UNIVERSIDAD NACIONAL DE AGRICULTURA

DEPARTAMENTO

DISEÑO EXPERIMENTAL

TERMINOLOGIA UTILIZADA EN DISEÑOS EXPERIMENTALES

PRESENTADO A:

MS.c. RAUL ISAIAS MUÑOZ HERNÁNDEZ

PRESENTADO POR:

RAMOS DIAZ CARLOS ADELMO

ROMERO GALEANO MARVIN FRANCISCO

SANCHEZ AMAYA LIDIA ESPERANZA

VINDEL CANALES JONATHAN PAUL

SECCION: H

GRUPO: Nº 20

CATACAMAS, OLANCHO FEBRERO 2019

 Terminología utilizada en Diseños Experimentales

1. ¿Defina que es Estadística y cuáles son sus divisiones?

La estadística es la ciencia de los datos, la cual implica su recolección, clasificación, síntesis,

organización, análisis e interpretación, para la toma de decisiones frente a la incertidumbre.
La estadística es el arte de aprender a partir de los datos. Está relacionada con la recopilación
de datos, su descripción subsiguiente y su análisis, lo que nos lleva a extraer conclusiones

La estadística se divide en dos grandes áreas:

 Estadística descriptiva: Se dedica a la descripción, visualización y resumen de datos

originados a partir de los fenómenos de estudio. Los datos pueden ser resumidos
numérica gráficamente.

 Estadística inferencial: Se dedica a la generación de los modelos, inferencias y

predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer
inferencias acerca de la población bajo estudio.

2. Indique cuáles son las medidas de posición. (Limites superior e inferior, marca
de clase, Limites reales de la clase, intervalo de clase, Frecuencia, frecuencia
relativa).

Las medidas de posición relativa se llaman en general cuartiles y se pueden clasificar en tres
grandes grupos: Cuartiles, quintales, deciles, percentiles. Las medidas de posición como los
cuartiles, quintiles, deciles y percentiles dividen a una distribución ordenada en partes iguales
Límite superior e inferior. En matemáticas se define límite superior y límite inferior de una
sucesión (xn) como el mayor y menor limite convergente de las subsecuencias de (xn).
Análogamente a este, el límite superior y límite inferior para funciones reales se define de la
misma manera.

Marca de clase. Es el valor que representa a todo el intervalo para el cálculo de algunos
parámetros como la media aritmética o la desviación típica.

Intervalo de clase. Rango utilizado para dividir el conjunto de posibles valores numéricos
al trabajar con grandes cantidades de datos.

Frecuencia. Es el número de veces en que dicho evento se repite durante un experimento o

muestra estadística. Comúnmente, la distribución de la frecuencia suele visualizarse con el
uso de histogramas.

Frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el

número total de datos. Se puede expresar en tantos por ciento y se representa por hi. La suma
de las frecuencias relativas es igual 1

3. Indique los tipos de media existentes

La media aritmética o promedio

La media aritmética o promedio de una cantidad finita de números, es igual a la suma de

todos ellos dividida entre el número de sumandos. Expresada de forma más intuitiva,
podemos decir que la media (aritmética) es la cantidad total de la variable distribuida a partes
iguales entre cada observación.
También la media aritmética puede ser denominada centro de gravedad de una distribución,
el cual no es necesariamente la mitad. Así, dados los números a1, a2, ..., an, la media aritmética
será igual a:

La media geométrica

La media geométrica de una cantidad finita de números (digamos n números) es la raíz n-

ésima del producto de todos los números

Media armónica

La media armónica, representada por H, de una cantidad finita de números es igual al

recíproco, o inverso, de la media aritmética de los recíprocos de dichos números.

Así, dados los números a1, a2, ..., an, la media armónica será igual a:

La media cuadrática

La media cuadrática es igual a la raíz cuadrada de la suma de los cuadrados de los valores
dividida entre el número de datos:
Esta media como medida de asociación tiene aplicaciones tanto en ciencias biológicas como
en medicina. A veces la variable toma valores positivos y negativos.

La media ponderada

Se denomina media ponderada de un conjunto de números al resultado de multiplicar cada

uno de los números por un valor particular para cada uno de ellos, llamado su peso,
obteniendo a continuación la suma de estos productos, y dividiendo el resultado por la suma
de los pesos.

