Experimentación científica en la producción animal

ESCUELA DE INGENIERA EN INDUSTRIAS PECUARIAS TEXTO BASICO
DISEO DE EXPERIMENTOS

pg. 1
Sexto Nivel marzo-agosto 2013
UNIDAD I
LA EXPERIMENTACIN Y EL
MTODO CIENTFICO

Se dispone de tres definiciones bsicas que nos explican el concepto de lo que es
el Mtodo Cientfico
1
:
Conjunto de procedimientos lgicos que sigue la investigacin para descubrir las
relaciones internas y externas de los procesos de la realidad natural y social.
Serie ordenada de procedimientos de que se hace uso en la investigacin cientfica
para obtener la extensin de nuestros conocimientos.
Conjunto de procesos que el hombre debe emplear en la investigacin y
demostracin de la verdad.
Conjunto de pruebas a que se somete algo para probar su eficacia y validez o para
examinar sus caractersticas
La experimentacin
2
en su contexto, es un mtodo comn de las ciencias y las
tecnologas, consiste en el estudio de un fenmeno, reproducido generalmente en
un laboratorio repetidas veces en las condiciones particulares de estudio que
interesan, eliminando o introduciendo aquellas variables que puedan influir en l.
Se entiende por variable todo aquello que pueda causar cambios en los productos
de un experimento y se distingue entre variable nico, conjunto o microscpico.
Ensayemos un concepto global de LA EXPERIMENTACIN Y EL MTODO
CIENTFICO
3
, como: Mtodo de indagacin de la ciencia y la tecnologa que
estudia un fenmeno que se reproduce en la investigacin cientfica en condiciones
particulares de estudio que interesen, eliminando o introduciendo condiciones o
caractersticas (variables) que puedan influir en l.
En el campo biolgico -esto es de los seres vivos (el hombre, los animales, las
plantas, los alimentos, la naturaleza en general)-, se incursiona permanentemente
en la investigacin basada en mtodos y tcnicas de la investigacin cientfica que

1
WordReference.com 2010. Diccionario de la lengua espaola disponible en
http://www.wordreference.com/definicion/experimentaci%C3%B3n
2
Wikipedia. 2010. La Enciclopedia libre. Disponible en
http://es.wikipedia.org/wiki/Experimentaci%C3%B3n
3
Pazmio, J. 2010. Resmenes de la Asignatura de Diseo de Experimentos. Escuela de
Ingeniera en Industrias Pecuarias-Facultad de Ciencias Pecuarias-Escuela Superior Politcnica
de Chimborazo. Riobamba, Ecuador


pg. 2
permiten mejorar el conocimiento y la generacin tecnolgica que ha servido de
gua en la solucin de diferentes problemas que aquejan a la humanidad y a otros
seres que habitan nuestro planeta. Unas veces se ha orientado el esfuerzo a la
bsqueda de alternativas de produccin para mitigar el hambre, para poner a
disposicin mejores alimentos con mayor poder nutritivo tanto para personas
como para los animales productores de carne, leche, huevos, pieles, etc; as como
en la solucin de problemas de salud, industria, el bienestar humano en general.
La Experimentacin como mtodo cientfico, se constituye en uno de los puntales
para la generacin tecnolgica, la identificacin de alternativas para un mejor
desempeo biolgico.
En la produccin animal y la agroindustria, la experimentacin representa al
camino ms idneo para evaluar las caractersticas de las materias primas que se
generan de los bovinos, ovinos, caprinos, camlidos sudamericanos, aves, porcinos
y dems especies zootcnicas que nos proveen de la materia bsica para mediante
los procesos de transformacin y agregacin de valor, se obtenga la leche, la carne,
huevos y sus derivados, as como de la agricultura, la materia prima para la
obtencin de pulpas, cortezas, semillas, plantas, arbustos, rboles y bosques,
calidad del suelo, etc que nos sirve para transformarla en sustento de la
agroindustria de los alimentos.
Con la experimentacin, en definitiva se viabiliza la expresin potencial del
hombre, suelo, animal, planta, aire, agua y dems recursos renovables y no
renovables que forman parte del ambiente sano que conduce a un mantenimiento
apropiado y manejo racional de los recursos que son vitales en el equilibrio
ecolgico y en el desenvolvimiento del hombre como ente responsable de su buen
uso y manejo para legar a las siguientes generaciones las mismas o mejores
oportunidades que hoy disfruta nuestra humanidad.
1.1 EL MTODO CIENTFICO Y LA INVESTIGACIN CIENTFICA
La Investigacin es un proceso que, mediante la aplicacin del mtodo cientfico,
procura obtener informacin relevante y fidedigna (digna de fe y crdito), para
entender, verificar, corregir o aplicar el conocimiento.
Es la actividad de bsqueda que se caracteriza por ser reflexiva, sistemtica y
metdica; tiene por finalidad obtener conocimientos y solucionar problemas
cientficos, filosficos o emprico-tcnicos, y se desarrolla mediante un proceso.
La investigacin cientfica es la bsqueda intencionada de conocimientos o de
soluciones a problemas de carcter cientfico; el mtodo cientfico indica el camino
que se ha de transitar en esa indagacin y las tcnicas precisan la manera de
recorrerlo.


pg. 3
Cuando el investigador en el mbito de la agroindustria se propone definir el
volumen de produccin de leche en la Provincia de Chimborazo, disea
instrumentos y planifica como emprender en la indagacin respecto a sectores de
produccin de leche, recurre a las industrias lcteas que acopian materia prima de
diferentes lugares, visitar centros de produccin ganadera; instituciones
gubernamentales; etc. Con el fin de obtener toda la informacin confiable para
entender, corregir o aplicar el conocimiento al que se requiere llegar.
Todo este proceso que puede ser motivo de una Tesis de Grado, desenvolvimiento
prctico de una asignatura; investigacin docente o institucional, llega a
constituirse en un aservo de conocimiento reflexivo porque se llega a tener un
marco contextual de la realidad relacionada con la produccin de leche en la
Provincia de Chimborazo, de la Regin Centro o del Pas; resulta adems
sistemtico en razn de que diseamos la manera de recolectar informacin, datos
o referencias de carcter geopoltico (haciendas, asociaciones campesinas,
productores de traspatio), pblico (entidades y organismos del sector
gubernamental, instituciones de educacin media, superior, etc.) y metdico
(mediante encuestas, entrevistas, revisiones bibliogrficas, entre otros). Tiene el
carcter de obtencin de conocimiento sobre los sectores de mayor dedicacin a la
produccin ganadera de leche (Chambo, Guano, Colta, Chunchi, etc), el volumen de
produccin por unidad ganadera, por cantn, por da, mes, ao, en fin.
En base a esta realidad se proponen planes de intervencin, Programas de
asistencia tcnica, manejo de crditos, fuentes de financiamiento; es decir, se
emprende en la solucin de problemas y todo esto, a travs de un proceso
cientfico.
La investigacin nos ayuda a mejorar el estudio porque nos permite establecer
contacto con la realidad a fin de que la conozcamos mejor. Constituye un estmulo
para la actividad intelectual creadora. Ayuda a desarrollar una curiosidad creciente
acerca de la solucin de problemas, adems, contribuye al progreso de la lectura
crtica
4
.
El Mtodo Cientfico es Racional, porque emplea la lgica, se fundamenta en su
razonamiento apartndose de las apariencias y la subjetividad; es tcito.
El Mtodo Cientfico es analtico porque trata de entender la situacin total en
trminos de sus componentes, intenta descubrir los elementos que componen cada
totalidad y las interrelaciones que explican su interrelacin.
El Mtodo Cientfico es claro y preciso porque los problemas se formulan de esa
misma manera, de forma clara y objetiva.
El Mtodo Cientfico es verificable, a travs de la implementacin de mtodos
estadsticos que comprueben la veracidad o invalidez de las hiptesis que nos
imponemos previo a la investigacin.

