Você está na página 1de 13

INSTITUTO TECNOGICO DEL VALLE D MORELIA

DISEOS EXPERIMENTALES.

UNIDAD 3: ANALISIS DE VARIANZA Y DISEOS EXPERIMENTALES


BASICOS.

ING. AGRONOMIA
3.1 FUNDAMENTO DEL ANLISIS DE LA VARIANZA (ANOVA)
PARA CADA VALOR.

Principios del anlisis de varianza

El anlisis de varianza (ANOVA) es un conjunto de procedimientos que se ajustan


a las caractersticas del diseo experimental usado en la obtencin de datos. No
es un mtodo fijo, por el contrario, se adapta a cada diseo particular. Si el diseo
es unifactorial se aplica ANOVA de clasificacin simple o de una va;si el diseo es
multifactorial, el ANOVA correspondiente ser de dos vas (dos factores), de tres
vas (tres factores), etc. Si se tiene un factor y una variable de agrupacin (diseo
de bloques) el ANOVA tambin es de dos vas. Si se tiene un factor y dos variables
de agrupacin (diseo de cuadro latino) el ANOVA ser de tres vas, esto se
generaliza al caso de n-vas de clasificacin.

Modelo I: Efectos fijos.

El modelo de efectos fijos de anlisis de la varianza se aplica a situaciones en las


que el experimentador ha sometido al grupo o material analizado a varios factores,
cada uno de los cuales le afecta slo a la media, permaneciendo la "variable
respuesta" con una distribucin normal.

Este modelo se supone cuando el investigador se interesa nicamente por los


niveles del factor presentes en el experimento, por lo que cualquier variacin
observada en las puntuaciones se deber al error experimental.

Modelo II: Efectos aleatorios (componentes de varianza).

Los modelos de efectos aleatorios se usan para describir situaciones en que


ocurren diferencias incomparables en el material o grupo experimental. El ejemplo
ms simple es el de estimar la media desconocida de una poblacin compuesta de
individuos diferentes y en el que esas diferencias se mezclan con los errores del
instrumento de medicin.
Este modelo se supone cuando el investigador est interesado en una poblacin
de niveles, tericamente infinitos, del factor de estudio, de los que nicamente una
muestra al azar (t niveles) estn presentes en el experimento.

Grados de libertad.

Los grados de libertad pueden descomponerse al igual que la suma de cuadrados.


As, GLtotal = GLentre + GLdentro. Los GLentre se calculan como: a - 1, donde a
es el nmero de tratamientos o niveles del factor. Los GLdentro se calculan como
N - a, donde N es el nmero total de observaciones o valores de la variable
medida (la variable respuesta).

Pruebas de significacin.

El anlisis de varianza lleva a la realizacin de pruebas de significacin


estadstica, usando la denominada distribucin F de Snedecor.

Tablas ANOVA.

Una vez que se han calculado las sumas de cuadrados, las medias cuadrticas,
los grados de libertad y la F, se procede a elaborar una tabla que reuna la
informacin, denominada "Tabla de Anlisis de varianza o ANOVA", que adopta la
siguiente forma:

Fuente de Suma de Grados de Cuadrado medio F


variacin cuadrados libertad

Intergrupo t1

Intragrupo o N-t
Error

Total N-1

3.2. DISEO COMPLETAMENTE ALEATORIO (DCA).


Es el diseo ms simple y sencillo de ralizar, en el cual los tratamientos se
asignan al azar entre las unidades experimentales (UE) o viceversa. Este diseo
tiene amplia aplicacin cuando las unidades experimentales son muy homogneas
es decir la mayora de los factores actan por igual entre las unidades
experimentales. Esta situacin se presenta en los experimentos del laboratorio
donde casi todos los factores estn controlados tambin en ensayos clnicos y el
la experimentacin industrial.

Fernndez, P. E y col. 1991. Manual de clases prcticas de Experimentacin


Agrcola. UNAH. La Habana.

3.2.1 CARACTERSTICAS DEL (DCA).


El diseo completamente al azar es una prueba basada en el anlisis de varianza,
en donde la varianza total se descompone en la varianza de los tratamientos y la
varianza del error.

El objetivo es determinar si existe un diferencia significativa entre los tratamientos,


para lo cual se compara si la varianza del tratamiento contra la varianza del
error y se determina si la primera es lo suficientemente alta segn la distribucin
F.

Se definen los t tratamientos que se van a aplicar a las n unidades


experimentales, de tal forma que a r unidades experimentales les va a
corresponder un tipo de tratamiento.
Las unidades experimentales se sortean para la asignacin a cada
tratamiento. Se define la variable a medir.

