UNIVERSIDAD DE PANAM

VICERRECTORA DE INVESTIGACIN Y POSTGRADO

FACULTAD DE CIENCIAS AGROPECUARIAS

PROGRAMA DE MAESTRA EN CIENCIAS AGRCOLAS CON

NFASIS EN MANEJO DE SUELOS Y AGUAS.
Diseos experimentales
MCSA 701
Mdulo 1
29 de Septiembre 2017
A. Conceptos y principios fundamentales de
experimentacin.
Diseo de Experimentos
Es la aplicacin del mtodo cientfico para dar informacin de un
proceso por medio de las pruebas planteadas adecuadas.

Conjunto de tcnicas estadsticas y de ingeniera que permiten entender

mejor situaciones complejas de relacin causa-efecto.
Definiciones Bsicas
Experimento: Es un cambio en las condiciones de operacin de
un sistema o proceso, que se hace con el objetivo de medir el efecto
del cambio en una o varias propiedades del producto o resultado.

Unidad experimental: Pieza(s) o muestra(s) que se utiliza

para generar un valor que sea representativo del resultado de la
prueba.
Variables, Factores y Niveles
Variable de respuesta: A travs de esta(s) variable(s) se
conoce el efecto o los resultados de cada prueba experimental.

Factores controlables: Son variables de proceso y/o

caractersticas de los materiales y los mtodos experimentales que se
pueden fijar en un nivel dado.
Variables, Factores y Niveles
Factores no controlables: Son variables que no se pueden
controlar durante el experimento o la operacin normal del proceso.
Factores estudiados: Son las variables que se investigan en el
experimento para observar cmo afectan o influyen en la variable de
respuesta.
Niveles y Tratamientos
Niveles: los diferentes valores que se asigna a cada factor
estudiado en un diseo de experimento.

Tratamiento: Combinacin de niveles de todos los factores de

estudio.
 Error
Error aleatorio: Es la variabilidad observada que no se
puede explicar por los factores estudiados; resulta del pequeo
efecto de los factores no estudiados y del error experimental.
Error experimental Componente del error aleatorio que refleja
los errores del experimentador en la planeacin y ejecucin del
experimento.
Error experimental: Componente del error aleatorio que
refleja los errores del experimentador en la planeacin y
ejecucin del experimento.
 Etapas del Diseo de Experimentos
Planeacin y Realizacin: Son actividades encaminadas a entender, delimitar el
problema u objeto de estudio y seleccionar variables de respuesta y factores.
1. Entender y delimitar el problema u objeto de estudio.
2. Elegir las variables de respuesta que ser medida en cada punto del diseo y
verificar que se mide de manera confiable.
3. Determinar cuales factores deben estudiarse o investigarse de acuerdo a la
supuesta influencia que tiene sobre la respuesta.
4. Seleccionar los niveles de cada factor, as como el diseo experimental
apropiado a los factores que se tienen y a los objetivos del experimento.
5. Planear y organizar el trabajo experimental.
6. Realizar el experimento.
 Anlisis

La tcnica estadstica central en el anlisis de los

experimentos es el llamado anlisis de varianza
ANOVA (siglas en ingls).
 Interpretacin
Aqu, con el respaldo del anlisis estadstico formal, se debe analizar
con detalle lo que ha pasado en el experimento:
contrastar las conjeturas iniciales con los resultados del
experimento.
observar los nuevos aprendizajes que sobre el pro- ceso se lograron.
verificar supuestos.
elegir el tratamiento ganador, siempre con apoyo de las pruebas
estadsticas.
 Control y conclusiones

Decidir qu medidas implementar para generalizar el

resultado del estudio y para garantizar que las mejoras
se mantengan. Adems, es preciso organizar una
presentacin para difundir los logros.
 Consideraciones prcticas sobre el uso e
mtodos estadsticos
Es necesario reconocer que las metodologas estadsticas por si
solas no garantizan investigaciones exitosas, es importante
considerar:

El conocimiento estadstico es vital.

Reconocer las diferencias entre significancia estadstica e
importancia prctica.

