UNIDAD 1

UNIDAD 1: FASE 2 - IDENTIFICAR Y APLICAR DISEÑO COMPLETAMENTE AL

AZAR Y BLOQUES COMPLETOS AL AZAR

HENRY NELSON VALENCIA

CÓDIGO: 94544497
GRUPO: 20

TUTORA
JESSICA ALMEIDA BRAGA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

PROGRAMA DE AGRONOMÍA
CURSO DISEÑO EXPERIMENTAL
MARZO DE 2019
 INTRODUCCION

El diseño experimental es una técnica estadística utilizada en diferentes ramas como la

agricultura, la mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc. Que
sirve para cuantificar los efectos de una variable dentro de un estudio a través de la causa y
efecto.

A continuación se responderá una serie de preguntas para entender cómo se realiza un

diseño experimental, que factores se deben tener en cuenta y cuando se debe utilizar el
diseño experimental al azar y el diseño experimental de bloques al azar para posteriormente
desarrollar dos casos con base en estos dos diseños.
 OBJETIVOS

GENERAL

Identificar que son y en que situaciones se utilizan los diferentes diseños experimentales

ESPECIFICOS

 Conocer los factores que intervienen en un diseño experimental

 Identificar que es un diseño experimental al azar.
 Conocer cuando se realiza un diseño experimental de bloques al azar.
 CUESTIONARIO

b. Qué es una unidad experimental?

Es la unidad en la cual se obtiene una medida o característica, es la unidad a la cual se

le aplica un solo tratamiento el cual se define como elemento el cual puede ser animal,
planta u objeto al que se le modificaran en forma planeada factores para revisar su
respuesta.

c. ¿Qué es una unidad de observación?

Corresponde a la entidad mayor, primaria o representativa de lo que va a ser objeto

específico de estudio en una medición y se refiere al qué o quién es objeto de interés en una
investigación.

d. ¿En qué se diferencian los factores de los tratamientos y por qué?

El factor es la variable que se investiga en el experimento para observar cómo afectan

o influyen en la variable de respuesta en cambio el tratamiento es el proceso de
modificación de factores en el cual sus efectos van a ser medidos.

e. ¿Cuál es la finalidad de analizar una variabilidad de un conjunto de datos?

Indicar o describir en cuanto difieren una muestra o valor numérico de otra con
respecto a su valor central

f. ¿En qué consiste el diseño experimental?

Procedimiento de planeación y conducción de experimentos en el cual se identifica y

cuantifica las causas de un efecto dentro de un estudio experimental ya que se hace una
planificación anticipada de la forma en que se ejecutara el experimento, se detecta
numéricamente diferencia o semejanzas reales, se provee la máxima cantidad de
información sobre el problema planteado al mínimo costo.

g. ¿Cuál es la diferencia de un diseño experimental balanceado y no balanceado?

un diseño balanceado tiene un número de observaciones que es igual para todas las
combinaciones posibles de los niveles de los factores.
 Un diseño no balanceado tiene un número desigual de observaciones

h. ¿Cuáles son los diseños experimentales más usados en ciencias agropecuarias y

cuáles son sus posibles usos?

Diseño completamente al azar

Se sugiere este diseño para experimentación con temas de: métodos de preparación de
siembra, aplicación del agua de regadío, manejo del cultivo versus el uso de los herbicidas
para el control de malezas, etc. También es útil en experimentos con animales cuando
existe cierta uniformidad bien sea genética, por peso, edad, etc.

Diseños de bloques al azar, Cuadrado latino

Los diseños de bloques y cuadrados latinos aleatorizados son generalmente útiles en

los experimentos de fertilizante donde el número de factores interesados es razonablemente

Pequeño. Para las pruebas de fertilizante donde 2 o más fertilizantes se aplican a 2 o

más niveles, el experimento factorial es particularmente apropiado.

Parcelas divididas

En aquellos ensayos que se usa maquinaria agrícola o riego, ensayos de cultivares por
ejemplo de maíz, es aconsejable usar algún tipo de diseño de parcela o bloque dividido

I ¿Qué es una tabla ANOVA y cuál es su utilidad en estadística?