4
Willianjhoelmh@hotmail.com Disponible http://www.monografias.com/trabajos15/invest-
cientifica/invest-cientifica.shtml#concep


pg. 4
El Mtodo Cientfico es explicativo porque emplea leyes y principios para explicar
los fenmenos y los resultados son explicados en funcin de la relacin cientfica;
por ejemplo, los cambios de color, sabor, olor, en los alimentos industrializados; la
prdida de peso de algunos derivados lcteos a travs del tiempo; las razones del
enranciamiento de productos comestibles; la formacin de mohos, hongos,
levaduras, etc. Son fenmenos que deben ser explicados mediante la relacin
bioqumica con fundamentacin cientfica.
La comparacin de los resultados de una investigacin con los de otros autores,
permite implementar una discusin de estos, al amparo de la relacin de
mejoramiento del conocimiento, haciendo expresas comparaciones y buscando las
razones y argumentos que puedan explicar los hechos y hallazgos obtenidos en una
u otra investigacin; solo as se llega al acopio del conocimiento y surgen las
alternativas de mejoramiento en cualquier aspecto de la produccin, preservacin, ,
prevencin de la salud, economa y rentabilidad.
En resumen, la investigacin cientfica es un proceso a travs del cual llegamos a la
comprobacin de supuestos que antes de sta, no son de dominio cientfico o a su
vez permiten incrementar la experticia del investigador.
1.2 CARACTERIZACIN DE LA INVESTIGACIN NO EXPERIMENTAL
En http://www.monografias.com/trabajos21/metodo-cientifico/metodo-cientifico.shtml., se
reporta que siendo este un proceso sistemtico organizado o dirigido que tiene
como objeto fundamental la bsqueda de procedimientos vlidos y confiables sobre
hechos y fenmenos del hombre y del universo, se hace imprescindible hablar
acerca de una simple clasificacin de la Investigacin; as: Por el propsito, se
conoce:
Investigacin Bsica, que busca el conocimiento en si, llegando a reforzar la
determinacin de generalizaciones universales, realizando teoras cientficas,
sistemticas, y coherentes que se refieren a una arrea del saber humano. En este
contexto se hallan los estudios de las leyes universales, como la conductividad, la
gravedad, los signos, de la contabilidad, finanzas, matemticas, etc.
En Agroindustrias por ejemplo, pueden emprenderse estudios investigativos
relacionados con la degradacin de la materia orgnica, la putrefaccin, la vida til
de los alimentos exclusivamente a travs del tiempo. No existe manera de detener
los procesos biolgicos de la degradacin o putrefaccin en condiciones de
almacenamiento al aire libre y en condiciones no refrigeradas y podra
desarrollarse la investigacin para conocer la evolucin que sufre un alimento
crudo o cocido a la intemperie, midiendo reblandecimiento, proliferacin de
hongos, mohos, levaduras, degradacin microbiolgica progresiva, por simple
conocimiento especfico, cuando en el fundamento cientfico se conoce que la
materia orgnica se degrada en funcin de las condiciones de almacenamiento y del
tiempo, como un principio ineludible, pero podra encontrarse una definida
poblacin de Unidades formadores de colonias, tipos de microorganismos,


pg. 5
velocidad de expansin de la putrefaccin, etc., que en s corresponde a un
conocimiento o investigacin bsica.
Investigacin Aplicada, busca obtener conocimiento, pero adems predispone a
identificar soluciones para mejorar la tendencia del desarrollo productivo, el gasto
corriente, diseo y montaje de instalaciones para controlar el ambiente y los
procesos industriales, etc. La parte fundamental de este tipo de investigacin es
lograr plantear aplicaciones tecnolgicas fundamentadas en el mejor conocimiento
cientfico.
Desde el punto de vista de la EXPERIMENTACIN, la investigacin se clasifica en
No Experimental y Experimental y hay clasificaciones que identifican a la Casi
Experimental. En estos contenidos nicamente nos referiremos a las dos primeras.
Conviene precisar las caractersticas principales de la Investigacin No
Experimental, precisando lo siguiente:
DAry, Jacobs y Razavieh (1982) consideran que la variacin de las variables se
logra no por manipulacin directa sino por medio de la seleccin de las unidades de
anlisis en las que la variable estudiada tiene presencia o de por si ya se produjeron
resultados, con variables generadas en hechos anteriores; por ejemplo, se puede
analizar como influy el movimiento del 30 de septiembre de 2010, con la
sublevacin de ciertos elementos de la polica y de las Fuerzas Armadas en el
Ecuador. De qu manera repercuti en la vida nacional, en la economa nacional,
cmo se derivan consecuencias de la actuacin de los involucrados. De otro lado
podramos interesarnos por estudiar las relaciones de mercado donde se generan
productos alimenticios para la poblacin, en la que de hecho hay individuos
vegetarianos, otros con costumbres y tradiciones sobre el aprovechamiento de los
alimentos; los que por su religin o credo no pueden aprovechar cierto tipo de
alimentos; etc. En los dos ejemplos hay variables determinantes que existen previo
a la ejecucin de la investigacin y no pueden ser manipuladas por el investigador;
por ejemplo, estado emocional de los elementos uniformados, influencia por orden
jerrquico propio de las fuerzas del orden; conocimiento y dominio de la realidad
salarial, de la Ley Orgnica del Servidor Pblico, etc, situaciones que estuvieron
marcadas con antelacin a los desrdenes producidos; los resultados, detenidos,
civiles, policiales, militares, desesados, heridos, enjuiciados, etc, etc.
Es muy importante destacar que en una investigacin experimental la variable
independiente se manipula y por eso se le llama variable activa mientras que en la
investigacin Ex Post Facto la variable independiente no es susceptible de
manipulacin y por eso de le llama variable atributiva.


pg. 6
De acuerdo con Kerlinger (1983), la investigacin No experimental o Ex Post Facto
es un tipo de:
... investigacin sistemtica en la que el investigador no tiene control sobre las variables
independientes porque ya ocurrieron los hechos o porque son intrnsecamente manipulables,
(p.269).
En la investigacin Ex Post Facto los cambios en la variable independiente ya
ocurrieron y el investigador tiene que limitarse a la observacin de situaciones ya
existentes dada la incapacidad de influir sobre las variables y sus efectos
(Hernndez, Fernndez y Baptista, 1991).
vila, H (2006), en su reporte de Introduccin a la Metodologa de la
Investigacin, disponible en http://www.eumed.net/libros/2006c/203/2i.htm,
identifica a la investigacin no experimental como Investigacin Ex Post Facto
5
.
Con los resultados que arroja una investigacin Ex Post Facto no es posible afirmar
con seguridad una relacin causal entre dos o ms variables. Lo anterior debido a
la posibilidad de que no se hayan encontrado otros factores que si estn afectando
la variable dependiente. Si esto ocurre entonces se tienen datos espurios o falsos, es
decir, existen serias dudas acerca de su origen.
La investigacin experimental implica establecer mecanismos de control como
condicin del mtodo experimental. No obstante lo anterior, cuando ha pasado un
evento (hecho) cmo puede ser controlado?
El investigador empieza con la observacin de hechos que ya se han presentado y
que se han manifestado en una serie de eventos. En el rea de origen del fenmeno
estudiado se observan los hechos.
A partir de las observaciones se procede a disear tanto los objetivos como las
hiptesis dando inicio a la investigacin en sentido opuesto a una investigacin
experimental.
Por todo esto, se hace razonable la opinin complementaria que se cita en
ares.unimet.edu.ve/.../INVESTIGACIN%20NO%20EXPERIMENTAL.doc (s/f), que dice:
que es una indagacin emprica y sistemtica en la cual el cientfico no tiene un control
directo sobre las variables independientes porque sus manifestaciones ya han ocurrido o
porque son inherentemente no manipulables. Las inferencias acerca de las relaciones entre