Se calcula como:

o:

La media aritmética geométrica

La media aritmética geométrica (AGM arithmetic-geometric mean en inglés) M (x, y) de dos

números reales positivos x e y se define de la siguiente forma. Primero obtenemos la media
aritmética de x e y denominándola a1, i.e. a1 = (x + y) / 2.

Después construimos la media geométrica de x e y denominado la g1, i.e. g1 es la raíz cuadrada

de xy. Ahora podemos iterar esta operación con a1 en lugar de x y g1 en lugar de y.

De esta forma, se definen dos sucesiones (an) y (gn):

y
Ambas sucesiones convergen al mismo número, denominado media aritmética geométrica
M(x, y) de x e y.

La media generalizada

La media generalizada es una abstracción de los diversos tipos de media (geométria,

aritmética, armónica, etc).

Se define como:

En donde el parámetro m indica si la media es:

 aritmética, con m=1

 geométrica con m=0

 armónica con m=-1

 cuadrática con m=2

4. ¿Qué son los diseños experimentales?

Los diseños experimentales, son parte de la inferencia estadística, y se encarga del

procedimiento mediante el cual se aplican los tratamientos a las parcelas o unidades
experimentales, se extraen datos, se analizan y se obtienen conclusiones.

Dicho de otra manera, es la forma de cómo se asignan los tratamientos a las unidades
experimentales, es la restricción a la aleatorización que se haga en el momento que se asignan
los tratamientos a las unidades experimentales. Ejemplo: Cuando se inocula un patógeno a
una planta de maíz: La unidad experimental es la planta de maíz y el tratamiento es la forma
de inoculación del patógeno.
 5. Definir que es Experimento

Es un fenómeno provocado para observar las relaciones de causa-efecto.

6 ¿Definir que es tratamiento y Repetición (=Bloque o replicación)?

Tratamiento: El tratamiento es el proceso de modificación de factores de una unidad

experimental y cuyos efectos van a ser medidos y comparados.

Repetición Las repeticiones serán el número de veces que un tratamiento se aplica al mismo
número de unidades experimentales.

Bloque Es un conjunto de unidades experimentales de los más homogéneo posible que

reciben el mismo tratamiento.

7 Diferenciar Área del experimento, parcela total (= unidad experimental) y

parcela útil.

Unidad experimental: Es la muestra de unidades que es necesario producir en una condición

para obtener una medición o dato representativo. Unidad a la cual se le aplica un solo
tratamiento (que puede ser una combinación de muchos factores) en una reproducción del
experimento. Es el elemento (planta, animal u objeto) al que se le modificarán en forma
planeada factores para revisar su respuesta.

8 Definir que es Población y Muestra

Población estadística, en estadística, también llamada universo, es el conjunto de elementos

de referencia sobre el que se realizan las observaciones. También es el conjunto sobre el que
estamos interesados en obtener conclusiones (inferir).
Normalmente es demasiado grande para poder abarcarla, motivo por el cual se puede hacer
necesaria la extracción de una muestra de ésta.

Una muestra es una parte o una porción de un producto que permite conocer la calidad de
este.

9 Indique cuales son los tipos de variables existentes en un experimento

Variables cualitativas.
Variables cuantitativas.
Variables independientes.
Variables dependientes.
Variables intervinientes.
Variables moderadoras.

10 Definir variable independiente y variable dependiente (= variable de respuesta).

La variable independiente
Es el centro del experimento y es aislada y manipulada por el investigador.

La variable dependiente
Es el resultado medible de esta manipulación, los resultados del diseño experimental.

Variables de respuesta
Es la característica del producto cuyo valor interesa mejorar mediante el diseño de
experimentos.

11 ¿Qué es factor y cuáles son los tipos que existen?

Factor: Una variable independiente. En la mayoría de las investigaciones se trata con más de
una variable independiente y con los cambios que ocurren en la variable independiente,
cuando varia una o más de las variables independientes.

Factores cuantitativos

Son factores que se pueden medir en términos numéricos, como es el tiempo, o los diversos
costos fijos o de operación. Requieren de habilidad en el manejo de técnicas o métodos
cuantitativos (Investigación de operaciones), como pueden ser la programación lineal, teoría
de líneas de espera y modelos de inventarios. Este tipo de factores ayudan a ser más objetivos
y racionales en la toma de decisiones, pero no constituyen el 100% del criterio para acepar o
desechar una alternativa.

Factores cualitativos
Son difíciles de medir numéricamente, por ejemplo, la calidad de las relaciones de trabajo,
el riesgo del cambio tecnológico o el clima político internacional.

