ANLISIS DE DISEOS EXPERIMENTALES BSICOS

La observacin y la experimentacin son la base en que se apoya el investigador para el

estudio de fenmenos de su inters, presentes en la naturaleza. Mediante la observacin
describe el fenmeno con todas las circunstancias que lo rodean, no pudiendo atribuir sus
efectos a una causa especfica. Con la ayuda de la experimentacin estudia dichos
fenmenos en forma ms controlada, aislando aquellos factores que pudieran enmascarar el
efecto que ocasiona la causa de su inters sobre dicho fenmeno.
En el estudio experimental de un fenmeno se plantea una hiptesis, para cuya prueba
disea un procedimiento de ejecucin, que denomina diseo del experimento. Esta
hiptesis, al ser probada requiere generalizarla a un espectro ms amplio que aquel de su
experimento, asocindole una medida de probabilidad o confiabilidad. Este es el caso de los
diseos experimentales, cuya metodologa es ampliamente usada en la investigacin
agropecuaria para la comparacin de efectos de diferentes factores o tratamientos.
Un diseo experimental debe adecuarse al material experimental con que se cuenta y a la
clase de preguntas que desea contestarse el investigador. Sus resultados se resumen en un
cuadro de Anlisis de Varianza y en una tabla de comparacin de medias de tratamientos
que indica las diferencias entre dichas medidas. El anlisis de varianza proporciona la
variacin de la variable de inters en fuentes explicables por algunos factores o
tratamientos y en aquella para la cual el investigador no tiene control, no puede medir y no
le es posible explicar o atribuir a algn factor en particular, constituyendo el error
experimental. Por ejemplo: si se realiza un experimento en el cual se estudie el uso de los
aminocidos en raciones para pollos en crecimiento y se mide la ganancia de peso, la
variacin de dicha ganancia puede descomponerse en fuentes de variacin conocidas,
atribuibles al distinto nivel de aminocidos usando las raciones y las fuentes de variacin
desconocidas o error. Esta particin de la varianza se hace al travs de la suma de
cuadrados asociados a sus respectivos grados de libertad (nmero de comparaciones
linealmente independientes). La realizacin de un Anlisis de la varianza presupone la
aditividad de los errores, la homogeneidad de varianza de las poblaciones de tratamientos
y la independencia y distribucin normal de los errores.

DISEO COMPLETAMENTE AL AZAR (DCA)

Este diseo consiste en la asignacin de los tratamientos en forma completamente aleatoria
a las unidades experimentales (individuos, grupos, parcelas, jaulas, animales, insectos, etc.).
Debido a su aleatorizacin irrestricta, es conveniente que se utilicen unidades
experimentales de lo ms homogneas posibles: animales de la misma edad, del mismo
peso, similar estado fisiolgico; parcelas de igual tamao, etc., de manera de disminuir la
magnitud del error experimental, ocasionado por la variacin intrnseca de las unidades
experimentales. Este diseo es apropiado para experimentos de laboratorio, invernadero,
animales de bioterio, aves, conejos, cerdos, etc., es decir, situaciones experimentales como
de las condiciones ambientales que rodean el experimento.

Este diseo es el mas utilizado en la experimentacin con animales, asocindole la tcnica

del anlisis de covarianza y arreglos de tratamiento de tipo factorial.
Aleatorizacin
Para ejemplificar el proceso de aleatorizacin irrestricta de los tratamientos a las unidades
experimentales, considrese la prueba de cuatro tratamientos, cada uno de ellos con cinco
repeticiones. El proceso mencionado podra realizarse formando cuatro grupos de tarjetas,
representando cada uno de ellos a un tratamiento en particular, digamos T1, repetido cinco
veces, y as T2, T3 y T4. Posteriormente mzclense las tarjetas en una urna y extraiga una
tarjeta al azar, asignando el tratamiento correspondiente a un animal, terreno, maceta, jaula
o grupo de animales en que consista cada unidad experimental. Reptase el procedimiento
sin reemplazo hasta terminar su asignacin.

Modelo estadstico asociado al diseo:

i = 1,2,3,..., t
j = 1,2,3,..., n
donde:
= Variable respuesta en la j-sima repeticin del i-simo tratamiento
= Media general
= Efecto del tratamiento i.
= Error aleatorio, donde

Anlisis de la Varianza para el modelo

Ho:
Ha: al menos un efecto de un tratamiento es diferente de los dems.
Fuentes de
Grados de
Variacin (F.V.) Libertad (G.L.)
Tratamientos
Error

Total

t-1

Suma de
Cuadrados
(S.C.)

Cuadrados
Medios (C.M.)

F0

Ejemplo:
Se realiz un experimento para probar el efecto de cinco fuentes de energa utilizadas en
dietas para engorda de toretes (T1. Testigo, T2. Melaza, T3. Cebo, T4.Maz, T5. Sorgo) en
las cuales se midi la ganancia de peso (GP) durante el perodo de engorda. Se
consideraron 5 repeticiones por tratamientos (25 animales) y se plante la hiptesis de
igualdad de medias de tratamientos.