Diseo y Anlisis de Experimentos. Douglas C. Montgomery. Grupo Editorial


Iberoamerica. 2002.Bioassay. John J. Hubert . Third Edition.1992.

3.2.2. ANLISIS DE LA DCA CON MS DE 2 TRATAMIENTOS Y EL


MISMO NMERO DE OBSERVACIONES POR UNIDAD
EXPERIMENTAL.
Modelo matemtico.

ij i ij Y = + T + e

Yij= es el j simo elemento perteneciente al i simo tratamiento.

= es la media general.

Ti = efecto debido al i simo tratamiento.

Eij= error experimental asociado al j simo elemento del i simo tratamiento.


EJEMPLO:

1.-Se realiz un experimento en el cultivo del pltano fruta (Musa AAAB), clon
FHIA 01v1 utilizando un diseo completamente al azar con el objetivo de evaluar 3
frecuencias de riego. Los tratamientos fueron los siguientes:

T1: Regar diariamente (7riegos). T2: Regar interdiario (3,5 riegos) T3: Regar cada
3 das (2 riegos semanales).

Se prob cada frecuencia en un campo de una unidad rotacional en un sistema de


riego localizado. En cada campo se muestrearon 20 plantas.

Para evaluar los tratamientos se utiliz como variable:


Como se observa en la tabla la Fcal es mayor que la Ftab por lo que podemos
concluir diciendo que existen diferencias significativas entre los tratamientos, pero
no sabemos entre cuales por lo que debemos aplicar una prueba de comparacin
de medias. .

Comparacin de medias por la prueba de Duncan.


Como podemos observar en la prueba de comparacin de medias entre el
tratamiento 1 y 2 no existen diferencias; ambos tratamientos difieren del
tratamiento 3, por lo que podemos aplicar cualquiera de los dos normas de riego o
sea T1 o T2.

Olivares, S.E. 1992. Nota de diseos experimentales con aplicacin a la


experimentacin agrcola y primara. Universidad autnoma de nueva len. Mxico.

3.2. ANLISIS DE LA DCA CON DIFERENTE NMERO DE


OBSERVACIONES POR TRATAMIENTO Y SUS ANLISIS E
INTERPRETACIN.
Este diseo constituye una excepcin dentro de los diseos de bloque por el
hecho de que en su estructura no existe una organizacin en bloques de los
tratamientos experimentales.

Exige unidades experimentales homogneas.

Los tratamientos y las rplicas se asignan al azar a las unidades experimentales.

Este diseo puede ser utilizado para experimentos unifactoriales y multifactoriales.

Es propio para experimentos de laboratorios y semi laboratorios.

La principal dificultad del mismo es su bajo grado de precisin, por cuanto no tiene
restricciones en lo que se refiere a la ubicacin de los tratamientos, por lo que
stos no aparecen en grupos ms homogneos. Como la aleatorizacin no es
restringida de manera alguna, para asegurar que las unidades que reciben un
tratamiento sean similares a las que reciben otro tratamiento, toda la variacin
entre las unidades experimentales se refleja en el error experimental. Sin embargo
esto es compensado en parte por el mayor nmero de grados de libertad que se
logran para el error, con un mismo nmero de tratamientos y unidades
experimentales.

Modelo matemtico.

ij i ij Y = + T + e

Yij= es el j simo elemento perteneciente al i simo tratamiento.

= es la media general.

Ti = efecto debido al i simo tratamiento.

Eij= error experimental asociado al j simo elemento del i simo tratamiento


En la tabla de anlisis de varianza si se encontr que la Fcal es mayor que la Ftab
a ambos niveles de significacin, por lo tanto se rechaza la hiptesis nula,
entonces se concluye que al menos un tratamiento es diferente a los dems, sin
embargo, no se sabe que tratamientos son iguales o diferentes, por lo que es
necesario hacer una comparacin de medias.

Olivares, S.E. 1992. Nota de diseos experimentales con aplicacin a la


experimentacin agrcola y primara. Universidad autnoma de nueva len. Mxico.

3.3 DISEO DE BLOQUES COMPLETAMENTE AL AZAR.


Definicin de bloques completos al azar

Este es el ms simple y quizs el ampliamente usado de los diseos de bloques al


azar que es definido por Hinkelman(1994) as: El material experimental es dividido
en b grupos de t unidades experimentales (UE) cada uno, donde t es el nmero
de tratamientos , tales que las UE dentro de cada grupo son lo ms homognea
posible y las diferencias entre las UE sea dada por estar en diferentes grupos. Los
conjuntos son llamados bloques. Dentro de cada bloque las UE son asignadas
aleatoriamente, cada tratamiento ocurre exactamente una vez en un bloque.