Los factores no cuantitativos son útiles, no sólo para los problemas que se refieren a los
objetivos, sino también para los problemas que tratan con los medios de alcanzar los
objetivos.

12 Definir experimento unifactorial, bifactorial y multifactorial

Experimento unifactorial es aquel en él se estudia un solo factor.

Experimento Multifactorial: es aquel en el que se estudia simultáneamente más de un factor

13 Defina tratamiento control o testigo.

Tratamiento: El tratamiento es el proceso de modificación de factores de una unidad

experimental y cuyos efectos van a ser medidos y comparados.
Control: Es un mecanismo preventivo y correctivo adoptado por la administración de una
dependencia o entidad que permite la oportuna detección y corrección de desviaciones,
ineficiencias o incongruencias en el curso de la formulación, instrumentación, ejecución y
evaluación de las acciones, con el propósito de procurar el cumplimiento de la normatividad
que las rige, y las estrategias, políticas, objetivos, metas y asignación de recursos.

Testigo: El testigo es el tratamiento de comparación 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 elección del tratamiento testigo es de gran
importancia en cualquier investigación, este se constituye como referencial del experimento
y sirve para la comparación de los tratamientos en prueba.

14 ¿Cuál es la diferencia entre testigo absoluto y testigo relativo?

R//El tratamiento absoluto, pueda ser /no aplicar tratamiento, permite medir la variable
dependiente ante la ausencia de las tecnologías que se están probando. El tratamiento relativo
pueda ser la tecnología tradicional, lo que se hace de manera corriente, me permite valorar la
mejora que produce la nuevas tecnologías, tomando como referencia lo que se hace de forma
tradicional

15 ¿Que es error experimental y cuáles son sus orígenes?

R// Error experimental es considerado un desvió del valor calculado de una magnitud física
con relación al valor real de dicha magnitud. Generalmente los errores experimentales se
caracterizan por ser inevitables y dependen especialmente del procedimiento que se escoja y
la tecnología con que cuente para realizar la medición.
Origen del error experimental: Los errores - o incertidumbres en datos experimentales -
pueden surgir de numerosos modos; es decir, pueden atribuirse a diversas fuentes de error.
Su evaluación cuantitativa es necesaria ya que sólo entonces puede una hipótesis ser probada
correctamente. A este nivel, debe conocer las fuentes de error que se pueden afectar los
resultados que va a obtener para poder realizar sus reportes en sus Hojas de resultados.

16 Que es error tipo I y tipo II o sea α y β.

R// Error tipo I en un estudio de investigación, el error de tipo I también denominado error
de tipo alfa (α) o falso positivo, es el error que se comete cuando el investigador rechaza la
hipótesis nula ( ) siendo esta verdadera en la población.

Tipo II en un estudio de investigación, el error de tipo II, también llamado error de tipo
beta (β) (β es la probabilidad de que exista este error) o falso negativo, se comete cuando el
investigador no rechaza la hipótesis nula siendo esta falsa en la población.

17 Porque es necesario realizar experimentos o cuales son las razones para

experimentar?.

R// Los experimentos son uno de los pilares básicos de la ciencia. Con los experimentos se
llega a comprobar la validez o no validez de las teorías. Es la forma de demostrar que algo
que se pensaba que podía ser cierto lo es en realidad, o por el contrario, no es viable.

18 ¿Describa que es aleatorización o randomización y porque debe realizarse?

R// Aleatorización: La asignación de las unidades experimentales a los distintos tratamientos

y el orden en el que se realizan los ensayos se determinan al azar.
 19 ¿Qué es modelo matemático y modelo estadístico?

R// Un modelo matemático es uno de los tipos de modelos científicos que emplea algún tipo
de formulismo matemático para expresar relaciones, proposiciones sustantivas de hechos,
variables, parámetros, entidades y relaciones entre variables de las operaciones, para estudiar
comportamientos de sistemas complejos ante situaciones difíciles de observar en la realidad

Modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de datos

obtenidos de muestreos de datos con comportamiento que se supone aleatorio.

20 ¿Que es normalidad, varianza, desviación estándar, distribución normal?

R// Normalidad: En un sentido general, la normalidad hace referencia a aquel o aquello que
se ajusta a valores medios.

Varianza: Se trata de una palabra impulsada por el matemático y científico inglés Ronald
Fisher (1890–1962) y sirve para identificar a la media de las desviaciones cuadráticas de una
variable de carácter aleatorio, considerando el valor medio de ésta.