Trat 1
980
1050
1100
1000
1120

Repeticin 1
Repeticin 2
Repeticin 3
Repeticin 4
Repeticin 5

Repeticin
1
Repeticin
2
Repeticin
3
Repeticin
4
Repeticin
5

Trat 2
1200
1230
1150
1390
1250

Trat 3
1300
1180
1200
1170
1050

Trat 4
1400
1350
1380
1420
1500

Trat 1
980

Trat 2
1200

Trat 3
1300

Trat 4
1400

Trat 5
1350

1050

1230

1180

1350

1420

1100

1150

1200

1380

1550

1000

1390

1170

1420

1600

1120

1250

1050

1500

1490

5250

6220

5900

7050

7410

1050

1244

1180

1410

1482

551250
0

773768
0

696200
0

994050
0

1098162
0

552730
0

777000
0

699380
0

995330
0

1102150
0

Trat 5
1350
1420
1550
1600
1490

=25
31830

=41134300
=41265900

14800

32320

31800

12800

39880

=1316
00
3700

8080

7950

3200

9970

En primer lugar se calcular el factor de correccin:

= 40525956

S.C. TRAT =

S.C. TOTAL =

- F.C. = 41134300 40525956 = 608344

- F.C. = 41265900 40525956 = 739944

S.C.TOTAL = S.C. TRAT + S.C. ERROR

Al despejar de la ecuacin anterior S.C. ERROR queda como:
S.C. ERROR = S.C.TOTAL S.C. TRAT = 739944 608344 = 131600

C.M TRAT =

= (608344 / 4) = 152086

C.M. ERROR =

Fo=

Fuentes de

= ( 131600 / 20) = 6580

= (152086 / 6580) = 23.11

Grados de

Suma de

Cuadrados

F0

Variacin (F.V.)

Libertad (G.L.)

Tratamientos
Error
Total

4
20
24

Para probar que Ho:

Cuadrados
(S.C.)
608344
131600
739944

Medios (C.M.)
152086
6580

23.11

en oposicin a Ha: al menos un tratamiento diferente

de los demas con un =0.05 , obtenemos

= 2.866 de la tabla correspondiente y
puesto que Fo>2.866 se rechaza Ho con un =0.05 y se concluye que al menos un
tratamiento es diferente.
Programa en SAS para calcular los resultados del problema anterior:
Data s;
Input trat rep gp;
Cards;
1 1 980
1 2 1050
1 3 1100
1 4 1000
1 5 1120
2 1 1200
2 2 1230
2 3 1150
2 4 1390
2 5 1250
3 1 1300
3 2 1180
3 3 1200
3 4 1170
3 5 1050
4 1 1400
4 2 1350
4 3 1380
4 4 1420
4 5 1500
5 1 1350
5 2 1420
5 3 1550
5 4 1600
5 5 1490
proc print;
proc anova;

class trat;
model gp=trat;
run;
The SAS
1

System
OBS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

TRAT

REP

GP

1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5

1
2
3
4
5
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5

980
1050
1100
1000
1120
1200
1230
1150
1390
1250
1300
1180
1200
1170
1050
1400
1350
1380
1420
1500
1350
1420
1550
1600
1490

Analysis of Variance Procedure

Class Level Information
Class
TRAT

Levels
5

Values
1 2 3 4 5

Number of observations in data set = 25

Analysis of Variance Procedure

Dependent Variable: GP
DF

Sum of
Squares

Mean
Square

608344.0000

152086.0000

Error

20

131600.0000

6580.0000

Corrected Total

24

739944.0000

R-Square
GP Mean

C.V.

0.822149

6.371128

81.11720

DF

Anova SS

Mean Square

608344.0000

152086.0000

Source
Value
Model
23.11

Pr > F
0.0001

MSE

Root

1273.200
Dependent Variable: GP
Source
Value

Pr > F

TRAT
23.11

0.0001

Puede observarse en los resultados del SAS que la Suma de Cuadrados del Modelo es igual
a la Suma de Cuadrados de Tratamientos, debido a que existe una sola fuente de variacin
(excluyendo al error). El SAS, empleando el PROC GLM en lugar del PROC ANOVA
proporciona dos tipos de Sumas de Cuadrados, la Suma de Cuadrados Secuencial (Type I
SS) y la Suma de Cuadrados Parcial (Type III SS), las cuales se diferencian por la forma en
que son incluidos los efectos en el modelo, esta ltima usada para probar los efectos que
nos interesan (Tratamientos). As mismo el SAS proporciona informacin acerca de los
siguientes parmetros: Coeficiente de determinacin (R-Square), Coeficiente de Variacin
(C.V.), Raz cuadrada del cuadrado medio del error (Root MSE) y la media de la variable
respuesta (GP Mean). En el ejemplo anterior se ve una columna que indica Pr>F con un
valor de 0.0001 esto indica que los tratamientos a base de fuentes energticas en la engorda
de becerros producen diferencias altamente significativas (P<.01, en este caso=.0001), es
decir tienen ganancias de peso de los animales, diferentes.

Como se detecto que al menos un tratamiento era diferente del resto se procede a realizar
una prueba de comparacin de sus valores medios. Para hacer esto es necesario agregar en
el programa de SAS las siguientes instrucciones:
Data s;
Input trat
Cards;
1 1 980
1 2 1050
. . .
5 5 1490
proc print;
proc anova;
class
model
means
run;

rep gp;

trat;
gp=trat;
trat/tukey;

Al ejecutar el programa en SAS despus del anlisis de la varianza aparece la siguiente

tabla:
Analysis of Variance Procedure
Tukey's Studentized Range (HSD) Test for
variable: GP
NOTE: This test controls the type I experimentwise
error rate, but
generally has a higher type II error rate than
REGWQ.
Alpha= 0.05 df= 20 MSE= 6580
Critical Value of Studentized Range= 4.232
Minimum Significant Difference= 153.52
Means with the same letter are not significantly
different.
Tukey Grouping