La técnica conocida como análisis de varianza (ANAVA oANOVA), fue desarrollada

por Ronald Aymer Fisher para facilitar el análisis e interpretación delos datos desde
ensayos de campo y experimentos de laboratorio, en la agricultura e investigaciones
biológicas (Einsenhart, 1947).El ANAVA, es una de las técnicas más utilizadas en el
proceso de investigación. El análisis de la varianza se emplea en la industria, en el control
de procesos, como en el laboratorio de análisis, para el control de métodos analíticos. Los
ejemplos de aplicación son múltiples, pudiéndose agrupar, según el objetivo que persiguen,
en dos principalmente: la comparación de múltiples columnas de datos y la estimación de
los componentes de variación de un proceso (Boqué y Maroto, s.f.).
 j. ¿Qué es un diseño completamente al azar (DCA), cuáles son sus ventajas,
desventajas, en qué casos se usa?

ventajas

El diseño completamente al azar es la clase de diseño experimental más sencillo que

existe. El diseño completamente al azar es un prueba basada en el análisis 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 según la distribución F.

1. Permite flexibilidad completa. Puede utilizarse cualquier número de tratamientos y

repeticiones, siempre y cuando se consigan unidades experimentales homogéneas. Puede
variarse a voluntad el número de repeticiones de un tratamiento a otro (pero no es muy
recomendable sin una buena razón),

2. El análisis estadístico es fácil, aun si el número de repeticiones por tratamiento no es

el mismo, o si los errores experimentales difieren de un tratamiento a otro.

3. Aun cuando los datos de algunas de las unidades o algunos tratamientos completos
se hayan perdido, o se rechacen por alguna causa, el método de análisis sigue siendo
sencillo. Por otra parte, la pérdida relativa de información debida a los datos faltantes, es de
menos importancia que en cualquier otro diseño.

4. Se obtiene el mayor número de grados de libertad para estimar el error

experimental.

Desventajas

1. Si el número de tratamientos o de repeticiones es muy elevado, a veces resulta

difícil conseguir unidades experimentales homogéneas

2. Si el número de repeticiones o de tratamientos esmuy bajo, se pierde sensibilidad en

el experimento.
 El diseño experimentar de bloques al azar se utiliza cuando se están analizando dos o
más factores en una muestra de estudio.

k. ¿Qué tipo de hipótesis se aplica en un diseño completamente al azar (DCA)?

Ho: T1 = T2 = T3 = T4 = 0 (todos las medias de los tratamientos producen el mismo

efecto).
Ha: Ti = 0 (al menos uno de los tratamientos difiere de los demás en cuanto a su valor
esperado).
l. ¿Explique en qué situaciones se aplica un diseño en bloques completos al azar
(DBA), cuáles son sus ventajas y desventajas?

Ventajas:

Aumenta la potencia de la prueba porque la variabilidad atribuible a la heterogeneidad

de las unidades experimentales es extraída del error experimental.

Hay cierta flexibilidad, pues no hay restricciones en el número de tratamientos o de

bloques.

Al evaluar los tratamientos bajo diferentes condiciones se amplía la base inferencial

del experimento.

Desventajas:

Puede ser muy difícil conseguir bloques homogéneos.

El diseño de bloques aleatorizado no es adecuado si existe interacción entre los

bloques y los tratamientos, es decir, si los efectos de tales factores no son aditivos.

m. ¿Qué tipo de hipótesis se aplica en un diseño en bloques completos al

azar (DBCA)

HIPOTESIS PARA BLOQUES

Ho (hipótesis nula) 𝜷𝑰 =𝜷𝑱

Ha (hipótesis alternativa) 𝜷𝑰 ≠𝜷𝑱

.
 HIPOTESIS PARA TRATAMIENTOS

Ho (hipótesis nula) 𝝉𝑰 =𝝉𝑱

Ha (hipótesis alternativa) 𝝉𝑰 ≠𝝉𝑱
CASO 1

Se investigó una pérdida de peso (Gómez y González, 1991) en porcentaje del peso
inicial de la carne de res tipo milanesa después de 5 días de empacada con diferentes
materiales:
Tabla 1. Pérdida de peso en porcentaje.
Icopor Biopak Cry-o-vac Shopak
5.33 6.59 4.95 2.41
4.95 7.90 4.44 2.83
5.10 4.48 3.48 2.97
7.14 7.32 3.92 2.38
7.84 6.41 8.62 2.11

Ya se ha comprobado que los datos son normales y con varianzas homogéneas. De

acuerdo con los datos presentados
y a la distribución del experimento resuelva:
a. ¿Qué tipo de diseño experimental es? Justifique su respuesta

R/= Es un diseño experimental completamente al azar porque tiene un único factor y

todas las repeticiones experimentales se realizan en orden aleatorio completo, pues no se
han tenido en cuenta otros factores de interés.

b. ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado

indique a que corresponde cada término del modelo

R/=

𝑌𝑖𝑗 =Pérdida de peso i=empaques j=días de empacado

µ= Media general del peso de la carne
𝑡𝑖 =Efecto del tratamiento (empaque)
𝑒𝑖𝑗 = Error aleatorio (residuo)
 c. ¿Estipule claramente las hipótesis que interesa contrastar con el análisis de
varianza de este experimento?
R/= Ho: T1 = T2 = T3 = T4 = 0 (todos las medias de los tratamientos que son
representados por los empaques producen el mismo efecto en la pérdida de peso inicial de
la carne de res).