Desviación estándar: La desviación estándar es la medida de dispersión más común, que

indica qué tan dispersos están los datos con respecto a la media. Mientras mayor sea la
desviación estándar, mayor será la dispersión de los datos.

Distribución normal: La distribución normal o distribución de Gauss representa la forma en

la que se distribuyen en la naturaleza los diversos valores numéricos de las variables
continuas, como pueden ser estatura, peso, etc.
 21 Que es Hipótesis nula e Hipótesis alterna?

R// Hipótesis nula: La hipótesis nula indica que un parámetro de población (tal como la
media, la desviación estándar, etc.) es igual a un valor hipotético. La hipótesis nula suele ser
una afirmación inicial que se basa en análisis previos o en conocimiento especializado.

Hipótesis alterna: La hipótesis alternativa indica que un parámetro de población es más

pequeño, más grande o diferente del valor hipotético de la hipótesis nula. La hipótesis
alternativa es lo que usted podría pensar que es cierto o espera probar que es cierto.

22 Cuáles son los pasos del método científico o cuales son las etapas del proceso de
investigación?.

El momento inicial de observación

El planteamiento de una hipótesis de trabajo
El momento de la experimentación
El momento de las conclusiones

Etapas del proceso de investigación:

1-Planteamiento del problema: Objeto de estudio, objetivos y marco teórico.

2- Diseño metodológico
3- Recolección de la información
4- Ordenar, clasificar y sistematizar la información
5- Analizar: leer, interpretar, explicar y comprender los datos
6- Definir el plan operativo y las estrategias: - Qué hacer y cómo hacerlo?
 23 Los diseños experimentales más comunes son: Diseño Completamente al Azar
(DCA), Diseño de Bloques Completos al Azar (DBCA) y el Diseño Cuadrado
Latino (DCL); además existen los Arreglos Factoriales, dentro de cualquiera de
los diseños antes mencionados. En los arreglos factoriales existen Experimentos
bifactoriales, trifactoriales y multifactoriales; siendo las Parcelas Divididas un
tipo de arreglo factorial. Diferenciar el DCA, DBCA, DCL y los Arreglos
Factoriales e indicar cuando se deben utilizar.

El diseño completamente al azar: Es una 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.

El diseño en bloques completos al azar trata de comparar tres fuentes de variabilidad: el

factor de tratamientos, el factor de bloques y el error aleatorio. El adjetivo completo se refiere
a que en cada bloque se prueban todos los tratamientos. La aleatorización se hace dentro de
cada bloque.

Diseño cuadrado latino: Es el agrupamiento de las unidades experimentales en dos

direcciones (filas y columnas) y la asignación de los tratamientos al azar en las unidades, de
tal forma que en cada fila y en cada columna se encuentren todos los tratamientos.

Arreglos factoriales
a). Características
b). Ventajas
c). Desventajas
d). Factores, Niveles
e). Los efectos e interacciones.
f). Ejemplos de factoriales. Factorial 2k., 2x2, 2x3, 2x4. 22, 23, 24, 33, etc.
 24 Que son los arreglos factoriales y en qué tipo de diseños se puede utilizar.

Es un experimento cuyo diseño consta de dos o más factores, cada uno de los cuales con
distintos valores o niveles, cuyas unidades experimentales cubren todas las posibles
combinaciones de esos niveles en todos los factores.

25 Que es covarianza y cuando puede utilizarse?

La covarianza mide la relación lineal entre dos variables. Aunque la covarianza es similar a
la correlación entre dos variables.

Usted puede utilizar la covarianza para comprender la dirección de la relación entre las
variables. Los valores de covarianza positivos indican que los valores por encima del
promedio de una variable están asociados con los valores por encima del promedio de la otra
variable y los valores por debajo del promedio están asociados de manera similar.

26 Que es coeficiente de determinación (r2 o R2), Coeficiente de regresión (b),

Coeficiente de variación (C.V.) y factor de corrección (F.C.).

 Coeficiente de Determinación (R2 o r2): se define como la proporción

de la varianza total de la variable explicada por la regresión. El
coeficiente de determinación, también llamado R cuadrado, refleja la
bondad del ajuste de un modelo a la variable que pretender explicar.

 Coeficiente de regresión (b):

 Coeficiente de Variación (C.V.).

A › valor del coeficiente de variación › heterogeneidad de los valores de las variables, y

A ‹ C. V., mayor homogeneidad en los valores de la variable.

a. Factor de Corrección (F.C.). = (∑x)2 = Total2 = C.M. (de trat. o rep.)