Mean

TRAT

A
A
A

1482.00

1410.00

B
B

1244.00

C
C
C

1180.00

1050.00

Note que en la salida de SAS Alpha=0.05, se encuentran diferencias entre las medias, es
decir los tratamientos a base de Sorgo(T5) y Maz (T4) son superiores al Testigo (T1) y a
los de melaza y cebo (T2 y T3), adems la melaza fue superior al testigo. En la salida de
SAS se seala que las medidas que tengan la misma letra en columna no son
significativamente diferentes.
Tukey no es la nica prueba que puede usar para comparacin de medias, de acuerdo al
inters de su investigacin puede usar pruebas mas o menos estrictas para encontrar
diferencias entre medias de tratamientos, otras pruebas son: DUNCAN, SCHEFFE, DMS,
SND, DUNNET, entre otras.
Para efectuar otras pruebas cambie tukey por la prueba
deseada:
proc anova;
class trat;
model gp=trat;
means trat/duncan;
run;
Tambin SAS puede hacer varias pruebas al mismo tiempo:
proc anova;
class trat;
model gp=trat;
means trat/tukey Duncan scheffe dms snk dunnet;
run;

Estadstica, Matemtica y Computacin

Material de los cursos impartidos por el Ingeniero Luis Manfredo Reyes
Guatemala, Centro Amrica para el mundo.
LUNES, 4 DE JULIO DE 2011
Diseo de Experimentos al Completo Azar
TEXTO PARALELO SOBRE DISEO DE EXPERIMENTOS AL
COMPLETO AZAR

POR: CSAR CASTILLO, CARLOS MEJA, JORGE ARVALO G.

I.

PRINCIPIOS BSICOS DEL DISEO DE EXPERIMENTOS

ASPECTOS GENERALES

El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir

Ronald A. Fisher, quin sent la base de la teora del Diseo
Experimental y a la fecha se encuentra bastante desarrollada y
ampliada. Actualmente las aplicaciones son mltiples, especialmente en
la investigacin de las ciencias naturales, ingeniera, laboratorios y casi
todas las ramas de las ciencias sociales.

La experimentacin proporciona los datos experimentales, en contraste

con los datos de la observacin; los datos de la observacin se
representan como su nombre indica por observaciones de las unidades
elementales de una poblacin o de una muestra, y no deben ser
cambiados ni modificados por ningn intento de parte de un
investigador en el curso de la observacin.

DISEO EXPERIMENTAL

Este trmino se utiliza para planear un experimento de manera que se

pueda obtener la informacin pertinente a un determinado problema
que se investiga y as tomar decisiones correctas.

Las tcnicas de Diseo de Experimentos se basan en estudiar

simultneamente los efectos de todos los factores de inters, son ms
eficaces y proporcionan mejores resultados con un menor coste.

El diseo adecuado del experimento es una etapa fundamental de la

experimentacin, que permite el suministro correcto de datos a
posteriori, los que a su vez conducirn a un anlisis objetivo y con
deducciones vlidas del problema.

PROPSITO DE UN DISEO EXPERIMENTAL

Es proporcionar mtodos que permitan obtener la mayor cantidad de

informacin vlida acerca de una investigacin, teniendo en cuenta el
factor costo y el uso adecuado del material disponible mediante mtodos
que permitan disminuir el error experimental.

PRINCIPIOS BSICOS AL PLANIFICAR UN EXPERIMENTO.

Existen tres principios que se deben tener en cuenta al planificar un

experimento:

El principio de aleatorizacin.
Aleatorizar: Todos aquellos factores
no controlados por el experimentador en el diseo experimental y que
pueden influir en los resultados sern asignados al azar a las unidades
experimentales.

El bloqueo.
Bloquear, es dividir o particionar las unidades
experimentales en grupos llamados bloques de modo que las
observaciones realizadas en cada bloque se realicen bajo condiciones
experimentales lo ms parecidas posibles.
A diferencia de lo que ocurre con los factores de tratamiento,
elexperimentador no est interesado en investigar las posibles
diferenciasde la respuesta entre los niveles de los factores de bloque.

La factorizacin del diseo.

Diseo Factorial: Es la estrategia
experimental que consiste en cruzar los niveles de todos los factores
tratamiento en todas las combinaciones posibles.

TRATAMIENTO

Los tratamientos vienen a constituir los diferentes procedimientos,

procesos, factores o materiales y cuyos efectos van a ser medidos y
comparados.

El tratamiento establece un conjunto de condiciones experimentales que

deben imponerse a una unidad experimental dentro de los confines del
diseo seleccionado. Ejemplos: Dosis de fertilizante, racin alimenticia,
profundidad de sembrado en algunas plantas, distanciamiento entre
plantas, variedades de un cultivo.

TESTIGO

El testigo es el tratamiento de comparacin adicional, que no debe faltar

en un experimento; por ejemplo, si se usan cinco tratamientos con
fertilizante, el testigo puede ser aquel tratamiento que no incluye
fertilizante. La eleccin del tratamiento testigo es de gran importancia
en cualquier investigacin, ste se constituye como referencial del
experimento y sirve para la comparacin de los tratamientos en
prueba.

UNIDAD EXPERIMENTAL

La unidad experimental, es el objeto o espacio al cual se aplica el

tratamiento y donde se mide y analiza la variable que se investiga. En
los experimentos pecuarios la unidad experimental por lo general esta
conformada por un animal (cuyo, cerdo, pato, etc.), en los experimentos
forestales la unidad experimental en la mayora de los casos esta
conformado por un rbol y en la mayor parte de las pruebas de campo
agrcolas, la unidad experimental es una parcela de tierra en lugar de
una planta individual; es en este ltimo caso que con frecuencia se
presenta lo que se llama efecto de borde.