5
Significa: Despus de ocurridos los hechos


pg. 7
variables se hacen, sin una intervencin directa, a partir de la variacin concomitante de las
variables dependientes e independientes
6
.
1.3 CARACTERZACIN DE LA INVESTIGACIN EXPERIMENTAL
La investigacin experimental
7
est integrada por un conjunto de actividades
metdicas y tcnicas que se realizan para recabar la informacin y datos necesarios
sobre el tema a investigar y el problema a resolver.
La investigacin experimental se presenta mediante la manipulacin de una
variable experimental no comprobada, en condiciones rigurosamente controladas,
con el fin de describir de qu modo o por qu causa se produce una situacin o
acontecimiento particular.
Su diferencia con los otros tipos de investigacin es que el objetivo de estudio y su
tratamiento dependen completamente del investigador, de las decisiones que tome
para manejar su experimento.
El experimento es una situacin provocada por el investigador para introducir
determinadas variables de estudio manipuladas por l para controlar el aumento o
disminucin de esas variables y su efecto en las conductas observadas.
En el experimento, el investigador maneja de manera deliberada la variable
experimental y luego observa lo que ocurre en condiciones controladas. La
experimentacin es la repeticin voluntaria de los fenmenos para verificar su
hiptesis
Walles, J. de Wikipedia. Enciclopedia libre (2010) y disponible en
http://es.wikipedia.org/wiki/Investigaci%C3%B3n_experimental, enfatiza que la
Investigacin experimental es el tipo de investigacin que usa la lgica y los
principios encontrados en las ciencias naturales. Los experimentos pueden ser
llevados a cabo en el laboratorio o en la vida real. Estos generalmente involucran
un nmero relativamente pequeo de personas y abordan una pregunta bastante
enfocada. Los experimentos son ms efectivos para la investigacin explicativa y
frecuentemente estn limitados a temas en los cuales el investigador puede
manipular la situacin en la cual las personas se hallan.
En la mayora de estos experimentos, el investigador divide a las personas objeto
de la investigacin en dos o ms grupos. Los dos grupos reciben tratamientos
idnticos, excepto que el investigador da a un grupo y no a los otros la condicin en
la que el est interesado: el tratamiento
8
. El investigador mide las reacciones de

6
Disponible en http://www.psicopedagogiaonline.com/articulos/documentos/inves.htm,
7
Ruiz.L.J.http://www.monografias.com/trabajos14/investigacion/investigacion.shtml#DEFIN
8
Pazmio, J. (2010). Resmenes de la asignatura Diseo de Experimentos. Escuela de
Ingeniera en Industrias Pecuarias-Facultad de Ciencias Pecuarias-ESPOCH


pg. 8
ambos grupos con precisin. Mediante el control de las condiciones de ambos
grupos y dndole el tratamiento a uno de ellos, puede concluir que las diferentes
reacciones de los grupos son debidas nicamente al tratamiento.
Complementariamente, conviene identificar algunas similitudes entre los dos tipos
de investigacin abordadas en esta ltima parte:
Existen al menos tres aspectos en los que la investigacin experimental es
semejante a la investigacin no Experimental o Ex Post Facto:
1. Por medio de estos tipos de investigacin se pueden comprobar hiptesis.
2. Se utilizan grupos semejantes excepto en algn aspecto o caracterstica
especfica.
3. Se utilizan mtodos estadsticos para el tratamiento y anlisis de datos.

As mismo, las diferencias principales entre ambos tipos de investigacin radican
en los siguiente aspectos:
La investigacin experimental tiene un control estricto de las variables extraas, no
as en la investigacin Ex Post Facto.
La investigacin experimental parte de grupos similares para encontrar una
diferencia y establecer la relacin causa-efecto. La investigacin Ex Post Facto
estudia dos grupos diferentes y busca qu es lo que hace la diferencia para
establecer la relacin causa-efecto.
Para complementar estos detalles, es preciso caracterizar un experimento, entonces
identificaremos los siguientes elementos de la experimentacin:
Experimento: Experiencia que se conoce como ensayo o investigacin
modificando las condiciones habituales de la unidad de estudio
Unidad de Estudio o Unidad experimental: Es equivalente a la unidad
experimental (persona, animal o cosa) sobre la que se influir para obtener una
respuesta.
Causa: mbito de influencia que acta sobre la unidad experimental y que puede
o no cambiar su comportamiento o respuesta. Se refiere al Tratamiento y puede
considerarse a la variable X.
Efecto: Respuesta de la Unidad experimental por influencia de la Causa. Es el
resultado de la aplicacin de un tratamiento. Podra reconocerse como variable Y o
de efecto.


pg. 9
Tratamiento: Condicin natural o modificada de un proceso que se aplica a una
unidad experimental.
Tratamiento Testigo: Estndar o Control con el que se compararn los dems
tratamientos de prueba.
Tratamiento de Prueba: Condicin modificada de la habitual con fines de
mejoramiento del comportamiento de las unidades experimentales.
Tratamientos referenciales: Resultados de otros ensayos o respuestas
conocidas que pueden ser integradas a una investigacin para ser comparadas sin
necesidad de volver a experimentarlas, pero que forman parte del ADEVA como
fuente de variacin adicional.
Repeticin: Frecuencia con la que se repite la aplicacin de un tratamiento.
Veces que se repite un tratamiento en un Diseo Completamente al azar para
obtener mayor precisin y exactitud en la respuesta de la investigacin.
Tamao de la Unidad experimental: Una o ms Unidades de estudio dentro
de una repeticin. Por ejemplo: 15 repeticiones por tratamiento y en cada
repeticin 10 unidades de estudio.
Rplica: Es una forma de repeticin pero relacionada con otro(s) ensayo(s) en
diferente perodo de tiempo.
Variables de respuesta: Son las caractersticas que demuestran las unidades
experimentales como respuesta a la aplicacin de un tratamiento. Por ejemplo, el
peso y rendimiento del queso por efecto del nivel de ClNa en su formulacin;
costo/kilo de queso; Beneficio/Costo; proliferacin microbial; vida de anaquel; etc.
Bloque: Repeticin en un experimento bajo un Diseo en Bloques
completamente al azar. Rene a todos los tratamientos en diferente condicin
segn la gradiente de variabilidad.
Variabilidad: Dispersin con la que se comporta una unidad experimental en
relacin a otra o a la media de ese tratamiento
Hiptesis: Supuesto de un acontecimiento o comportamiento, sujeto a
comprobacin
Anlisis de Varianza: Conjunto de procesos estadsticos que se basan en una
prueba estadstica que comprueba la validez de la hiptesis. Su dsigla es ADEVA,
ANDEVA, ANOVA segn los autores.
Fisher calculado: Valor de la relacin entre la Varianza o Cuadrado Medio de los
tratamientos y la Varianza o cuadrado medio del error experimental
Fisher tabular: Valor crtico disponible en las tablas de valores Fisher
Nivel de Significancia: Nivel de probabilidad a la que se distinguen las
diferencias o no diferencias entre medias de tratamientos
Significativo: Cuando Fisher calculado es mayor que Fisher tabular en el ADEVA


pg. 10
No significativo: Cuando Fisher calculado es igual o menor (<) que Fisher
tabular
Grados de libertad: es un estimador del nmero de categoras independientes
en una prueba particular o experimento estadstico. Se lo define mediante las
expresiones n-1; t-1; r-1, considerando por ejemplo que n: total de observaciones
del experimento e todos los tratamientos; t: total de tratamientos y r: nmero de
repeticiones por tratamiento.
Fuentes de Variacin: surgen segn el Diseo del experimento; por ejemplo, en
el Diseo Completamente al Azar (DCA), las fuentes de variacin son: TOTAL,
TRATAMIENTOS Y ERROR O RESDUO EXPERIMENTAL.
Suma de cuadrados: (SC) Se calcula para cada fuente de Variacin y es el
resultado de la ponderacin matemtica de la suma de todas las desviaciones al
cuadrado; por ejemplo: SCTOTALES=x
2
FC =