Ha: Ti = 0 (al menos uno de los tratamientos difiere de los demás en cuanto a su
valor esperado).

d. Realice el análisis de varianza en Excel.

e. ¿Según el análisis de varianza hay diferencias significativas? ¿Por qué?

 R/=si hay diferencias significativas porque el valor critico menos el valor calculado
(3,23887152- 3,239) me da como resultado 0,00012848. Por lo cual está por debajo del
valor de significancia especificado (0,05) por lo que rechaza la hipótesis nula de la
prueba.

f. Si encuentra diferencias estadísticas significativas, realice la prueba de

Tukey en Excel relacionando las operaciones.

Valor prueba F= 8,2 Valor Probabilidad= 0,0016

Como el nivel de significancia es de 0,05 y el valor de P es menor a ese valor se

rechaza la hipótesis nula y nos quedamos con la hipótesis alterna que estipula que en al
menos uno de los tratamientos difiere de los demás en cuanto a su valor esperado.

Procedimiento para realizar la prueba de Tukey:

HSD (diferencia honestamente significativa):

Multiplicador
Mse (cuadrado del error medio)
N (tamaño de muestra de cada grupo)

Hallaremos el valor del multiplicador:

Para esto se tiene en cuenta los valores de grados de libertad (16) dentro de los
grupos y el número de grupos (4) que se están analizando y se ubican en la siguiente
tabla teniendo en cuenta el grado de confiabilidad que se está utilizando que es 95%
(0,005):
 Multiplicador: 4.05

Hallaremos el Mse (cuadrado del error medio)

Mse=Suma de cuadrados / grados de libertad

=31,10176/16= 1,94386
Mse=1,94386

Ahora que encontramos todos los valores procedemos a encontrar la HSD

(diferencia honestamente significativa) mediante la siguiente formula en Excel:
𝑴𝒔𝒆
Multiplicador*√( ):
𝒏

A continuación calculamos la media aritmética de cada uno de los grupos, se realiza

una tabla donde encontraremos las diferencias entre las medias de cada grupo:
 Ahora observaremos cuales resultado sobrepasan el valor dado por la diferencia
honestamente significativa sin tener en cuenta los signos negativos o positivos:

Encontramos que:
 No hay diferencia entre el Icopor y el Biopak.
 No hay diferencia entre el Icopor y el Cry-o-vac
 Si hay diferencia entre el Icopor y el Shopak
 No hay diferencia entre el Biopak y el Cry-o-vac
 Si hay diferencia entre el Biopak y el Shopak
 Si hay diferencia entre el Cry-o-vac y el Shopak

Finalmente comprobamos que la hipótesis alterna que estipula que en al menos uno
de los tratamientos difiere de los demás en cuanto a su valor esperado es correcta.

g. Discuta ampliamente los resultados, desde la perspectiva biológica.

Con lo realizado anteriormente podemos decir que el tipo de empaque en que se
almacena la carne de res tipo milanesa si afecta en canto a su pérdida de peso ya que
observamos que en la carne empacada en el Shopak muestra una diferencia significativa
con respecto a los demás.
 Estudio de caso 2.

En un estudio se permite reducir el tiempo de permanencia de la vaca con el ternero y

por consiguiente aumentar la producción de leche por vaca-día. Se evaluó la variable peso
corporal (kg) en terneros hasta 112 días de nacidos. Fueron probados amamantamiento
restringido (R) y amamantamiento tradicional (T).
En el cuadro se registra el peso corporal de los animales cada 28 días.

Tabla 2. Datos de peso corporal (kg) de los terneros.