FACTORES Y SUS NIVELES

Se denomina factor tratamiento a cualquier variable cuyo posible efecto

sobre los datos desea ser investigado. Los niveles de un factor
tratamiento sern los tipos o grados especficos del factor que se
utilizarn en el experimento. Los factores tratamiento pueden
sercualitativos o cuantitativos.

Como ejemplo de factores cualitativos y sus niveles respectivos son los

siguientes: proveedor, diferentes proveedores de una materia prima,
tipo de mquina (diferentes tipos o marcas de mquinas), trabajador
(los trabajadores encargados de hacer una tarea), tipo de procesador
( los procesadores de los que se quiere comparar su velocidad de
ejecucin) y de factores cuantitativos son: tamao de memoria
(diferentes tamaos de memoria de ordenadores), droga (distintas
cantidades de la droga), la temperatura (conjuntos de temperaturas
seleccionadas en unos rangos de inters).

Cuando en un experimento se trabaja con ms de un factor,

cadaobservacin es una medida en las condiciones determinadas por la
combinacin de niveles de los distintos factores tratamiento. Los diseos
en que existen observaciones de todas las posibles combinaciones de
niveles (tratamiento) se denominan experimentos factoriales.

REPETICIN

Viene a ser la reproduccin o rplica del experimento bsico (asignacin

de un tratamiento a una unidad experimental). Las principales razones
por las cuales es deseable la repeticin son: Primero por que
proporciona una estimacin del error experimental, siendo tal
estimacin confiable a medida que aumenta el nmero de repeticiones,
y segundo permite estimaciones ms precisas del tratamiento en
estudio.

VARIABLE RESPUESTA O VARIABLE DE INTERS

Es el dato que se recoge del experimento, el cual es de inters para el

investigador y que sirve para evaluar los tratamientos, por lo que es
importante precisar de antemano cul ser esta variable y en qu
unidades se medir.

FUENTE DE VARIACIN

Una fuente de variacin es cualquier cosa que pueda generar

variabilidad en la respuesta. Se distinguen dos tipos: aquellas cuyo
efecto sobre la respuesta es de particular inters para el
experimentador(factores tratamiento) y aquellas que no son de inters
directo pero que se contemplan en el diseo para reducir la variabilidad
no planificada(factores nuisance).

FACTORES NUISANCE
En cualquier experimento, adems de los factores tratamiento, cuyo
efecto sobre la respuesta se quiere evaluar, tambin influyen otros
factores, de escaso inters en el estudio, pero cuya influencia sobre la
respuesta puede aumentar significativamente la variabilidad no
planificada. Con el fin de eliminar esta influencia pueden incluirse en el
diseo nuevos factores que, atendiendo a su naturaleza, pueden ser de
diversos tipos.

Las posibles fuentes de variacin de un experimento pueden estar dadas

por:

Fuente
Las
condiciones
de
(Factores tratamiento)

Tipo
inters Planificada y sistemtica

Otras condiciones controladas. Planificada y sistemtica

(Factores nuisance)
Condiciones no controladas. (error No

planificada,

pero

de
medida,
experimental, ... )

material sistemtica?

ANLISIS DE LA VARIANZA

Es una tcnica estadstica que sirve para analizar la variacin total de los
resultados experimentales de un diseo en particular, descomponindolo
en fuentes de variacin independientes atribuibles a cada uno de los
efectos en que constituye el diseo experimental.

PRUEBAS DE COMPARACIN DE MEDIAS

Es propsito de todo investigador que realiza un anlisis de variancia de

un experimento en particular, realizar la prueba sobre el efecto de los
tratamientos en estudio, para ello hace uso de la prueba F el cual
indicar si los efectos de todos los tratamientos son iguales o diferentes;
en caso de aceptar la hiptesis de que todos los tratamientos no tienen
el mismo efecto, entonces es necesario realizar pruebas de comparacin
de promedios a fin de saber entre que tratamientos hay diferencias, y
para esto es necesario realizar pruebas de comparacin mltiple.

HIPTESIS ESTADSTICA

Es el supuesto que el investigador hace sobre el valor de un parmetro

(constante que caracteriza a una poblacin) el cual puede ser validado
mediante una prueba estadstica. En muchas investigaciones al realizar
un anlisis estadstico se utiliza el ANOVA (ANDEVA) de un diseo

experimental, la hiptesis a probar es si los tratamientos tienen el

mismo efecto sobre la variable que se estudia, es as como se tienen las
hiptesis planteada (Ho) e hiptesis alterna (Ha):

Ho: i = 0 (Los i tratamientos tienen el mismo efecto sobre la variable

en estudio)
Ha: i 0 (No todos los tratamientos tienen el mismo efecto sobre la
variable en estudio)

Al probar la hiptesis estadstica el investigador est propenso a

cometer los siguientes tipos de errores:

Error Tipo I: Se comete cuando se rechaza la hiptesis que se plantea,

siendo esta hiptesis falsa; la magnitud de este error es fijado por el
investigador y constituye el nivel de significacin de la prueba;
usualmente los valores usados como nivel de significacin son 0.10;
0.05 0.01.

Error tipo II: Se comete cuando se acepta la hiptesis que se plantea,

siendo esta hiptesis falsa; la magnitud de este error no se puede fijar,
pero si es posible minimizar utilizando un tamao adecuado de muestra.