Cuadrado Medio: CM o Varianza por ejemplo de los Tratamientos:
S
2
TRAT =

Error Experimental: Resduo Experimental. Expresin de dispersin dentro de
un experimento que se constituye en fuente de variacin de todos los Diseos
Experimentales.
SPSS: Sistema computarizado de procesamiento estadstico de datos
Excel: De MS-Office2007. Hoja electrnica para procesamiento de datos de
investigacin cientfica.
Esta Unidad concluye con una descripcin de las etapas de un Diseo de
Experimentos:
1. Enunciado o planteamiento del problema.
2. Formulacin de hiptesis.
3. Proposicin de la tcnica experimental y el diseo.
4. Examen de sucesos posibles y referencias en que se basan las razones para la
indagacin que asegure que el experimento proporcionar la informacin
requerida y en la extensin adecuada.
5. Consideracin de los posibles resultados desde el punto de vista de los
procedimientos estadsticos que se aplicarn y para asegurar que se satisfagan
las condiciones necesarias para que sean vlidos estos procedimientos.
6. Ejecucin del experimento.
7. Aplicacin de las tcnicas estadsticas a los resultados experimentales.
8. Extraccin de conclusiones con medidas de la confiabilidad de las estimaciones
generadas.


pg. 11
9. Deber darse cuidadosa consideracin a la validez de las conclusiones para la
poblacin de objetos o eventos a la cual se van a aplicar.
10. Valoracin de la investigacin completa y contrastacin con otras
investigaciones del mismo problema o similares.
Este contenido permite abrir un espacio de referencias metodolgicas de la
investigacin, mtodo cientfico y experimentacin y pretende facilitar un enfoque
sobre lo que ms adelante sern las condiciones metodolgicas del Diseo de
Experimentos para investigacin biolgica y especialmente en la Agroindustria. El
estudiante terminar la unidad con una concepcin intelectual para la aplicacin de
los mtodos estadsticos expresados en los Diseos de Experimentos para la
adopcin de procedimientos que sern aplicados en las investigaciones de Tesis de
Grado en el rea agroindustrial.

RESPONSABILIDAD DEL ESTUDIANTE:
Consulta Bibliogrfica para un
intercambio de opiniones y conceptos a
travs de un seminario de Anlisis y
Discusin de la temtica.
Presentar un Resumen analtico de los
contenidos de esta Unidad.
Evaluacin escrita de la Unidad una
semana despus de la culminacin de la
misma.
El estudiante puede aportar de manera
voluntaria algn(os) trabajo(s)
adicional(es) con el fin de ganar puntos
que sern contabilizados en la nota
parcial.


pg. 12
UNIDAD II
ANLISIS DE VARIANZA
ORDENACIN SIMPLE

2.1 DISEO COMPLETAMENTE AL AZAR
2.2 MODELO LINEAL ADITIVO
2.3 MODELO MATEMTICO
2.4 CON IGUAL NMERO DE REPETICIONES/TRATAMIENTO
2.5 CON DESIGUAL NMERO DE REPETICIONES/TRATAMIENTO
2.6 ANLISIS DE RESULTADOS EXPERIMENTALES
2.7 PRUEBAS DE SIGNIFICANCIA (SEPARACION DE MEDIAS)

Recordaremos que, en la imparticin de la asignatura de Mtodos Estadsticos, se
abord sobre la INFERENCIA ESTADSTICA, como una manera de conjeturar,
suponer, vislumbrar, sospechar, predecir, pero de una manera ms enftica
presentan una correspondencia en la materia en cuestin como un proceso de
deduccin e induccin; lo cual en verdad tiene relacin con la oportunidad de
realizar generalizaciones a partir de una situacin particular o de efectuar
particularizaciones en funcin de una situacin general. De la misma manera la
estadstica no es ms que el ordenamiento de datos, por tanto la inferencia
estadstica es la obtencin sistmica de una o ms conclusiones a partir de una
base de datos
9
.
En experimentacin tambin hay que recordar que nos plantebamos una hiptesis
de trabajo, como supuesto de los acontecimientos relacionados con una
investigacin en particular.
El Mtodo Cientfico, define que un supuesto o una hiptesis, est sujeta a
comprobacin , por tanto, la investigacin compromete por una parte a formular
una hiptesis y luego de la recopilacin de datos, docimarla o comprobarla
mediante la aplicacin de un mtodo estadstico ajustado a la naturaleza de esa
investigacin, luego de lo cual se la aceptaba o se la rechazaba.
Tambin se debe recordar, que el rechazo o la aceptacin de una hiptesis, conlleva
al rechazo o aceptacin de la otra.

9
Pazmio, J. y Condo, L. (2010). Diseo Experimental en el desarrollo del Conocimiento Cientfico.


pg. 13
Si en el experimento o investigacin puntual, se compara la respuesta de dos
grupos definidos G1 vs G2 y si la hiptesis se formula previamente expresando que
No hay diferencias significativas entre las medias de los grupos uno de los
Mtodos para comprobar esta hiptesis puede ser la Prueba t-Studente, la misma
que debe partir del hecho de que:
Ho: G1 = G2
Y el precepto estadstico indica que: Si tCAL < tTAB, entonces aceptamos la Ho y
rechazamos la H1.
Por lo contrario, si tCAL > tTAB, entonces rechazamos Ho y aceptamos H1 y se
asignabala No significancia (NS) o la significancia (* o ** ).
El procesamiento estadstico consista en calcular el valor t-Student a travs del
mtodo de mnimos cuadrados y varianzas.
En otras circunstancias investigativas, recurramos a la aplicacin de Z, Ji
Cuadrada, etc mtodos que conducen a la docimasia de las hiptesis y
particularizando una investigacin que compara comportamientos entre SOLO
DOS GRUPOS (G1 vs G2; A vs B; ANTES vs DESPUS; CON vs SIN; etc ejemplos).
En Diseo de Experimentos, se contemplan casos de investigaciones en las que
participan 3 ms grupos definidos con r repeticiones/grupo y en el caso ms
simple de la experimentacin; unos pocos ejemplos:
1. Calidad de la mortadela especial con diferentes ingredientes no tradicionales
(Quinuharina; Chochoharina y soyaharina)
2. Frmulas de elaboracin del yogur (Tradicional; a base de suero de leche; leche
descremada y leche de soya).
3. Distintos niveles de ClNa (0.5; 0.20; 0,35; 0,50 mg/l en la obtencin de queso
fresco.
4. Utilizacin de cromo inorgnico en la curticin de pieles.
5. Reemplazo del cromo inorgnico por niveles de quebracho en la obtencin de
napa vestimenta
Cada caso trata de un experimento con 3, 4 ms grupos o tratamientos.
El investigador plantea la hiptesis nula o alternativa, en forma textual (texto)
como matemtica (expresin matemtica), que podra resumirse, respectivamente
as:


pg. 14
Caso 1.
Ho: El uso de distintos ingredientes no tradicionales no presenta diferencias
significativas en la calidad de la mortadela especial
Ho: St = Q= Ch= S
St: Frmula Tradicional (Testigo)
Q: Frmula con harina de qunua
Ch: Frmula con harina de chocho
S: Frmula con harina de soya
Caso 2.
H1: El rendimiento y calidad del yogur Tipo I elaborado con diferentes sustratos
lcteos presenta diferencias significativas
H1: St SL LD LS

