 3 1 8 1.60
45 3 1 9 1.50
46 3 2 1 1.70
47 3 2 2 1.75
48 3 2 3 1.65
49 3 2 4 1.68
50 3 2 5 1.67
51 3 2 6 1.64
52 3 2 7 1.72
53 3 2 8 1.84
54 3 2 9 1.62
-----------------------------------
OPCION 19. FACTOR Calcula análisis de variancia con arreglos
factoriales)
------ . --------- . --------- . -----
------ . --------- . --------- . -----
Para nuestro ejemplo seleccionar la opción 9. RCBD 2 Factor (b)
Que calcula arreglos factoriales de dos factores con parcelas divididas en A

------ . --------- . --------- . -----
------ . --------- . --------- . -----
Número de variable: 1 (número con que se creo Repeticiones en el SEDIT)
Menor Nivel: 1
------ . --------- . --------- . -----
Número de variable: 2 (número con que se creo DISTANCIAS en el SEDIT)
Menor Nivel: 1
Mayor nivel: 2 (las distancias van de 1 a 2)
------ . --------- . --------- . -----

Número de variable: 3 (número con que se creo FRACCIONAMIENTO en el SEDIT)
Menor Nivel: 1
Mayor nivel: 9 (el factor fraccionamiento va de 1 a 9)
------ . --------- . --------- . -----
------ . --------- . --------- . -----
------- . --------- . ---------. -------
02 (NUMERIC) DISTANCIAS
03 (NUMERIC) FRACCIONAMIENTOS
04 (NUMERIC) ALTURA DE PLANTA
Señalar con la barra espaciadora la variable 04 que va a ser analizada
----- . ----- . ----- . -----
Do you want all means stored an the end or your file Y/N
Si presiona Y se graban al final de la base de datos los
promedios de la variable número de brotes por estaca que va
a ser analizada (luego del cálculo revisar el SEDIT).
Presionar N para no grabar los promedios al final de la
base de datos
----- . ----- . ----- . -----
Output options
Edit output Editar los resultados (permite digitar dentro de los
resultados)
Save output to disk Garda los resultados en el disco o diskette

------ . ----- . ----- . -----
Data file: PARCDIVIDIDAS

Title: DISTANCIAS DE SIEMBRA Y FERTILIZ. FRACCIONADA EN TOMATE HORTICOL
Function: FACTOR

Randomized Complete Block Design for Factor A, with
Factor B a Split Plot on A

Factor A (Var 2: DISTANCIAS) with values from 1 to 2
Factor B (Var 3: FRACCIONAMIENTOS) with values from 1 to 9
Variable 4: ALTURA DE PLANTA (m)
1 2 3 4 Total
-------------------------------------------------------
1 * * 1.576 28.360
2 * * 1.586 28.550 Totales y promedios de
repeticiones
3 * * 1.621 29.180
-------------------------------------------------------
* 1 * 1.544 41.700 Totales y promedios del factor A
(distancias)
* 2 * 1.644 44.390
-------------------------------------------------------
* * 1 1.657 9.940
* * 2 1.672 10.030
* * 3 1.612 9.670
* * 4 1.563 9.380
* * 5 1.585 9.510 Totales y promedios del factor
B (fraccionam.)
* * 6 1.567 9.400
* * 7 1.580 9.480
* * 8 1.597 9.580
* * 9 1.517 9.100
-------------------------------------------------------
* 1 1 1.643 4.930
* 1 2 1.643 4.930
* 1 3 1.557 4.670
* 1 4 1.513 4.540
* 1 5 1.547 4.640
* 1 6 1.497 4.490
* 1 7 1.543 4.630
* 1 8 1.510 4.530
* 1 9 1.447 4.340 Totales y promedios de A x B
(dist. X fracc.)
* 2 1 1.670 5.010
* 2 2 1.700 5.100
* 2 3 1.667 5.000
* 2 4 1.613 4.840
* 2 5 1.623 4.870
* 2 6 1.637 4.910
* 2 7 1.617 4.850
* 2 8 1.683 5.050
* 2 9 1.587 4.760
-------------------------------------------------------