Apostar mas a la experimentacin secuencial que a un

experimento nico y definitivo.
 Principios Bsicos
Aleatorizacin: Consiste en hacer corridas experimentales en
el orden aleatorio; este principio aumenta la posibilidad que
el supuesto de independencia.

Repeticin: Es correr ms de una vez un tratamiento o

combinacin .
Bloque
Clasificacin y seleccin de los diseos experimentales

Cinco aspectos que influyen en la seleccin

1.El objetivo del experimento.

2.El nmero de factores a estudiar.
3.El nmero de niveles que se prueban en cada factor.
4.Los efectos que interesan investigar.
5.El costo del experimento, tiempo y precisin deseada.
 Clasificacin

1.Diseo para comparar dos o mas efectos.

2.Diseo para estudiar el efecto de varios factores sobre
las respuestas.
3.Diseo para determinar el punto optimo de la
operacin del proceso.
4.Diseo para la optimizacin de una mezcla.
5.Diseo para hacer productos o procesos insensibles a
factores no controlables.
Clasificacin de los Diseos de Experimentos

Clasificacin de los Diseos de Experimentos

1. Diseos para comparar dos o ms tratamientos.
a.Diseo completamente al azar
b.Diseo de bloques completos al azar
c.Diseo de cuadros latino y grecolatino
Clasificacin de los Diseos de Experimentos

2. Diseos para estudiar el efecto de varios factores

sobre una o ms variables de respuesta.
a.Diseos factoriales 2k
b.Diseos factoriales 3k
c.Diseos factoriales fraccionados 2 k p
 Clasificacin de los Diseos de Experimentos

3. Diseos para la optimizacin de procesos.

a.Diseos para el modelo de primer orden.
Diseos factoriales 2k y 2k p
Diseo de Plakett-Burman
Diseo simplex
b.Diseos para el modelo de segundo orden.
Diseo de composicin central
Diseo de Box-Behnken
Diseos factoriales 3k y 3k p
Clasificacin de los Diseos de Experimentos

4. Diseos robustos.
a.Arreglos ortogonales (diseos factoriales)
b.Diseo con arreglos interno y externo
5. Diseos de mezclas
a.Diseo simplex-reticular
b.Diseo simplex con centroide
c.Diseo con restricciones
d.Diseo axial
Sntesis sobre las escalas de medicin y sus principales caractersticas.

Atributos: Orden (Ord), Distancia (Dis), Origen (Ori)

Fuente: Ajustado de http://digitool.gsl.com.mx:1801/webclient/StreamGate?folder_id=0&dvs=1506547666013~423
B. El diseo Completamente al Azar, en
Bloques al Azar y Cuadrado Latino.
 Anlisis Estadstico en Estudios Comparativos
a. Pruebas t
b.Anlisis de Varianza
c. DCA y Tcnicas No-paramtricas
d.Estructura de Parcelas, Tratamientos y Aleatorizacin.
e.DBCA y Estructura Factorial de Tratamientos.
f. DCL y DPD.

23
Estudios Planificados

24
Estudios Planificados

25
Vocabulario asociado a Proyectos de Investigacin
que generan Datos
Unidad Experimental
Unidad Observacional
Factor, niveles de los factores
Tipo de Factores: cualitativos y cuantitativos
Tratamientos
Repeticin. Pseudo-rplicas
Submuestras
Contraste o comparacin
Precisin

26
 Preguntas asociadas a Proyectos de Investigacin
que generan Datos
Cuntos tratamientos se desean estudiar?
Cuntas veces necesita observar la respuesta?
Es necesario observar la evolucin de la respuesta en el tiempo?
Cules son las unidades experimentales?
Cules son las unidades de observacin?
Son las unidades experimentales homogneas?
Son las unidades experimentales suficientes para realizar todos
los tratamientos?
Cmo se asignan los tratamientos a las unidades experimentales?
El objetivo del experimento, es la comparacin y/o la estimacin?
Los tratamientos tienen alguna estructura?
Puede el diseo resultante ser analizado y/o las comparaciones
deseadas llevadas a cabo?.