Ho: St = Q= Ch= S
St: Yogur Tradicional (Testigo)
SL: Yogur con suero de leche
LD: Yogur con leche descremada
LS: Yogur con leche de soya
Caso 3.
H1: La concentracin de ClNa (sal comn) define la calidad y rendimiento del
queso fresco
H1: S0 S0.05 S0.20 0.35 0.50
S0: Sin Sal formulacin Testigo
0.20: mg sal
0.35: mg sal
0.50: mg sal
En su orden, as se formularon las hiptesis de trabajo; en unos casos valorando la
Hiptesis Nula (Ho) y en otros la Hiptesis Alternativa (H1).


pg. 15
Estos experimentos corresponden a investigaciones con ms de dos grupos de
tratamientos, en tal virtud, es preciso identificar el Diseo Experimental como
marco matemtico estadstico que guiar la docimasia de las hiptesis.
En investigacin experimental entonces hay que identificar los siguientes tipos de
Modelos estadsticos para validar o comprobar las hiptesis:
1. Anlisis de Varianza (ADEVA) por Ordenacin Simple
2. Anlisis de Varianza (ADEVA) por Ordenacin mltiple
La comprobacin de hiptesis segn el ADEVA, emplea la Prueba Fisher que
obtiene por el mtodo de los mnimos cuadrados, los grados de libertad y los
Cuadrados medios (S
2
) el valor Fisher CALCULADOS, que ser confrontado con el
Fisher Tabular (TABLAS), a travs de los que se llega a la aceptacin o rechazo de
la(s) hiptesis.
Criterios de aceptacin o rechazo de las hiptesis
1. Si FCAL < F.05, No hay diferencias significativas (NS) por tanto ACEPTO Ho y
RECHAZO H1 con el 95 % de CERTEZA y el 5 % de ERROR
2. Si FCAL > F.05 hay diferencias significativas (*) por tanto ACEPTO H1 y
RECHAZO H0 con el 95 % de CERTEZA y el 5 % de ERROR
3. Si FCAL > F.01 hay diferencias altamente significativas (**) por tanto ACEPTO
H1 y RECHAZO H0 con el 99 % de CERTEZA y el 1 % de ERROR.
Se emplearn los VALORES FISHER que se disponen en el Anexo 1, de acuerdo a
los grados de libertad de los TRATAMIENTOS como numerador y los grados de
libertad del ERROR EXPERIMENTAL, a los niveles de significancia P<.05 y
P<.01.
Estos modelos de ADEVA, se circunscriben a los Diseos Experimentales que en
esta Unidad se abordar en la modalidad Anlisis de de Varianza ORDENACIN
SIMPLE. identificado con EL DISEO COMPLETAMENTE AL AZAR con igual y
con desigual nmero de repeticiones por tratamiento y se complementar con la
Separacin de medias de tratamientos aplicando las pruebas pertinentes.

2.1 DISEO COMPLETAMENTE AL AZAR (DCA)
Es el Diseo experimental ms sencillo, en el que las fuentes de variacin


pg. 16
contemplan a la variacin TOTAL, a la que proviene de los TRATAMIENTOS y
obviamente debida a la fuente de variacin que identifica al ERROR
EXPERIMENTAL o RESDUO EXPERIMENTAL.
El DCA, es el ms conocido como De ordenacin Simple (One Way) y se aplica
cuando las unidades experimentales son homogneas, cuando la variacin entre
stas es mnima, tal es el caso de experimentos de laboratorio, cmaras de
crecimiento, invernadero, galpones, plantas de produccin, cmaras de
maduracin, etc., en los que las condiciones ambientales sean controladas. Esta es
una prueba con solo un criterio de clasificacin equivalente a la prueba no pareada
de t-Student.
Este es el caso de muchos experimentos de laboratorio, en los que una cantidad de
material est completamente mezclado y luego se divide en porciones pequeas
para formar las unidades experimentales a las cuales se les asigna los tratamientos
en forma aleatoria, o en experimentos con animales y plantas con condiciones
ambientales muy parecidas. La aleatorizacin es un proceso que hace aplicable las
leyes de la casualidad, se logra asignando tratamientos a las unidades
experimentales de manera completamente aleatoria. No impone restricciones a la
aleatorizacin como cuando se necesita que un bloque contenga todos los
tratamientos
10
.

Este diseo no es eficiente para experimentos a campo abierto con especies
agrcolas o pecuarias. Puede probarse con cualquier nmero de tratamientos
resultando deseable, aunque no es esencial, asignar el mismo nmero de unidades
experimentales a cada tratamiento
11
.

Entre las ventajas podemos citar:
- Es fcil de planear
- Es flexible en cuanto al nmero de unidades experimentales, en general
- No es necesario que el nmero de tratamientos sea igual al nmero de
repeticiones
- No se calcula parcelas perdidas
- Por no tener muchas restricciones, aumenta el nmero de grados de libertad
para el error
- Anlisis estadstico Simple.

Entre las desventajas:
- No es eficiente con material heterogneo

10
Steel/Torrie. 1988.
11
Little, T. 1976. Mtodos Estadsticos para la investigacin en agricultura.


pg. 17
- Puesto que no existe restricciones en cuanto a la aleatorizacin, el error
experimental incluye la variacin total entre las unidades experimentales,
excepto aquellas debido a tratamientos. Es necesario agrupar las unidades
experimentales, de modo que la variacin entre estas estn dentro de cada
grupo, sea menor que la variacin entre unidades experimentales en diferentes
grupos.
2.2 Modelo Lineal Aditivo
El modelo lineal aditivo o ecuacin de rendimiento en el que se basa el DCA, es el
siguiente:
Yij = + t i + ij; donde:
Yij: Valor estimado de la variable
: media general
t i: Efecto del tratamiento T1, T2, ,
Tiavo
eij: Error experimental

En su conjunto, la ecuacin representa a la media general, ms el efecto
proveniente de los tratamientos, ms la presencia de un efecto al azar, que es el
error experimental para cada observacin.
2.3 Modelo Matemtico DCA
Partiremos del esquema del Anlisis de Varianza (ADEVA):
Cuadro 2.1 ESQUEMA DEL ADEVA
FUENTES DE
VARIACIN
Grados de
Libertad
TOTAL n-1
Tratamientos t-1
Error Experimental
1/
(n-1)-(t-1)
1/
Por diferencia entre el TOTAL-Tratamientos
n: Nmero total de observaciones
n = t*r ; donde:
t: Nmero de tratamientos incluyendo el testigo o estndar o control.
r: Nmero de repeticiones/tratamiento


pg. 18
Este esquema es el que se toma en cuenta e incluso se requiere reportarlo en el
Anteproyecto de Tesis en el Captulo de MATERIALES Y MTODOS en la Facultad
de Ciencias Pecuarias de la ESPOCH
12
.

