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.

DISEO COMPLETAMENTE AL AZAR (DCA)

VENTAJAS DEL DCA

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.

VENTAJAS DEL DCA

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 DEL DCA

DESVENTAJAS DEL DCA

4)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. 5)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 = + t i + ij
En donde: Yij Variable respuesta de la ij-esima unidad experimental

ti ij

Efecto de la media general Efecto del i-esimo tratamiento

Efecto del error experimental asociado a la i-esima unidad experimental

Anlisis de Varianza
Hiptesis Nula Ho: estudio) ti = 0 (Los i tratamientos tienen el mismo efecto sobre la variable en

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

Supuestos
Los supuestos que validan el anlisis de varianza son: a.Los errores son independientes b.Los errores estn normalmente distribuidos con media cero y varianza constante c.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

Regla de Decisin
Rechazar la hiptesis Ho. Si Fc > Ft (G ltrat, Gl error, ) Aceptar la Hiptesis Ha. Si Fc < Ft (Gl trat, 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.

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.

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 (Gl trat) = 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.. Gl trat = 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 (Gl e) = GL tot - 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

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.

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.

6.

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.

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