, C.M. = S.C.
n t.r C.M. error
g.l.

27 Que es el coeficiente de correlación y que es correlación de Pearson?

La bondad de la predicción depende de la relación entre las variables si dos variables no

cavarían no podremos hacer predicciones válidas y si la intensidad de la covaracion es
moderada las predicciones no serán demasiado buenas.

Correlación de Pearson es una medida de la relación lineal entre dos variables aleatorias
cuantitativas. A diferencia de la covarianza, la correlación de Pearson es independiente de la
escala de medida de las variables.

28 Cuáles son los índices estadísticos de la población y de la muestra y como se

obtienen?.

Media: media o promedio es una medida de tendencia central.

Variación Cuando se desea hacer diferencia de la relación entre el tamaño de la media y la

variabilidad de la variable se utiliza el coeficiente de variación
Varianza: Es una medida de dispersión definida como la esperanza del cuadrado de la
desviación de dicha variable respecto a su media. O es la media de os residuos de los
cuadrados

29 ¿Qué es investigación?

Se refiere al acto de llevar a cabo estrategias para descubrir algo. También permite hacer
mención al conjunto de actividades de índole intelectual y experimental de carácter
sistemático, con la intención de incrementar los conocimientos sobre un determinado asunto.

30 Análisis de varianza (ANAVA, ANDEVA o ANOVA).

El análisis de varianza lo introdujo Ronald Fisher y lo definió como un proceso aritmético el

cual particiona la suma de cuadrados total en sumas de cuadrados sumables, asociadas con
las denominadas fuentes de variación involucradas en un diseño (Conjunto de efectos a los
cuales se les desea estimar sus efectos).

31 Pruebas de rango múltiple o pruebas de comparación de medias

Después que se rechazó la Ho en un análisis de varianza, es necesario ir a detalle y ver cuáles

tratamientos son diferentes. A continuación se presentan algunos métodos para realizar estas
comparaciones los cuales se dividen en: Pruebas de rango múltiple y Métodos gráficos.
 32 Regresión lineal simple, cuadrática y cubica.

Regresión lineal: Ajuste lineal es un modelo matemático usado para aproximar la relación
de dependencia entre una variable dependiente Y, las variables independientes

Cuadrática: Es el proceso por el cuál encontramos los parámetros de una parábola que mejor
se ajusten a una serie de datos que poseemos, ya sean mediciones hechas o de otro tipo.

33. Contrastes ortogonales o comparaciones ortogonales = análisis funcional de la

varianza?

R// Contrastes ortogonales:

En un análisis de varianza ordinario, se prueba la hipótesis que "Todos los tratamientos son
iguales". En el caso de encontrar diferencias significativas, se debe proceder a realizar una
prueba adicional, llamada Prueba de Medias. Sin embargo, a veces se desea comparar grupos
de tratamientos. Aquí es donde se emplea la prueba de Contrastes Ortogonales.

34. Polinomios ortogonales

R// Un polinomio ortogonal es una ecuación de regresión. Así, se puede suponer que existe
una variable dependiente o variable de respuesta, representada por y, dependiendo de k
variables independientes o predictoras, por ejemplo: X1, X2, . . . , Xk. Esa relación

entre las variables es caracterizada por un modelo matemático−estadístico. Este modelo

es fijo para un conjunto de datos.
Si el investigador conoce la forma verdadera de la relación funcional existente entre y y
X1, X2, . . . ,Xk, puede considerar que:
y = f (X1 , X2 , . . . , Xk ) ,
En la mayoría de los casos, esa relación funcional es desconocida, y el investigador puede
seleccionar una función apropiada para aproximar f. Los modelos polinomiales son
ampliamente utilizados como funciones aproximadas de f, y en ellos está incluido el modelo
de regresión lineal simple.

35. Tipos de distribución: Normal de Poison.

R// En teoría de probabilidad y estadística, la distribución de Poisson es una distribución

de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante cierto período de
tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos "raros". Fue descubierta por Siméon-Denis
Poisson, que la dio a conocer en 1838.

36 Análisis combinatorio, permutaciones o combinaciones.

R// Permutaciones: Una ordenación cualquiera de n elementos se llama una permutación de

los n elementos.

Ejemplo: sean las letras a, b y c, entonces abc, bac, cab, etc, son permutaciones distintas de
las tres letras.