2.3.1 Clculo de las Sumas de Cuadrados corregidos
- Suma de Cuadrados Totales

x: Valor de cada observacin del conjunto de n observaciones
FC: Factor de correccin de sumas de cuadrados

De esta manera la frmula inicial quedar:
; es decir:
x
2

- Suma de Cuadrados de Tratamientos

r: Nmero de repeticiones por tratamiento
El FC ya se describi anteriormente.

12
ESPOCH. Escuela Superior Politcnica de Chimborazo. Acreditacin Clase A. CONEA (2009)


pg. 19
Suma de Cuadrados del Error Experimental
Se obtiene por diferencia entre el Total y los Tratamientos; as:

2.3.2 Grados de libertad
glTOTALES = n-1
glTRATATAMIENTOS= t-1
glERROR EXPERIMENTAL = glTOT.- glTRAT
2.3.3 Clculo del Cuadrado Medio (S
2
)
El Cuadrado Medio, llamado tambin Varianza, se define por la divisin de la Suma
de Cuadrados para los grados de libertad; entonces:

2.3.4 Clculo del Valor Fisher

Por ejemplo:
Para el experimento contemplado en el caso de 2 de los ejemplos iniciales, los
tratamientos son cuatro Frmulas (t = 4) de elaboracin del yogur (Tradicional; a
base de suero de leche; a base de leche descremada y a base de leche de soya).
Asumiendo que cada frmula se repiti 5 veces (r = 5 repetic/Frmula)


pg. 20
Entonces los valores Fisher crticos o tabulares sern:
F.05;3 gl numerador y 16 gl denominador
Anexo 1. Valores Fisher P<.05

De igual manera se ubica el Valor Fisher tabular al nivel P<.01.
Ahora bien: Por qu 3 gl para el numerador y 16 para el denominador ?:
n = t * r; t = 4 frmulas y r = 5 segn el ejemplo, entonces:
n = 4 x 5 = 20, en consecuencia los g.l. de libertad totales (n 1) = 20 1 = 19
Si t = 4, los g.l. Tratam.= 4-1 = 3,
Por lo tanto:
Los g.l. del Error = gl TOT gl TRAT, as:
gl ERROR = 19 3 = 16
En consecuencia, con 3 gl en el numerador y con 16 gl en el denominador o Error
en el cruce, se han identificado los valores Fisher en las Tablas (Anexo 1).
F.05; 3 gl numerador y 16 gl error = 3,24
F.05 = 3,24
G. L de Numerador
G de l.
Error
Nivel
signif. 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0,05 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,0 243,9 244,7
2 0,05 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,40 19,41 19,42
3 0,05 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,76 8,74 8,73
4 0,05 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,94 5,91 5,89
5 0,05 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,70 4,68 4,66
6 0,05 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,98
7 0,05 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,60 3,57 3,55
8 0,05 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,31 3,28 3,26
9 0,05 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,10 3,07 3,05
10 0,05 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,94 2,91 2,89
11 0,05 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,82 2,79 2,76
12 0,05 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,72 2,69 2,66
13 0,05 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,63 2,60 2,58
14 0,05 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,57 2,53 2,51
15 0,05 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,51 2,48 2,45
16 0,05 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,46 2,42 2,40
17 0,05 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,41 2,38 2,35
18 0,05 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,31
19 0,05 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,34 2,31 2,28
20 0,05 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,31 2,28 2,25
30 0,05 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,13 2,09 2,06
40 0,05 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 2,04 2,00 1,97
60 0,05 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,89
80 0,05 3,96 3,11 2,72 2,49 2,33 2,21 2,13 2,06 2,00 1,95 1,91 1,88 1,84
100 0,05 3,94 3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,97 1,93 1,89 1,85 1,82
120 0,05 3,92 3,07 2,68 2,45 2,29 2,18 2,09 2,02 1,96 1,91 1,87 1,83 1,80
140 0,05 3,91 3,06 2,67 2,44 2,28 2,16 2,08 2,01 1,95 1,90 1,86 1,82 1,79
160 0,05 3,90 3,05 2,66 2,43 2,27 2,16 2,07 2,00 1,94 1,89 1,85 1,81 1,78
200 0,05 3,89 3,04 2,65 2,42 2,26 2,14 2,06 1,98 1,93 1,88 1,84 1,80 1,77
240 0,05 3,88 3,03 2,64 2,41 2,25 2,14 2,05 1,98 1,92 1,87 1,83 1,79 1,76

g.l.numerador (Tratamientos)


pg. 21
Ibidem para F.01; 3 gl numerador y 16 gl error.
F.01 = 5,29 (Tabla de valores Fisher P.01
Para completar la informacin, siempre ser de gran ayuda el clculo del
COEFICIENTE DE VARIACIN, el mismo que nos define la variabilidad de los
datos dentro de los tratamientos y nos orienta a si los datos requieren o no
transformaciones, partiendo del hecho general de que CV > 15 % denotan una
variabilidad alta y pueden requerir esta transformacin.
Su frmula de clculo, recordemos fue:

El CV en base al ADEVA, cualquiera sea el Diseo Experimental aplicado, se calcula
de la siguiente manera:

As, se complementar la informacin para la debida interpretacin del resultado
del ADEVA en cada variable de la investigacin experimental.
2.4 APLICACIONES DEL DCA CON IGUAL NMERO DE
REPETICIONES/TRATAMIENTO
Como se manifest en la caracterizacin de este Diseo, se emplea en condiciones
en las que el material experimental es homogneo, esto da lugar a que hay similitud
de condiciones tanto en unidades experimentales como en alojamiento
investigativo y respecto a las unidades experimentales, se intuye que el
comportamiento de cada una, ser similar dentro de cada tratamiento.
Al tratarse de investigacin en galpones, invernaderos, laboratorios, cmaras de
maduracin, talleres controlados, etc, se hace posible contar con material
experimental homogneo, como personas, plantas, animales, cpsulas, matraces,
quesos, frascos de yogur, botellas de vino, etc, siendo factible un ensayo o
experimento con igual nmero de observaciones (repeticiones) por tratamiento y si
las Filas son los Tratamientos Ti y las columnas son las repeticiones rj, el diagrama
quedara como sigue:


pg. 22

Cuadro 2.2 DIAGRAMA DE IDENTIDAD DE LOS VALORES xi
TRATAMIENTO
(Ti)
REPETICIONES (rj)
r1 r2 Rn
T1 X11 X12 X1javo
T2 X21 X22 X2javo
T3 X31 X32 X3javo

Tiavo Xiavo1 Xiavo2 Xiavojavo

Claro, debiendo enfatizar que los valores xij provienen de una distribucin
completamente aleatoria de los tratamientos en las unidades experimentales. No
hay que pasar por alto tambin, que cada valor de xij es un valor medio de varias
observaciones o de una sola en la repeticin rj.
Lo anotado, con el fin de organizar el procesamiento estadstico manual o
computarizado de la informacin.
2.4.1 Distribucin aleatoria de los Tratamientos
Asumiendo que los tratamientos son S0; S0.15; S0.30 y S0.45 mg ClNa/l en la
elaboracin de queso fresco y se ha planificado el ensayo con 5 repeticiones por
cada concentracin, se requieren de 20 observaciones a registrar para obtener al
menos 20 quesos frescos.
Se prev el empleo de 5 litros de leche fresca por cada queso a preparar, entonces
cada frmula se aplicar en 25 litros de leche y los tratamientos se distribuirn
aleatoriamente de la siguiente manera:


pg. 23

S: ClNa (sal comn)
R: Repeticin

Grfico 1. DISTRIBUCIN ALEATORIA DE
TRATAMIENTOS (mg ClNa/l leche) EN LA
ELABORACIN DE QUESO FRESCO.