27
Comparacin de dos medias (prueba t)
La prueba t de Student proporciona el mtodo para
comparar las medias de dos muestras independientes o
dependientes (apareadas).
Muestras aleatorias independientes: los tratamientos se
asignan a diferentes unidades experimentales al azar

Hiptesis para las 2 Hiptesis para las

H0 :12 22 H0 : 1 2
H1:12 22 H1: 1 2
Tipos de errores en pruebas de hiptesis:
Error Tipo I : rechazar H0 cuando es verdadera ( )
Error Tipo II: aceptar H0 cuando es falsa ( )
28
 Ejemplo prueba de t para dos muestras
independientes
Se tienen datos de dos procedencias de pino honreo, las que
van a compararse sobre la base de su produccin en volumen.
Los volmenes (m3) de 11 rboles de cada procedencia son:
Procedencia 1: 11, 5, 9, 8, 10, 11, 10, 8, 11, 8, 8
Procedencia 2: 9, 6, 9, 9, 13, 8, 6, 5, 6, 10, 7
Prueba T para muestras Independientes
Clasific Variable Grupo(1) Grupo(2) n(1) n(2)
Procedencia Volumen {1.00} {2.00} 11 11

media(1) media(2) p(Var.Hom.) T p prueba

9.00 8.00 0.4775 1.12 0.2768 Bilateral

29
 Comparacin de dos medias (prueba t)
Muestras dependientes: los tratamientos se aplican a pares de unidades
experimentales gemelas o parecidas; aleatorizando dentro de los pares

Hiptesis
H0 : 1 2 0 H1: 1 2 0
Ejemplo:
Un tcnico desea evaluar el comportamiento de dos tipos de picos aspersores de riego. Para esto
Selecciona 10 campos aleatoriamente, y en cada uno de ellos pone a prueba los 2 picos. Se conoce
que el tipo de agua influye sobre la calidad de la aspersin, ya que las sales disueltas en ella suelen
tapar los picos. Por este motivo, la variable a evaluar es el caudal entregado por los picos luego de
1 mes de funcionamiento. Los datos obtenidos en litros por hora son los siguientes:
Productor 1 2 3 4 5 6 7 8 9 10
Pico A 9 7 9 10 11 5 8 4 11 7
Pico B 5 4 4 6 10 6 7 3 10 7
Prueba T (muestras apareadas)
Obs(1) Obs(2) N media(dif) DE(dif) T Bilateral
Pico A Pico B 10 1.90 1.97 3.05 0.0138

30
 Anlisis de Varianza (ANAVA)
La tcnica de anlisis de la varianza presupone un modelo para la
variable respuesta. Permite descomponer la variacin total de las
observaciones en la variacin entre tratamientos y la variacin
dentro de tratamientos (entre unidades experimentales que reciben
el mismo tratamiento).

Se denomina modelo lineal de ANAVA (a una va de

clasificacin) para la observacin Yij a:
Yij = + i + ij , con i=1,...,a y j=1,..,n
donde:
Yij es la j-sima observacin del i-simo tratamiento
es la media general de las observaciones
i es el efecto del i-simo tratamiento
ij es una variable aleatoria normal independientemente distribuida con
esperanza 0 y varianza 2 i,j.

31
 El objetivo del ANAVA
Es en los efectos fijos, contrastar la hiptesis de que los
efectos de tratamientos son nulos versus que al menos uno
no lo es. En trminos estadsticos:

H0: 1=...=a= 0

H1: Al menos un tratamiento tiene efecto no nulo.

Otra forma de enunciar estas hiptesis es que las medias de
los tratamientos que se comparan son idnticas vs. que no lo
son.
32
 Ejemplo de diseo completo al azar
Enseguida se ilustra el procedimiento de anlisis de
los datos procedentes de un diseo completamente
al azar, en el cual se evaluaron cuatro tratamientos
(dosis de fertilizante) sobre la altura, a los 20 das
de una especie vegetal (cm). La asignacin de los
tratamientos a las unidades experimentales se
ilustra en la fig. Como se aprecia en la figura 11,
cada uno de los tratamientos (dosis de fertilizante
en gramos) tuvo cuatro repeticiones. Los
tratamientos fueron: tratamiento 1, sin fertilizante;
tratamiento 2, 10 g; tratamiento 3, 20 g;
tratamiento 4, 30 g.
En la tabla 8 se presentan los resultados
organizados, con el objeto de facilitar los clculos y
la prueba de hiptesis.
Ejemplo de diseo completo al azar