COEFICIENTE DE VARIABILIDAD

Es una medida de variabilidad relativa (sin unidades de medida) cuyo

uso es para cuantificar en trminos porcentuales la variabilidad de las
unidades experimentales frente a la aplicacin de un determinado
tratamiento. En experimentacin no controlada (condiciones de campo)
se considera que un coeficiente de variabilidad mayor a 35% es elevado
por lo que se debe tener especial cuidado en las interpretaciones y
conclusiones; en condiciones controladas (laboratorio) se considera un

coeficiente de variabilidad mayor como elevado. La expresin estimada

del coeficiente de variabilidad es:

CV = RAIZ(CME) / Y

TRMINOS UTILIZADOS
Unidad experimental: son los objetos, individuos, intervalos de espacio o
tiempo sobre los que se experimenta.

Variable de inters o respuesta: es la variable que se desea estudiar y

controlar su variabilidad.

Factor: son las variables independientes que pueden influir en la

variabilidad de la variable de inters.

Niveles: cada uno de los resultados de un factor. Segn sean elegidos

por el experimentador o elegidos al azar de una amplia poblacin se
denominan factores de efectos fijos o factores de efectos aleatorios.

Tratamiento: es una combinacin especfica de los niveles de los factores

en estudio.

Observacin experimental: es cada medicin de la variable respuesta.

Tamao del Experimento: es el nmero total de observaciones recogidas

en el diseo.

Diseo Equilibrado o Balanceado: es aquel en el que todos los

tratamientos son asignados a un nmero igual de unidades
experimentales.

II.

DISEO COMPLETAMENTE ALEATORIZADO

En el Diseo de Experimentos al Completo Azar, el experimentador

asigna las unidades experimentales a los tratamientos al azar, con la
nica restriccin del nmero de observaciones que se tomarn en cada
tratamiento. Es el ms sencillo y se origina por la asignacin aleatoria de
tratamientos a un conjunto de unidades experimentales.

Para aleatorizar una tabla de nmeros aleatorios resulta conveniente

para elegir las unidades experimentales que recibir cada tratamiento.
Si cada tratamiento ha de repetirse cuatro veces, los primeros cuatro
nmeros aleatorios obtenidos se asignarn al tratamiento A, los
siguientes cuatro nmeros aleatorios al tratamiento B, y as
sucesivamente.

El diseo al completo azar se utiliza cuando las condiciones del sitio o

lugar experimental son totalmente homogneas

Sea ni el nmero de observaciones en el i-simo tratamiento, i = 1,...,I.

Entonces, los valores n1,n2,...,nI, determinan por completo las
propiedades estadsticas del diseo. Naturalmente, este tipo de diseo
se utiliza en experimentos que no incluyen factores bloque. El modelo
matemtico es de la forma: Respuesta = Constante + Efecto
tratamiento + Error.

El diseo al completo azar tiene varias ventajas y desventajas entre

estas se pueden menciona las siguientes:

Ventajes:

a)

Su sencillez (estadstico fcil). Aun cuando el dato de algunos

tratamiento se hayan perdido, o rechacen por alguna causa el mtodo
de anlisis sigue siendo sencillo. La prdida relativa de informacin
debida a los datos faltantes, es de menos importancia que en cualquier
otro sistema.

b)

La flexibilidad. Puede utilizarse cualquier nmero de tratamientos

y repeticiones y pueden variar a voluntad del investigador el numero de
repeticiones de un tratamiento a otro, pero no es recomendable sino
existe una buena razn. Todo el material experimental disponible puede
usarse, lo cual es una ventaja en experimentos preliminares pequeos
donde el material experimental de que se dispone es escaso.

c)

El nmero de grados de libertad es mximo en comparacin con

otros modelos, el modelo estadstico sigue siendo fcil an cuando se
pierdan unidades experimentales .

d)

An cuando el dato de algn tratamiento se hayan perdido, o

rechacen por alguna causa el mtodo de anlisis sigue siendo sencillo

Desventajas:

a)

La principal estriba en su grado de precisin, algn otro diseo

suele ser capaz de estimar el error stndar por unidad experimental
(error experimental) con un mayor grado de precisin

b)

No siempre puede garantizarse condiciones de homogeneidad. No

se asegura, ninguna forma para aseverar que las unidades reciben un
tratamiento similar a aquellas que reciben otro tratamiento, toda la

variacin que existe entre las unidades pasa a formar parte del error
experimental.

Por qu aleatorizar?

Para transformar la variabilidad sistemtica no planificada en

variabilidad no planificada o ruido aleatorio; en otros trminos: prevenir
contra la introduccin de sesgos en el experimento. La aleatorizacin
evita la dependencia entre observaciones y valida muchos de los
procedimientos estadsticos ms comunes.

Cuando puede ser apropiada la aleatorizacin?

La aleatorizacin puede ser apropiada si:

a)

El material experimental es homogneo.

b)

Donde es probable que una parte apreciable de las unidades se

destruyan o no respondan

c)

En experimentos pequeos en donde la mayor precisin de otros

diseos no compensa la prdida de grados de libertad del error.

PROCEDIMIENTO DE ANLISIS

Procedimiento

a.

Determinar el nmero de unidades experimentales (n) y

numerarlas. Es posible obtener n al multiplicar el nmero de
tratamientos por el nmero de repeticiones n = ( t * r).

b.

Asignar el nmero de unidades experimentales a cada

tratamiento utilizando una tabla de nmeros aleatorios o bien cualquier
otra herramienta que sirva para el mismo propsito. Por ejemplo si cada
tratamiento ha de repetirse cuatro veces, los primeros cuatro nmeros
aleatorios obtenidos se asignarn al tratamiento A, los siguientes cuatro
nmeros aleatorios al tratamiento B, y as sucesivamente.

c.