Si la variacin entre las UE dentro de los bloques es apreciablemente pequea en


comparacin con la variacin entre bloques, un diseo de bloque completo al azar
es ms potente que un diseo completo al azar.

Estadstica industrial moderna. Diseo y control de la calidad y la confiabilidad.


Ron Kenett, Shelemyahu Zacks. Internacional Thompson editores. 2000.

3.3.1. CARACTERSTICAS DEL DBA.


Es el de ms fcil ejecucin.

El bloque es la unidad bsica y es igual a las rplicas porque contiene todas las
variantes, las que estn distribuidas al azar. La forma de los bloques puede ser
cuadrada o rectangular.

El diseo es idneo para experimentos de variedades, as como experimentos


agrotcnicos. Puede ser utilizado en experimentos unifactoriales y multifactoriales.

La forma, el tamao y la orientacin de los bloques se deben hacer buscando la


homogeneidad dentro de ellos.

Los tratamientos se asignan al azar dentro de cada bloque.


El nmero de tratamientos no deben ser muy grandes, con el fin de garantizar la
homogeneidad de cada bloque.

Este diseo tiene el inconveniente que solo se puede eliminar la variabilidad entre
rplicas.

Entre sus ventajas podemos sealar:

Economa en el trabajo experimental.


Puede utilizarse tanto un nmero pequeo o grande de variantes.
Puede aplicrsele anova a loa datos (elimina el efecto de la desigualdad de
la fertilidad y establece la diferencia entre variantes con mayor seguridad.

El diseo tiene el inconveniente, que solo se puede eliminar la variabilidad de la


fertilidad del suelo entre rplicas, siendo en este sentido inferior a otros diseos
ms complejos.

Lerch G. 1977.La experimentacin en las ciencias biolgicas y agrcolas. Ed.


Cientif. Tc. La Habana.

3.3.2. ANLISIS DEL DBA.

Cuando las unidades experimentales no son todas iguales, la variacin entre ellas
puede enmascarar los verdaderos efectos de los tratamientos.

El diseo en bloques al azar, se refiere a un mtodo para soslayar la


heterogeneidad de las unidades experimentales.

El termino heterogeneidad no es absoluto sino que depende de los tratamientos


que se consideren en un experimento. La edad, la raza y el sexo, pueden o no ser
fuertes de heterogeneidad segn la naturaleza del experimento. Sin embargo, en
la mayora de los experimentos biolgicos que se refiere a nutricin y a
enfermedades, resultan ser importantes fuentes de heterogeneidad y debern
tomarse en consideracin al disear el experimento. (Li, 1969)

La esencia de este diseo estriba en que el material experimental se divide en


grupos homogneos, cada uno de los cuales constituye sola prueba o repeticin.
(Cochran y C oxv, 1962)

El diseo de bloques al azar, se compone de dos etapas. La primera consiste en


reunir entre si las unidades parecidas para formar un grupo homogneo; el grupo
as formado recibe el nombre de bloque. La segunda etapa consiste en asignar
aleatoriamente los diversos tratamientos alas unidades experimentales dentro de
cada bloque.
Comparados con el diseo completamente al azar, los grados de libertad para el
error experimental se reduce por el nmero de grados de libertad en los bloques.
La variabilidad del bloque se elimina a partir del error experimental. Por lo tanto,
entre mayor sea la variabilidad entre bloques, ms eficiente ser el modelo en lo
que se refiere a su capacidad para detectar posibles diferencias debidas a los
tratamientos. (Little y Hills, 1976)

Los experimentos en bloques al azar tienen, de acuerdo con cochran y Cox,


(1962) las siguientes ventajas:

Mediante el bloqueo se obtienen resultados ms exactos que cuando se utiliza el


diseo completamente aleatorio.

Puede incluirse cualquier nmero de tratamientos y repeticiones.

Los accidentes que hagan necesaria la omisin de un grupo completo o de todos


los datos de uno o ms tratamientos no origina ninguna complicacin en el
anlisis.

Si la varianza del error experimental es mayor para algunos tratamientos que


para otros an puede obtenerse un error insesgado para probar cualquier
combinacin especifica de las medias de los tratamientos.

Las medias de las repeticiones dan comparaciones insesgadas de las diferencias


entre las repeticiones.

3.3.3. DBA CON VARIAS OBSERVACIONES POR UNIDAD


EXPERIMENTAL
En los diseos con submuestreo e toma al azar ms de una observacin por
unidad experimental.