Value Source Freedom Squares Square Value Prob
-----------------------------------------------------------------------------
1 Replication 2 0.020 0.010 1.1231 0.4710
2 Factor A 1 0.134 0.134 14.7045 0.0618
-3 Error 2 0.018 0.009
4 Factor B 8 0.109 0.014 2.9020 0.0150
6 AB 8 0.026 0.003 0.6843
-7 Error 32 0.151 0.005
-----------------------------------------------------------------------------
Total 53 0.459
-----------------------------------------------------------------------------

y

y

y

y
Data file: PARDIVIµ

Title: 7-1MAGUS
Function: FACTOR

Randomized Complete Block Design for Factor A, with
Factor B a Split Plot on A

Factor A (Var 2: DISTANCIAS) with values from 1 to 2
Factor B (Var 3: FRACCIONAMIENTOS) with values from 1 to 9
Variable 4: ALTURA PLANTA
1 2 3 4 Total
-------------------------------------------------------
1 * * 1.576 28.360
2 * * 1.586 28.550
3 * * 1.621 29.180
-------------------------------------------------------
* 1 * 1.544 41.700
* 2 * 1.644 44.390
-------------------------------------------------------
* * 1 1.657 9.940
* * 2 1.672 10.030
* * 3 1.612 9.670
* * 4 1.563 9.380
* * 5 1.585 9.510
* * 6 1.567 9.400
* * 7 1.580 9.480
* * 8 1.597 9.580
* * 9 1.517 9.100
-------------------------------------------------------
* 1 1 1.643 4.930
* 1 2 1.643 4.930
* 1 3 1.557 4.670
* 1 4 1.513 4.540
* 1 5 1.547 4.640
* 1 6 1.497 4.490
* 1 7 1.543 4.630
* 1 8 1.510 4.530
* 1 9 1.447 4.340
* 2 1 1.670 5.010
* 2 2 1.700 5.100
* 2 3 1.667 5.000
* 2 4 1.613 4.840
* 2 5 1.623 4.870
* 2 6 1.637 4.910
* 2 7 1.617 4.850
* 2 8 1.683 5.050
* 2 9 1.587 4.760
-------------------------------------------------------

Value Source Freedom Squares Square Value
Prob
----------------------------------------------------------------------
-------
1 Replication 2 0.020 0.010 1.1231
2 Factor A 1 0.134 0.134 14.7045
-3 Error 2 0.018 0.009
4 Factor B 8 0.109 0.014 2.9020
6 AB 8 0.026 0.003 0.6843
-7 Error 32 0.151 0.005
----------------------------------------------------------------------
-------
Total 53 0.459
----------------------------------------------------------------------
-------

y
y

y

y
VOCABULARIO
Investigación:
Cervo Luis Amado (1979) dice “Se puede decir que la investigaciónOPERACIONALIZACI
tiene
como objeto el descubrir algo, indagar, dar respuesta de manera sistemática
ÓN DEaVARIABLES
las múltiples preguntas que se hace el ser humano.
Con relación a esto se puede analizar las diversas definiciones que
proporcionan algunos autores como Garza Mercado Ario quien define a la
investigación como: " un proceso que mediante la aplicación de métodos
científicos, procura obtener información relevante y fidedigna, para extender,
verificar, corregir o aplicar el conocimiento.”
Cervo Luis Amado, Metodología científica, (ed Mc Graw, Bogotá Colombia,
1979),20 p. encontrado en:
http://www.monografias.com/trabajos/metoinves/metoinves.shtml
Agricultura:
Wikipedia (2009) dice La agricultura es el conjunto de técnicas y
conocimientos para cultivar la tierra. En ella se engloban los diferentes trabajos
de tratamiento del suelo y cultivo de vegetales. Comprende todo un conjunto de
acciones humanas que transforma el medio ambiente natural, con el fin de
hacerlo más apto para el crecimiento de las siembras.
Wikipedia, 2009, “Agricultura” encontrado en
http://es.wikipedia.org/wiki/AGRICULTURA
Agropecuario:
Answer (2009) dice: Es la actividad humana orientada al cultivo del campo y la
crianza de animales
“Agropecuario” encontrado en:
http://espanol.answers.yahoo.com/question/index?
qid=20070917172829AA4I2w6
Agrícola:
Wikipedia (2009) dice: Algo relativo o perteneciente a la agricultura. Dentro de
ésta, se refiere más específicamente a todo lo relacionado con cultivos,
roturación de la tierra y al trabajo específico de los terrenos de cultivo. En
contraposición, el término agrario englobaría lo relacionado tanto con lo
agrícola como con lo ganadero.
Agrícola encontrado en: http://es.wikipedia.org/wiki/Agr%C3%ADcola
Diseño experimental:
Wikipedia (2009) dice: es el nombre con el que se conoce la serie de pasos
que hay que dar para crear un experimento científico, es decir, para responder
una pregunta, para llegar a una verdad, para confirmar la veracidad o la
falsedad de una hipótesis. El experimento es un estudio en el que se manipulan
deliberadamente una o más variables (independientes), con el objetivo de
analizar su efecto sobre otras (dependientes), es decir, la determinación de las
relaciones de causa-efecto, en el marco de una situación controlada de sus
elementos principales. El 189 diseño experimental se basa en el esquema
lógico ilustrado de la siguiente forma (Cuando aparece X, aparece Z)
Diseño experimental encontrado en: http://es.wikipedia.org/wiki/Dise
%C3%B1o_experimental
Experimental:
Unidades de Observación:
Inegi dice: Para efectos de este estudio, la unidad de observación se considera
como el lugar donde se captan los datos de las categorías o unidades de
análisis.
Unidades de observación Encontrado en:
http://ctce.inegi.gob.mx/cuest/ayuda/u_obs.html
Parcelas de campo
Bloqueo Experimental:
Answer dice: Un bloque es igual a una muestra, es decir, una parte escogida
de la población total a la que se le aplicará el estudio. Diseños experimentales
tiene que ver con estadística, un bloque es la unidad experimental donde se
hace el acomodo la aleatorizacion de una repetición. Un bloque es una
repetición, una parcela de 5x3 mts donde se harán cuatro surcos y se pondrá el
material aleatorizado a probar
Bloqueo experimental Encontrado en:

http://ar.answers.yahoo.com/question/index?qid=20071119165205AA7fPrY
Repetición:
Estadístico dice: También denominada frecuencia. Es el número de
exposiciones o impactos recibidos por las personas alcanzadas por el medios
de comunicación. La frecuencia media es el promedio o media aritmética de los
impactos recibidos por las personas alcanzadas. Repetición.
Encontrado en:
http://www.estadistico.com/dic.html?q=unidades+de+observacion&mod=111

Modulo de Riego

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modulo de Riego

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE INGENIERÍA AGRONÓMICA

Juan Gabriel Chipantiza

II. RUTA FORMATIVA

Nodo problematizador (Problemática general):

N. ELEMENTOS DEL MÓDULO

RELACIÓN CON OTROS MÓDULOS

Enfoque didáctico general:

Elementos de Contenidos Contenidos Contenidos Estrategias Tiem

IV. PLANEACION DE EVALUACIÓN

N ELEMENTO INDICADORES DE LOGROS Instrument

Elementos Evaluación Evaluación Evaluación de Desempeño

4 Ensayar los •Participa activa y críticamente •Guía de Esquemas

1. Ferreira, P. V. 1996. Estadística experimental aplicada a agronomía.

Este manual contiene los conceptos, las consideraciones generales de un

2. Little, T. M. y Hills, F. J. 1991. Métodos estadísticos para la investigación en

3. Suárez, G. 1999. Estadística y diseño experimental, análisis económico

Texto que indica los fundamentos de la experimentación en agricultura y

Materiales complementarios (Recursos Didácticos):

1. Glosario de términos frecuentes en Diseño Experimental

Galo Rodrigo Jaramillo Jiménez

Intercambio cationico en:

ELEMENTOS EN LAS PLANTAS

Macro nutrientes Micro elementos

ELEMENTOS DEL CLIMA

Son la temperatura del aire

La humedad del aire

La temperatura del aire

 El experimento es la acción y efecto de experimentar.

 Diseño es la descripción o bosquejo de un experimento a ejecutar,

 Es el desarrollo del experimento en el campo o laboratorio, con la

 La evaluación de un experimento se considera a la acción de control y

ETAPAS DE LA INVESTIGACIÓN O PROCEDIMIENTO PARA

1. Planteamiento y elaboración del proyecto a experimentar

PLANTEAMIENTO Y ELABORACIÓN DEL PROYECTO

 Proyecto, es una propuesta o conjunto de ideas básicas debidamente

PASOS PARA EL PLANTEAMIENTO Y ELABORACIÓN DEL PROYECTO

1. Definición del problema

DEFINICIÓN DEL PROBLEMA

Los elementos que constituyen un problema son: causa, efecto, objeto de

Falta De Macro Nutrientes En La Solución Del Suelo

Parroquia los andes, cantón patate, provincia de

El o los objetivos deben ser claros y precisos, evitando la vaguedad o

Determinar experimentalmente en el campo, los requerimientos

El análisis crítico se realiza en forma contextual y ultra detallada a los

manejo del cultivo

efecto del nitrógeno en la producción agrícola

ciclo del nitrógeno en la planta

caracterización de la deficiencia de nitrógeno

fuentes de nitrógeno y su disponibilidad en el

– Los macronutrientes en la productividad

efectos de la falta de nutrientes en el fréjol

– Parroquia los andes

REFORMULACIÓN DE LOS OBJETIVOS Y EL PROBLEMA

En base a la revisión seria y ordenada, de los documentos y textos

¿La aplicación aecuada de nutrientes primarios (nitrógeno,

La operacionalización de las variables, consiste en identificar: conceptos,

TÍTULO DEL EXPERIMENTO

Los elementos que constituyen el título del experimento, normalmente

Los nutrientes en la productividad del fréjol (phaseolus vulgaris) en la

Los factores de estudio son las variables que se va a manipular o

En base a los requerimientos del cultivo y a la disponibilidad de los

f1: tres dosis de nitrógeno (n1, n2, n3)