Una vez hecha la distribucin anterior (liberal b) se numeran las

unidades experimentales y se localizan los tratamientos de acuerdo al
nmero que les corresponde y se obtiene as las distribucin de campo.

Modelo Estadstico

Yij =

+ i

+ ij

En donde:
Yij

i
ij

Variable respuesta de la ij-esima unidad experimental

Efecto de la media general
Efecto del i-esimo tratamiento

Efecto del
experimental

error

experimental

asociado

la

i-esima

unidad

Anlisis de Varianza

Hiptesis Nula Ho:

i = 0 (Los i tratamientos tienen el mismo
efecto sobre la variable en estudio)

Hiptesis Alterna Ha:

i 0 (No todos los tratamientos tienen el
mismo efecto sobre la variable en estudio, al menos uno produce un
resultado distinto)

Tabla de Datos

Repeticiones

Yi.

Tratamient
os

Y11

Y12

Y12

. . .

Y1r

Y1 .

Y21

Y22

Y23

. . .

Y2r

Y2 .

Y31

Y32

Y33

. . .

Y3r

Y3 .

. . .

. . .

. . .

Yt1

Yt2

Yt3

. . .

Ytr

Supuestos

Los supuestos que validan el anlisis varianza son:

a.

Los errores son independientes

..

b.
c.

Los errores estn normalmente distribuidos con media cero y

varianza constante
Existe homogeneidad de varianza entre los tratamientos.

Fuentes de variacin y grados de libertad.

Para el anlisis de varianza se construye una tabla de anlisis de

varianza y se completan los datos. Existen slo dos fuentes de variacin
en el diseo completamente aleatorio: entre unidades experimentales
dentro de un tratamiento, la cual denominamos error experimental y
aquella entre medias de tratamiento.

Tabla de Anlisis de Varianza

Fuentes Grados
de
de
Variaci Liberta
n
d
Tratamie
n-tos

t-1

Cuadrados

Suma de
Cuadrados

Medios

[(Y2../r
Y2..)/(tr)]

Sctrat/gltot
al

Error

t(r
1)

Sctotal
SCtrat

Total

t r -1

[
(Yij2
Y ..)/ (tr) ]

Fc Calculada

Ft
Requeri
da

Scmedios/Cme
rror

- Scerror/gler
ror

Los grados de libertad son uno menos que el nmero de observaciones

para cada fuente de variacin.

Regla de Decisin

Rechazar la hiptesis Ho. Si Fc > Ft (Gltrat, Gl error, )

Aceptar la Hiptesis

Ha. Si Fc < Ft (Gltrat, Gl error, )

Ft = Valor tabular .

Coeficiente de Variacin

Se puede considerar como medida relativa de la variacin que no es

posible controlar en el experimento (error experimental), por costumbre
se utiliza como que se control adecuadamente el error cuanto el
coeficiente de variacin es menor de 20.

El coeficiente de variacin se calcula por medio de la frmula siguiente:

CV = ( Raiz(CM) / Y.. )*100

Y.. = Y.. / tr

Ejemplo de Aplicacin

Al probar concentraciones de 1, 2, 3 y 4 ppm de cierta encima ms un

control ( en que no se aadi encima) para estudiar el efecto en la
separacin de un jugo de naranja. A cada tratamiento se aplic 4 veces
y se us un diseo al completo azar. Se aadi agua a las 20 muestras y

se midi el tiempo de separacin (minutos) en cada muestra, los

resultados fueron los siguientes.

1.

Datos ordenados Factor de Correccin -

Datos

II

III

IV

Suma

suma2 /r

3.96

6.24

5.42

11.11

26.73

178.62

27.31

26.96

32.21

30.13

116.61

3399.47

35.30

34.71

36.75

38.38 145.14

5266.40

41.09

43.99

48.70

41.78 175.56

7705.33

48.90

47.61

50.38

49.61 196.50

9653.06

Suma

156.56

159.51

173.46

171.01 660.54 20

26202.8
9

Factor de Correccin (Fc) = Y2../rt

Fc = ( 660.542 / 20 ) = 21,815.65

Nota: r es el nmero de repeticiones y t el nmero de tratamientos. Si

el nmero de repeticiones no es el mismo para todos los tratamientos, el
divisor correcto es ri . Si por ejemplo, la primera repeticin del
tratamiento A estuviera ausente, el trmino de correccin sera:

Fc = (Y)2 para el caso objeto de estudio (656.58)/19

2.

Grados de Libertad.

De tratamientos (Gltrat) = t 1

Los grados de libertad son uno menos que el nmero de tratamientos

para cada fuente de variacin existiendo cinco tratamientos y, por tanto,
4 gl..

Gltrat = 5 1 = 4

Grados de libertad total (Gltot) = r * t - 1

Los grados de libertad total estn dados por el nmero de observaciones
totales menos 1, se dieron 20 observaciones por lo tanto tenemos 19
grados de libertad total,

Gltrat = 4 * 5 1 = 19

Grados de libertad del error (Gle) = GLtot - GLtrat

Los grados de libertar del error estn dados por el total de grados de
libertad del experimento (19) menos los grados de libertad de los
tratamientos (4), por lo que para el caso se tienen 15 grados de error.

Gle = 19 4 = 15

3.