Amamantamiento Restringido Amamantamiento Tradicional
Terneros (R) (T)
Día Día Día Día Día Día Día Día Día Día
0 28 56 84 112 0 28 56 84 112
1 41 50 63 92 118 43 60 68 101 119
2 32 41 52 66 93 37 48 60 81 103
3 41 55 70 92 114 36 47 71 88 103
4 31 41 53 77 99 41 60 75 98 113
5 38 52 77 88 117 42 58 80 101 113

De acuerdo a los datos presentados y a la distribución del experimento resuelva:

a. ¿Qué tipo de diseño experimental es? Justifique su respuesta

R/= es un diseño experimental de bloques al azar ya que cuenta con dos

factores variables para cada grupo.

b. ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado

indique a que corresponde cada término del modelo

𝑌𝑖𝑗 = Peso corporal i=Tratamientos j=Bloques

µ =Media general del peso corporal
𝑇𝑖 =Efecto de cada tratamiento
 𝛽𝑗 =Efecto de cada bloque
𝑒𝑖𝑗 =Error experimental en la unidad j del tratamiento i

c. ¿Estipule claramente las hipótesis que interesa contrastar con el análisis de

varianza de este experimento?

R/= HIPOTESIS PARA BLOQUES

Ho (hipótesis nula) 𝜷𝑰 =𝜷𝑱 : no hay diferencia entre los terneros amamantados con
restricción y los amamantados tradicionalmente.

Ha (hipótesis alternativa) 𝜷𝑰 ≠𝜷𝑱 : si hay diferencia entre los terneros amamantados

con restricción y los amamantados tradicionalmente.
.

HIPOTESIS PARA TRATAMIENTOS

Ho (hipótesis nula) 𝝉𝑰 =𝝉𝑱 : no hay diferencia entre las medias de los métodos de
alimentación.

Ha (hipótesis alternativa) 𝝉𝑰 ≠𝝉𝑱 : si hay diferencia entre las medias de los métodos
de alimentación.

d. Realice el análisis de varianza en Excel.

 e. ¿Según el análisis de varianza hay diferencias significativas? ¿Por qué?

R/=Bloques=F> Valor crítico para F

Tratamientos=F<Valor crítico para F

Según el análisis de la tabla de varianza si existe diferencia significativa en ambos

casos de amamantamiento ya que en los bloques el F (15,93) es mayor que el valor
critico (2,15) y en los tratamientos el F (440,08) es menor que el valor critico (2,63) lo
que quiere decir que en ambos se rechaza la hipótesis nula y se acepta la hipótesis
alternativa.

f. Si encuentra diferencias estadísticas significativas, realice la prueba de

Tukey en Excel relacionando las operaciones.

R/= PRUEBA DE Tukey

𝑪𝑴𝑬
𝒘𝒊𝒋 = q* √ 𝒓
Dónde:
W= comparador para el par de tratamientos.
q= valor tabla Tukey, con grados de libertad de tratamientos y grados de libertad del
error.
CME= cuadrado medio del error.
r= repeticiones de los tratamientos.

1. Hallaremos el valor de q :

Grados de libertad de tratamientos: 4 Grados de libertad de error: 36

 q=3,84

𝟏𝟖,𝟒𝟒
√ =3,688
𝟓

𝑾𝒊𝒋 = 3,84*3,688= 14,16 Comparador= 14,16

Comparaciones:

g. Discuta ampliamente los resultados, desde la perspectiva biológica.

R/=Con este análisis podemos decir que el amamantamiento tradicional mostro
mejores resultados en cuanto a la ganancia de peso de los animales ya que al analizar los
resultados podemos observar que en el día 84 del tratamiento tradicional mostro una
diferencia significativa en comparación al amamantamiento restringido.
 CONCLUSIONES
Con lo anterior se puede concluir que el diseño experimental es una excelente herramienta
estadística para resolver incógnitas de efecto y error en diferentes campos profesionales.
 BIBLIOGRAFIA

Balzarini, M., Tablada, M., & González, L. (2009). Introducción a la bioestadística:

aplicaciones con infostat en agronomía.
Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?p
pg=1&docID=3193749&tm=1538603959731

Cifuentes,W. X., Jaramillo, E. L. M., & Mejía, G. L. M. (2016). Metodos de análisis para la
investigación, desarrollo e innovación (i+d+i) de proceos agrícolas y
agroindustriales, p. 51-56. Recuperado de
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?docID=4795324
&query=dise%c3%B10%20completamente%20al%20azar%20con%20submuestreo

Roldán, L. (29 de Octubre de 2014). Dr. Leonel Roldán. Recuperado el Marzo de 2019, de
https://www.youtube.com/watch?v=BPTSYJWMQo4