Suma de todos los datos: yij = 10 + 15 + 25 ++ 29 = 334

Factor de correccin:
 Prueba de Hiptesis
Estos resultados se organizan en la tabla de ANAVA, la cual facilita
algunos clculos e ilustra de manera general los resultados obtenidos.
En el ANAVA del ejemplo propuesto.
Las hiptesis son:
Ho: 0 = 10 = 20 = 30 versus
H1: Al menos un par de dosis produce efectos diferentes sobre la
altura de la planta.
Esto es equivalente a decir que la hiptesis nula establece que no hay
diferencia en la altura promedio de las plantas entre las cuatro dosis
de fertilizante, versus la hiptesis alternativa, que expresa que al
menos entre dos de las dosis se obtuvieron alturas promedio
estadsticamente diferentes.
 Ejemplo2 : Diseo de bloques completos al aza
(DBCA)

Los datos corresponden a un experimento realizado con el

propsito de establecer el efecto de seis arreglos agroforestales
sobre el aporte de biomasa al suelo (t/ha/ao). El diseo
correspondi a un diseo de bloques completos al azar, con seis
(6) tratamientos (arreglos) y tres (3) repeticiones o bloques.
Modelo estadstico
El modelo estadstico correspondiente al diseo en bloques completos
al azar est dado por:
Donde,
Prueba de Hiptesis
La principal hiptesis de inters es con respecto al efecto de los
tratamientos:

Tambin se puede probar la hiptesis con respecto al efecto de los

bloques:
 Diseo de bloques completos al aza (DBCA)
En el siguiente diagrama se presenta el esquema del experimento con la ubicacin
de los tratamientos (arreglos), los cuales se fueron aleatorizados
independientemente en cada uno de los bloques (filas); los bloques se definieron
con base en la pendiente del terreno.
Resultados organizados, con el objeto de facilitar
los clculos y las pruebas de hiptesis.
Datos sobre el aporte de biomasa al suelo (t/ha/ao), organizados para su
anlisis.
A continuacin se presentan los clculos con
base en los datos:
Suma de los valores de todas las unidades experimntales:

Suma de los valores de todas las unidades experimentales:

Suma de los cuadrados de las observaciones
Hiptesis y Conclusiones
Las hiptesis son:
Ho: 1 = 2 = 3 = 4= 5 = 6
versus
H1: Al menos un par de tratamientos produce
efectos diferentes sobre el aporte de biomasa.
Los resultados del ANAVA se relacionan al ejemplo 2: Al comparar los
valores de F calculados (Fc), tanto para tratamientos como para
bloques, con el valor de F terico10, se concluye que existen
diferencias estadsticas significativas ( = 0,01) entre los arreglos
agroforestales (Ft (2,10) = 7,56; es menor que 109,39) y entre los
bloques (Ft (5,10) = 5,64; es menor que 112,78), con respecto a su
aporte de biomasa al suelo. El valor del coeficiente de variacin (3,8 %)
da evidencia de la alta precisin del experimento.
Diseo de cuadro latino
En este diseo, la distribucin aleatoria de los tratamientos se
restringe ms ampliamente mediante la agrupacin de los
mismos, tanto en columnas como en hileras (bloques). As
resulta posible eliminar la variabilidad del error experimental
asociada con ambos efectos.
Cada tratamiento ocurre el mismo nmero de veces
(usualmente una vez) en cada hilera y columna y
proporcionar una comparacin ms precisa de los efectos del
tratamiento
Diseo de cuadro latino
Requiere al menos tantas repeticiones como tratamientos existan; por
tanto no resulta prctico para experimento con un gran nmero de
tratamientos, con una sola unidad experimental por tratamiento en cada
columna e hilera.
Este diseo se ha usado con ventaja en muchos campos de investigacin
donde hay dos fuentes principales de variacin en la realizacin de un
experimento.
Los ms comunes van de 5x5 a 8x8; cuadros mayores de 12x12 se usan
muy rara vez.
Como en los bloques al azar, a medida que aumenta el tamao del bloque,
el error experimental por unidad probablemente aumente.
Proporcionan pocos grados de libertad para estimar el error experimental
y as debe lograrse una disminucin sustancial en el error para compensar
el corto nmero de grados de libertad.
 Diseo de cuadro latino
La aleatorizacin en el cuadro latino consiste en elegir un cuadro latino
al azar entre todos los cuadros latinos posibles.
Los cuadros 2 x 2 no proporciona ningn grado de libertad del error
(21)(2-2) = .
Los cuadros 3 x 3 slo proporciona 2 grado de libertad del error (3-
1)(3-2) = 2.
Cuadros 4 x 4 dan 6 grado de libertad del error (4-1)(4-2) = 6. Este
hecho elimina el uso de cuadros 2 x 2 como cuadro latino. A los
cuadros 2 x 2 se los aplicar la prueba de 2 bajo tablas de
contingencia.
Tres cuadros 3 x 3 (9 repeticiones) proporcionar 10 grado de libertad
del error, mientras que dos cuadros 4 x 4 tendrn 15 grado de libertad
del error.
Anlisis de varianza (suma de cuadrados) para
un cuadro latino r x r
 Ejemplo 3:
Cuadrado Latino
Se realiz un experimento para
comparar los rendimientos en
Columnas
kg/parcela de 5 variedades de Filas 1 2 3 4 5
maz. En el campo donde se realiz 1 C (32) A (23) B (24) E (34) D (28)
el Experimento, los gradientes de 2 A (28) C (36) D (33) B (32) E (38)
fertilidad se presentan en dos 3 E (40) D (37) A (31) C (39) B (26)
sentidos: paralelamente y en 4 D (39) B (31) E (43) A (33) C (41)
ngulo recto a los surcos. 5 B (32) E (45) C (43) D (40) A (35)

Los datos obtenidos son los

siguientes:
 Diseo de cuadro latino
Resultado del anlisis de los datos:
Variable N R R Aj CV
Rend 25 0.96 0.93 4.67

Cuadro de Anlisis de la Varianza (SC tipo I)

F.V. SC gl CM F p-valor
Modelo 835.12 12 69.59 26.84 <0.0001
Fila 347.84 4 86.96 33.53 <0.0001
Columna 11.04 4 2.76 1.06 0.4159
Trat 476.24 4 119.06 45.91 <0.0001
Error 31.12 12 2.59
Total 866.24 24

Test:Duncan Alfa:=0.05
Error: 2.5933 gl: 12
Trat Medias n
E 40.00 5 A
C 38.20 5 A
D 35.40 5 B
A 30.00 5 C
B 29.00 5 C
Letras distintas indican diferencias significativas(p<= 0.05)
 Estructura de un modelo estadstico
Un modelo estadstico se utiliza para describir la relacion entre una
variable respuesta y un conjunto de variables explicativas.

La estructura habitual de un modelo es:

Respuesta = Parte explicada + Error aleatorio

La parte explicada es una funcion que describe como es el efecto de las variables
explicativas sobre la respuesta media.

El trmino de error es una variable aleatoria que recoge el efecto de otras muchas
variables que pueden influir en la respuesta pero no han sido tenidas en cuenta
explcitamente en el modelo.
Un modelo muy sencillo (sin variables explicativas)
En un estudio para comparar la eficacia del uso de fertilizantes, se utilizan los
fertilizantes en 30 parcelas y posteriormente se registra el peso en toneladas de la
cosecha resultante en cada parcela. Los datos son:

6.27 5.36 6.39 4.85 5.99 7.14 5.08 4.07 4.35 4.95
3.07 3.29 4.04 4.19 3.41 3.75 4.87 3.94 6.28 3.15
4.04 3.79 4.56 4.55 4.55 4.53 3.53 3.71 7.00 4.61

En este caso, la variable respuesta es el peso de la cosecha y no hay variables

explicativas.

Modelo:

Cosecha = Cosecha media + Error aleatorio