Obsrvese que la distribucin de los
tratamientos se presenta al azar, en
aprovechamiento de la homogeneidad
de la materia prima leche. Para lograr
esta distribucin se inscribieron 20
papelitos con la inscripcin del
tratamiento y la repeticin StR1 a
S45R5 y al azar se fue distribuyendo
en cada bidn de leche
De esta materia prima (leche fresca),
se producirn quesos en diferentes
concentraciones de sal. Como
consecuencia de esto, las mediciones
experimentales (variables de efecto o
de medicin), presentarn
informacin cuali-cuantitativa que
servir para la comprobacin de las
hiptesis.
A manera de ejemplo, se reportan los
siguientes resultados del rendimiento
en peso (kg) de queso fresco de
acuerdo a la proveniencia de los
tratamientos que se implementaron
segn el Grfico 1:

Grfico 2. RENDIMIENTO DE QUESO
FRESCO (kg) BAJO LA ADICIN DE
DISTINTOS NIVELES DE ClNa (mg/l)

S45R4
1,12
S45R5
1,15
S45R2
1.10
S45R3
1,12
S15R2
1,14
S30R5
1,19
S30R4
1,21
S30R3
1,21
S30R1
1,20
S30R2
1,20
StR4
1,32
StR5
1,34
StR2
1,35
StR3
1,32
StR1
1,31
S15-R5
S15R4
S15R3
1,25
1,30
1,28
S15R1
1,29
S45R1
1,27
S30R1
S15-R5
S15R4
S15R3
S15R2
S15R1
StR4
StR5
StR2
StR1
StR3
S30R2
S30R3
S30R4
S30R5 S45R4
S45R5
S45R3
S45R2
S45R1


pg. 24
De esta manera se pasa a la
organizacin del Cuadro de
procesamiento de datos, con los
resultados registrados:
Formulacin de Hiptesis:
H1: La adicin de sal (ClNa) en distintas dosis (mg/l), provoca una mayor deshidratacin y
prdida de peso significativa en el queso fresco
H1: St S15 S30 S45
2.4.3 Clculo de Sumas de Cuadrados corregidos
Suma de Cuadrados Totales


Con estos resultados, implementamos el ADEVA
2.4.2 Resultados Experimentales

Cuadro 2.3 RENDIMIENTO DE QUESO FRESCO (kg) CON DISTINTOS NIVELES
DE ClNa (mg/l)

ClNa
mg/l
REPETICIONES
Ti

I II III IV V
St (Control) 1,31 1,29 1,32 1,32 1,34 6,58 1,32
15 1,29 1,27 1,25 1,30 1,28 6,39 1,28
30 1,20 1,20 1,21 1,21 1,19 6,01 1,20
45 1,14 1,10 1,12 1,12 1,15 5,63 1,13
x = 24,61

2.4.4 Sumario del ADEVA
Cuadro 2.4 RESUMEN DEL ANLISIS DE VARIANZA
FUENTES DE SUMAS DE
GRADOS
DE CUADRADO FISHER
VARIACIN CUADRADOS LIBERTAD MEDIO CALCULADO 0,05 0,01
TOTAL 0,111095 19
Entre Niveles 0,106495 3 0,0354983 123,472464
**
3,24 5,29
Dentro de niveles 0,004600 16 0,0002875

DECISIN ESTADSTICA
A este Resumen del ADEVA se debe incluir una Decisin estadstica o Criterio de
significancia, que denote si hay o no Diferencias Significativas, de la siguiente
manera:
FCAL<F.05 No hay Significancia para la diferencia entre medias NS; por
tanto, se debe ACEPTAR la Ho y RECHAZAR la H1, con el 95 % de CERTEZA y 5 % de
ERROR.
FCAL>F.05 Hay Significancia para la diferencia entre medias *; por
tanto, se debe RECHAZAR la Ho con el 95 % de CERTEZA y 5 % de ERROR.
FCAL>F.01 Hay Alta Significancia para la diferencia entre medias **; por
tanto, se debe RECHAZAR la Ho con el 99 % de CERTEZA y 1 % de ERROR.
En consecuencia si:
FCAL = 123,47 > hasta F.01 = 5,69
FCAL = 123,47 **
Por esta decisin estadstica el valor de Fisher calculado en el Sumario reporta **

ESCUELA DE INGENIERA EN INDUSTRIAS PECUARIAS TEXTO BASICO DISEO
DE EXPERIMENTOS

J.M.P.G.
Sexto Nivel 2marzo agosto 2013
26
Coeficiente de Variacin (CV)

CONCLUSIN:
Por cuanto FCAL = 123,47 > F.01 = 5,69; se deduce que hay DIFERENCIAS
ALTAMENTE SIGNIFICATIVAS entre las medias de Rendimiento en peso (kg) de
queso fresco, elaborado con distintas concentraciones de ClNa (mg/l leche) en su
formulacin; por lo tanto, se ACEPTA la H1 y se RECHAZA Ho, ms all del 99 % de
CERTEZA y con menos del 1 % de ERROR. Por el CV = 1,38 %, se estima que la
variabilidad de los datos es mnima y los resultados pueden ser confiables.
2.5 APLICACIONES DEL DCA CON DESIGUAL NMERO DE
REPETICIONES/TRATAMIENTO
No siempre se dispone del suficiente material experimental para realizar una
investigacin experimental, sea por falta de unidades experimentales, ya sea por el
costo de la investigacin de Tesis de grado o de la investigacin en general (anlisis
qumicos, microbiolgicos, sensoriales, etc). En otras circunstancias, podra ocurrir
que iniciada la investigacin con igual nmero de repeticiones/tratamiento, en el
trayecto de la misma, se registren bajas por situaciones ajenas al experimento
(deterioro, enfermedad, robo, etc), lo cual deja en condiciones de menor nmero de
unidades por repeticin o por tratamiento. En tales casos, el DCA, por su misma
naturaleza de ser un Plan experimental flexible, no requiere de recuperar esos datos,
particularmente porque una de sus ventajas es la de trabajar con material
experimental homogneo y es el nico Diseo que admite trabajar en estas
condiciones, en otros Diseos, es preciso recuperar datos perdidos o inexistentes.
En consecuencia, el procesamiento de datos puede procederse en estas condiciones,
debiendo el investigador prever la contabilidad de los grados de libertad que
minorarn cuantos datos Xp no se dispongan o se hayan perdido.
En las dems consideraciones, hay una idntica concepcin y proceso estadstico de
ADEVA, como se constatar enseguida.
Abordemos el siguiente ejemplo:
Se evalu el efecto de la utilizacin de diferentes niveles de suero (25, 50 Y 75 %)
frente a un Testigo sin suero en la elaboracin de leche chocolatada y se propone un
anlisis de varianza para comprobar la Hiptesis Nula el sobre el contenido de
protena (%) del producto.