El submuestreo nos permite. Adems de estudiar la variabilidad entre unidades


experimentales bajo condiciones similares, estimar la variabilidad de
observaciones en las unidades experimentales (Martnez, 1998)

3.3.4. DBA CON DESIGUAL NUMERO DE OBSERVACIONES POR


UNIDAD EXPERIMENTAL
En algunos experimentos, pueden obtenerse de varias observaciones en cada
unidad experimental. Si estas observaciones estn todas en la misma
caracterstica, el proceso para obtener las observaciones es frecuentemente
llamado submuestreo (Martnez, 1998)
3.4. DISEO CUADRO LATINO (DCL)
El agrupamiento de las unidades experimentales en dos direcciones (filas y
columnas) y la asignacin de los tratamientos al azar en las unidades, de tal forma
que en cada fila y en cada columna se encuentren todos los tratamientos
constituye un diseo cuadrado latino.

Formacin de cuadrados latinos

Suponga 4 tratamientos A, B, C y D, con estos tratamientos se pueden formar 4


cuadros diferentes llamadas tpicas o estndar (en la primera fila y en la primera
columna se tiene la misma distribucin).

De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros
diferentes. Los diseos en cuadrados latinos son apropiados cuando es necesario
controlar dos fuentes de variabilidad. En dichos diseos el nmero de niveles del
factor principal tiene que coincidir con el nmero de niveles de las dos variables de
bloque o factores secundarios y adems hay que suponer que no existe
interaccin entre ninguna pareja de factores.

Supongamos que el nmero de niveles de cada uno de los factores es K. El


diseo en cuadrado latino utiliza K2 bloques, cada uno de estos bloques
corresponde a una de las posibles combinaciones de niveles de los dos factores
de control. En cada bloque se aplica un solo tratamiento de manera que cada
tratamiento debe aparecer con cada uno de los niveles de los dos factores de
control.

Si consideramos una tabla de doble entrada donde las filas y las columnas
representan cada uno de los dos factores de bloque y las celdillas los niveles del
factor principal o tratamientos, el requerimiento anterior supone que cada
tratamiento debe aparecer una vez y slo una en cada fila y en cada columna.

3.4.1. CARACTERSTICAS DEL DCL


1. elimina el efecto 2 heterogeneidades

2. Las u.e. se distribuyen en grupos, bajo dos criterios de homogeneidad dentro


de la fila y dentro de la columna y heterogeneidad en otra forma.

3. En cada fila y en cada columna, el nmero de unidades es igual al nmero de


tratamientos.
4. Los tratamientos son asignados al azar en las unidades experimentales dentro
de cada fila y dentro de cada columna.

5. El nmero de filas = nmero de columnas = nmero de tratamientos.

6. Los anlisis estadsticos T-student, Duncan, Tuckey y en pruebas de contraste


se procede como el diseo completo al azar y el diseo de bloques. La desviacin
estndar de la diferencia de promedios y la desviacin estndar del promedio,
estn en funcin del cuadrado medio del error experimental.

3.4.2. ANLISIS DE VARIANZA DEL DCL

Yijk=m+Hi+Cg+tk+EE

Dnde:

Yijk= variable en estudio

M=efecto de la media general

Hi= efecto de las hileras

Cd= efecto de la columnas

tk= efecto de los tratamientos

EE= efecto del error experimental

i= i-esima hilera

j= j-esima columna

k= k-esima tratamiento

Sea Yij la observacin en la interseccin de la fila i-sima con la columna j-sima.


Esto ubica cualquier observacin, pero no dice nada respecto al tratamiento
aplicado. Un tercer subndice puede desorientar, haciendo pensar que se tiene r 3
en vez de r 2 observaciones. Por ejemplo, el tratamiento aparece una vez en cada
una de las r filas, una vez en cada una de las r columnas, pero solamente r veces
en total; as que t = 1 supone un conjunto de variables i, j, con un nmero r. Lo
mismo puede decirse para los otros valores de t. (Little y Hills, 1976).

Bibliografa.
Fernndez, P. E y col. 1991. Manual de clases prcticas de Experimentacin
Agrcola. UNAH. La Habana.

Lerch G. 1977.La experimentacin en las ciencias biolgicas y agrcolas. Ed.


Cientif. Tc. La Habana.

Olivares, S.E. 1992. Nota de diseos experimentales con aplicacin a la


experimentacin agrcola y primara. Universidad autnoma de nueva len. Mxico.

Estadstica industrial moderna. Diseo y control de la calidad y la confiabilidad.


Ron Kenett, Shelemyahu Zacks. Internacional Thompson editores. 2000.