Suma de cuadrados y Cuadrados Medios

Cuadrados de Yi

Datos

II

III

15.68

38.94

29.38

745.84

726.84 1,037.48

IV
123.43

Suma
207.43

907.82 3,417.98

1,246.09 1,204.78 1,350.56 1,473.02 5,274.46

1,688.39 1,935.12 2,371.69 1,745.57 7,740.77

2,391.21 2,266.71 2,538.14 2,461.15 9,657.22

Suma

6,087.21 6,172.40 7,327.26 6,710.9926,297.85

a.

Cuadrados de Tratamientos

SCtrat = (Yi)2 / r

Donde Yi totales de tratamientos y r el nmero de repeticiones en

cada tratamiento. Cuando el nmero de repeticiones no es el mismo
para todos los tratamientos (se ha perdido un dato), el cuadrado de un
total debe ser dividido entre el nmero de repeticiones y as
sucesivamente para cada tratamiento, los resultados as obtenidos se
suman para obtener el total.

SCtrat = 26,202.89 - 21,815.65 = 4,387.24

b.

Suma de Cuadrados Totales (Sctot).

SCtot
c.

= 26,297.85 - 21,815.65 = 4,482.20

Suma de cuadrados del error (Sce)

Sce = Sctrat - SCtot

Sce = 4,482.20 4,387.24 = 94.96

d)

Cuadrados Medios de Tratamientos (CMtrat)

Los cuadrados medios de los tratamientos estn dados por la suma de

cuadrados del error (Cce) dividido entre el nmero de repeticiones (r).

CMtrat = Sce /r

CMtrat = 4,387.24/4 = 1,096.81

e)

Cuadrados medios del error (Cme)

Los cuadrados medios del error estn dados por la suma de cuadrados
del error (Sce) dividido entre del error.

Cme = Sce/Gle

Cme = 94.96/15 = 6.33

4.

F Calculada

La Fc se calcula dividiendo los cuadrados medios de los tratamientos

entre el cuadrado medio del error.

Fc = Cmtrat/Cme

Fc = 1,096.81/6.33 = 173.27

5.

F Tabulada

La Ft se encuentra en una tabla diseada y elaborada para el efecto. La

forma de encontrar el valor es dependiendo del nivel de significancia.

Con un nivel de significancia del 1% se tiene:

Grados de libertad de tratamientos Gltrat

Grados

de
Libertad

del error

Gle

15

6.

4.89

Coeficiente de Variacin

CV = ( Raiz(CM) / Y.. )*100

Y.. = Y.. / tr

Y.. = 660.54 / 20 = 33.03

CV = ((Raiz(6.33)/ 33.03 ) * 100 = 7.62

De acuerdo al resultado obtenido y a la costumbre, se puede considerar

que en el ejemplo experimento existi un buen control del error
experimental, toda vez que 7.62 < 20.

7.

Cuadro de ANDEVA ANOVA

Fuente de

Grados

Suma de Cuadrado

Fc

Ft

de
Cuadrado
s Medios Calculada Tabulada
Libertad
s

Variacin
Tratamientos

4,387.24

1,096.81

Error

15

94.96

6.33

Total

19

4,482.20

8.

173.25

4.89

Interpretacin.

Fc (F calculada) 173.25 > Ft (F tabulada) 4.89. Como F calculada es

mayor de la F tabulada se rechaza la hiptesis nula, lo que quiere decir
que con el nivel de significancia del 1%, al menos un tratamiento es
diferente, por lo tanto se recomiendo aplicar una metodologa
complementaria.

III

UTILIZACIN DE EXCEL PARA CLCULO DEL DISEO

AL COMPLETO AZAR

Busque el men de Herramientas (Tools), luego ingrese a la ventana de

Anlisis de Datos (Data Anlisis), le aparecer una ventana con varias
funciones estadsticas, escoja la que diga ANOVA: Single Factor,
entonces le saldr una ventana que presentar las opciones siguientes:

Imput Range: El rango de los datos

Grouped By:

Si los tratamientos estn en columnas o filas

Output range:

Si quiere que los datos salgan en la misma hoja

Alpha:

En donde se define el nivel de significancia

New Worksheet Ply:

Si quiere que los datos salgan en otra hoja

Elija las opciones deseadas, ingrese los datos correspondientes, presione

la opcin aceptar y tendr el anlisis de variacin.

Bibliografa.

1.

Cochran&Cox (William G. Cochran y Gertrude M Cox), Diseos

experimentales, Editorial Trillas, S. A. Mxico, D F edicin 1965

2.

Mtodos Estadsticos para la investigacin en la Agricultura.

3.

Internet

Publicado por Ing. Luis Reyes en 10:27

Enviar por correo electrnico Escribe un blog Compartir con
Twitter Compartir con Facebook Compartir en Pinterest
Etiquetas: Diseo Experimental, Experimentos al Completo Azar
No hay comentarios:
Publicar un comentario en la entrada

Entrada ms recienteEntrada antiguaPgina principal

Suscribirse a: Enviar comentarios (Atom)
BUSCAR

Buscar

FACEBOOK
SEGUIR POR CORREO ELECTRONICO

Submit

CONTRIBUYENTESVISITAS TOTALES
Ing. Luis

391,054

Reyes
Rudy Alvarez
ENTRADAS POPULARES

Muestreo Simple Aleatorio

UNIVERSIDAD RURAL DE GUATEMALA MAESTRIA EN INVESTIGACIN Y
PROYECTOS CURSO: TCNICAS Y MTODOS DE INVESTIGACIN.
CATEDRTICO: INGENIERO LUIS...