37 Cuando y porque se deben transformar los datos experimentales, previo al

análisis estadístico

R// Deben emplearse métodos estadísticos para analizar los datos, de modo que los resultados
y conclusiones sean objetivos más que apreciativos. Si el experimento se diseñó
correctamente y si se ha realizado conforme al diseño, los métodos estadísticos que se
requieren no son complicados.
 38 ¿Terreno para la experimentación agrícola y tamaño óptimo de la parcela
experimental?

a) Si es homogéneo: las parcelas pueden ser pequeñas.

b) Si es heterogéneo: las parcelas deben ser grandes, pero, de acuerdo con la

disponibilidad del material experimental y del personal capacitado para trabajar con ese
material.

Cuando existe duda sobre el tamaño de la unidad experimental, el investigador debe ser
orientado en el sentido de ofrecer al estadístico, o aquel que irá hacer los análisis estadísticos,
las mediciones individuales, pues, con eso se puede medir la VARIACIÓN DENTRO Y
ENTRE LAS UNIDADES EXPERIMENTALES.

Chacín (1976) indica que los factores que influyen en el tamaño y la forma de la parcela:

1 Extensión superficial del terreno disponible 6 Método de cultivo

2 Tipo de suelo 7 Número de tratamientos y de
3 Clase de cultivo 8 Recursos económicos disponibles
4 Objetivo de la investigación 9 repeticiones
Muestreo dentro de la unidad
5 Uniformidad del material experimental 10 Grado de precisión deseado.
experimental

39 Que significa análisis estadístico de los datos experimentales

Lo primero que se pregunta es ¿en qué grado puedo creer en las mediciones efectuadas? En
otras palabras se necesita saber si se han cometido errores experimentales que dependen de
uno y que pueden distorsionar las conclusiones a que arribamos sobre un hecho dado,
digamos una muestra que analizamos en el laboratorio, o si los errores que afectan nuestra
experimentación son los que pueden ocurrir normalmente debido a la probabilidad de
desviaciones o fluctuaciones de los valores por la conjunción de fenómenos casuales.
 40 ¿Qué significa selección del diseño experimental apropiado?

Significa adaptar el diseño que más cumpla con nuestros objetivos de investigación, de
acuerdo al área donde se ubica el experimento, las variables a evaluar, tiempo, tamaño del
experimento.

41 ¿Cuáles son los paquetes estadísticos que usted conoce y `cuales están
disponibles?

Spss + Disponible
InfoStat + Disponible

42 ¿Cuáles son los principios básicos del diseño experimental?

R// Al planificar un experimento hay tres principios básicos que se deben tener siempre en
cuenta:
— El principio de aleatorización.
— El bloqueo.
— La factorización del diseño.

 Tratamientos: El análisis estadístico posibilita la obtención de medidas de

centralización, dispersión y tendencias temporales en las series de observaciones de
los fenómenos meteorológicos con el fin de analizar la zonación de estos fenómenos.

 Repeticiones: Se refiere al número de unidades experimentales que recibirán cada

tratamiento, y es determinado a partir de informaciones sobre la variabilidad de las
unidades experimentales en términos de la variable dependiente.
  Unidad experimental: La unidad experimental es el elemento (planta, animal u objeto)
al que se le modificarán en forma planeada factores para revisar su respuesta. Es la
selección de un grupo de unidades experimentales al que no se le aplica tratamiento
especial con el fin de comparar los resultados con los otros tratamientos.

 Error experimental: Un error experimental es una desviación del valor medido de una
magnitud física respecto al valor real de dicha magnitud. En general los errores
experimentales son ineludibles y dependen básicamente del procedimiento elegido y
la tecnología disponible para realizar la medición.

43 Muestreo y Tipos de muestreo?

En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los

elementos de una población), se selecciona una muestra, entendiendo por tal una parte
representativa de la población.

El muestreo es por lo tanto una herramienta de la investigación científica, cuya función básica
es determinar que parte de una población debe examinarse, con la finalidad de hacer
inferencias sobre dicha población.

La muestra debe lograr una representación adecuada de la población, en la que se reproduzca

de la mejor manera los rasgos esenciales de dicha población que son importantes para la
investigación. Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar
las similitudes y diferencias encontradas en la población, es decir ejemplificar las
características de ésta.
Tipos de muestreo

I. Muestreo probabilístico
II. Muestreo aleatorio simple
III. Muestreo aleatorio sistemático
IV. Muestreo aleatorio estratificado
V. Muestreo aleatorio por conglomerado