MTODOS NUMRICOS CON MICROSOFT EXCEL(R)

UNIVERSIDAD DE SAN CARLOS FACULTAD DE AGRONOMIA CURSO
CORTO SOBRE: MTODOS NUMRICOS CON EXCEL Ing. Agr. Luis
Manfredo Reyes Chvez ...

Solucin de integrales paso a paso con Wolfram Alpha

SOLUCIN DE INTEGRALES PASO A PASO Luis Manfredo Reyes

Guatemala, Julio 2011 Finalmente, el sueo dorado de todo estudiante
de clculo se c...
ARCHIVO DEL BLOG

2014 (46)

2013 (5)

2011 (34)

agosto (1)

julio (33)

Prueba de Hiptesis para datos apareados con Excel...

Cmo resolver sistemas de ecuaciones en Excel??

Cmo Invertir matrices con Excel?

Solucin de integrales paso a paso con Wolfram Alp...

Teora Axiomtica de la Probabilidad

Estimacin de datos perdidos en el Diseo de bloq...

Integrales Dobles aplicadas en Estadstica

Software para Anlisis estadstico de Diseos Expe...

Programa para calcular valores de rea de la distr...

Anlisis de Regresin Logartmica

Anlisis de Regresin Geomtrica

Instalador del Paquete Matemtico Maxima

Visualizacin y Clculo de Volmenes de Slidos de...

Software Matemtico Mercury

Paquete Matemtico Maple (R)

Muestreo Simple Aleatorio

Introduccin a la Teora de Colas

Software para diseo de tuberas

Funciones de Probabilidad en Microsoft Excel

Paquete de Graficacin Graphmatica

Resolucin de Ecuaciones Diferenciales con Mathem...

Anlisis de Regresin Cuadrtica

Mdulo Estadstico para calculadoras Texas Instrum...

TEORIA BSICA DEL MUESTREO

PAQUETE COMPUTACIONAL MAXIMA

Diseo de Experimentos al Completo Azar

MTODOS DE CLCULO DE PI

VISUALIZACIN Y CLCULO DE VOLMENES DE

SLIDOS DE...

MTODOS NUMRICOS CON MICROSOFT EXCEL(R)

PRESENTACION GRFICA DE DATOS

Tablas Estadsticas de F entre 1% y 10%

Estadstica Inferencial con Microsoft Excel (R)

Valores de la Distribucion T Student

Con la tecnologa de Blogger .

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Departamento de Estadstica e Informtica
Ciclo 99-IIProfesor:
Jaime Porras
2
da
Prctica Dirigida de Mtodos Estadsticos para la Investigacin IDiseo
Completamente al Azar (D.C.A.) y Pruebas de Comparacin
Con la finalidad de estudiar el efecto de 5 raciones para cerdos, se
l l e v a c a b o u n experimento conducido en D.C.A.. Los resultados del
incremento de peso (en Kg.) alfinal del experimento se presentan a continuacin:
Observ.(j) RACIONES (i)
Total
R
1
R
2
R
3
R
4
R
5
1
4
.
2
2
8
4
.
5
2
9
4
.
9
9
4
5
.
6
2
6
4
.
8
9
1
2
4
.
3
3
0
4
.
9
5
6
4
.
3
7
3
5
.
3
7
3
5
.
1
4
2
3
3
.
7
9
1
4
.
1
6
0
5
.
6
4
2
4
.
9
3
2
5
.
0
0
2
4
4
.
0
0
8
4
.
6
5
0
5
.
1
2
4
4
.
8
4
3
3
.
9
9
2
5
3
.
9
1
0

3
.
8
9
1
4
.
5
6
2
.
2
1
7
4
.
8
1
0
.
i
n
5
5
5
5
5
Yi.
2 0 . 2 6 7 2 2 . 1 8 6 2 4 . 6 9
5 . 9 9 1 2 3 . 8 3 7 1 1 6 . 9 7
.
i
Y
4
.
0
5
3
4
4
.
4
3
7
2
4
.
9
3
.
1
9
8
2
4
.
7
6
7
4
4
.
6
7
9
2
i
S
0
.
0
4
9
6
0
.
1
7
5
0
.
2
4
8
0
.
1
0
2
7
0
.
2
0
3
4

==
=
51512
42461.554
i jij
Y
a)
Pruebe el supuesto de homogeneidad de variancias. Use

=0.01 b ) P r e s e n t e e l M o d e l o A d i t i v o L i n e a l y e x p l i q u e s u s
n e n t e s d e a c u e r d o a l enunciado del problema.
c)
Realice el Anlisis de Variancia y de sus conclusiones a un nivel de
significacindel 5%d ) C a l c u l e l o s e f e c t o s d e l o s t r a t a m i e n t o s
e)
Si el experimentador, antes de realizar el experimento pens que la racin 3 era
mseficiente que la racin 1 en por lo menos 3 Kg. Realice la prueba ms
conveniente,utilice un

=0.05
f)
Comparar la racin 1 con la racin 2 mediante la prueba D.L.S.. Use

=0.05
g)

5
6

9
0

5
4

compo

Utilice la Prueba de Duncan para comparar la racin 2 con la racin 3. Use

=0.05
h)
Utilice la prueba de Tukey para comparar la racin 4 con la racin 5. Use

=0.05
i)
Asumiendo que la racin 4 es utilizada como testigo. Rea
l i c e l a p r u e b a correspondiente, utilice un nivel de significacin del 5%
j)
Mediante contrastes ortogonales pruebe la hiptesis de que la racin 2 es igual
al promedio de las otras 4 raciones.