DE EXPERIMENTOS

J.M.P.G.
27

2.5.1 Resultados experimentales
Cuadro 2.5 CONTENIDO DE PROTENA (%) DE LA LECHE CHOCOLATADA,
ELABORADA CON DIFERENTES NIVELES DE SUERO DE LECHE (%)
SUERO
LECHE, %
REPETICIONES
Ti

I II III IV
Testigo (St) 3,60 3,40 ---- ---- 7,00 3,50
25 3,20 3,50 3,30 3,40 13,40 3,35
50 3,40 ---- 3,00 3,50 9,90 3,30
75 3,00 3,00 3,20 3,40 12,60 3,15
x = 42,90
3,30

Formulacin de Hiptesis:
Ho: El contenido de protena (%) de la leche chocolatada no presenta diferencias
significativas por la sustitucin con suero de leche
Ho: St = S25 = S50 = S75
2.5.2 Clculo de Sumas de Cuadrados corregidos
Suma de Cuadrados Totales
; en este caso, n= (t * r) Xp, donde Xp representa al o a los datos

perdidos
Si t * r = 4 * 4 = 16, pero como tenemos Xp = 3, entonces n = 16 3 = 13 observaciones

DE EXPERIMENTOS

J.M.P.G.
28

Con estos resultados, implementamos el ADEVA
2.5.2 Sumario del ADEVA


F.V. S.C. g.l. C.M.
F
CALCULADO 0,05 0,01
TOTAL 0,50000 13
Entre Niveles 0,18000 3 0,0600 1,6835
NS
3,71 6,55
Dentro de niveles 0,32000 10 0,0536

CONCLUSIN:
Por cuanto FCAL = 1,6835 < F.05 = 3,71; se deduce que no hay DIFERENCIAS
SIGNIFICATIVAS entre las medias de contenido de protena (%) de la leche
chocolatada, elaborado con distintos niveles de suero (%) en su formulacin; por lo
tanto, se ACEPTAla Ho y se RECHAZA H1, con el 95 % de CERTEZA y con el 5 % de
ERROR. Por el CV = 5,71 %, se estima que la variabilidad de los datos no es fuerte y
los resultados pueden ser confiables.
2.6 ANLISIS DE RESULTADOS EXPERIMENTALES
Por qu no se compara con el valor F.01 = 6,55 para la decisin estadstica en el
ejemplo anterior?
S
2

DE EXPERIMENTOS

J.M.P.G.
29
Para el Anlisis de Resultados Experimentales, la decisin estadstica parte del hecho
de que el valor FCAL debe compararse con los valores Fisher Tabulares hasta donde
se detecte significancia. Si al P.05 el Valor FCAL no result significativo y si los
valores F.01 siempre son mayores a los de P<.05, resulta errneo e innecesario
compararlo con el valor F.01.
Si el valor FCAL es mayor al F.05, pero no es mayor al F.01; habiendo diferencias
significativas al nivel P.05, no podra manifestarse que No hay diferencias
significativas al P.01, porque se incurrira en Errores Tipo I o Tipo II (Ej: Expresar
que no hay diferencias al P<.01, habiendo significancia al P.05).
Si FCAL no result significativo al nivel P.05, no hace falta comparar con F.01
Procesando los datos en un Sistema Estadstico computarizado como GSTAT, MSTAT-
C, SAS, SPSS u otros, la DECISIN ESTADSTICA es mucho ms precisa, ya que es el
mismo sistema el que reporta esta significancia con la Probabilidad a la que se hall
esta significancia. Con esto se puede llegar al lmite mximo de significancia porque
para los casos resueltos en esta Unidad, se ha hecho un procesamiento estadstico
manual y una comparacin a priori extrayendo el valor Fisher de Tablas al P<.05 y
P<.01 y estos valores son solo referentes, pero sin embargo, suficientemente vlidos.
La facilidad con la que actualmente se pueden procesar datos en la computadora, hace
que se persiga mayor precisin y optimizacin de tiempo en los alcances estadsticos.
2.7 PROBLEMAS PROPUESTOS
Formule, compruebe la hiptesis (Nula o Alternativa) y concluya el ADEVA, en los
siguientes ejemplos prcticos:
1. Evaluacin productiva al mercado, de 5 razas de cerdos (Landrace, Yorkshire,
Hypor, Duroc Jersey y Pietrain) para la produccin de carne.
Variable de Evaluacin: Peso a la canal, kg
No Repeticiones: 5/Grupo de evaluacin
Cuadro 2.7 RESULTADOS DE PESO A LA CANAL (kg) DE CERDOS PARA LA
PRODUCCIN DE CARNE
RAZA
REPETICION
Ti

I II III IV V
Landrace 104,2 108,5 103,6 106,2 105,0
York 100,9 103,2 101,8 103,5 103,4
Hypor 102,8 103,0 103,5 104,0 103,3
Duroc 104.6 101,3 102,4 103,2 102,9
Pietrain 108,7 109,6 107,0 106,8 107,6

DE EXPERIMENTOS

J.M.P.G.
30
X

2. Utilizacin de la carne de cuy en distintos niveles (10, 20 y 30 %) vs Testigo sin
carne de cuy, para la elaboracin de salchicha vienesa
Variable de Evaluacin: Costo/kg de producto; No Repeticiones: 5/Grupo

Cuadro 2.8 COSTO/kg DE SALCHICHA VIENESA UTILIZANDO DISTINTOS
NIVELES DE CARNE DE CUY EN REEMPLAZO DE LA CARNE DE CERDO
CARNE CUY
%
REPETICION
Ti

I II III IV V
Testigo (St) 1,72 1,78 1,70 1,74 1,76
10 1,75 1,79 1,76 1,78 1,80
20 1.93 1,90 1,95 1,90 1,96
30 1,98 2,10 1,96 2,25 2,15
X

3. Elaboracin de queso de cerdo con tres niveles de harina de algas (2, 4 6 6 %)
frente a un testigo sin harina de algas.
Variable de evaluacin: Contenido de grasa de la salchicha, %
Repeticiones: 4
Cuadro 2.9 CONTENIDO DE GRASA (%) DEL QUESO DE CERDO CON TRES
NIVELES DE HARINA DE ALGAS (0, 2, 4 Y 6 %)
HARINA
ALGAS, %
REPETICIONES
Ti

I II III IV
Testigo (St) 20,20 20,00 20,00 20,10
25 19,80 19,10 17,90 18,50
50 18,20 17,90 17,70 18,10
75 18,10 17,90 17,20 17,60
x =

4. Asuma que se deterioraron las siguientes unidades en el ensayo del ejemplo 3 y
desarrolle la misma tarea que en los ejemplos anteriores:
SL25-RIII
SL50-RII
SL50-RIV

5. El Contenido de Protena (%) del queso de cerdo elaborado con la inclusin de 2, 4
y 6 % de harina de algas se reporta a continuacin:

DE EXPERIMENTOS

J.M.P.G.
31
Variable de evaluacin: Contenido de Protena del producto elaborado, %
Repeticiones: 4

Cuadro 2.10 RESULTADOS DEL CONTENIDO DE PROTENA CRUDA (%) DEL
QUESO DE CERDO ELABORADO CON DISTINTOS NIVELES DE HARINA DE
ALGAS
HARINA DE
ALGAS, %
REPETICIONES
Ti

I II III IV
Testigo (St) 17,80 17,00 16,60 17,20
2 18,30 18,90 18,50 18,50
4 19,00 19,50 18,70 19,10
6 19,60 19,80 19,40 19,60
x =

6. En el ejemplo anterior, asuma que se perdieron las siguientes unidades
experimentales:
HA4-RII
HA4-RIV
7. Utilizacin del 2, 4 y 6 % de harina de algas, frente a un tratamiento control sin
harina de algas en la elaboracin de queso de cerdo.
Variable de evaluacin: pH del producto a los 30 das de elabroracin
Cuadro 2.11 EVALUACIN DEL Ph DEL QUESO DE CERDO ELABORADO CON
DISTINTOS NIVELES DE HARINA DE ALGAS
HARINA DE
ALGAS, %
REPETICIONES
Ti

I II III IV
Testigo (St) 5,85 5,90 5,70 5,88
2 5,80 5,88 5,80 5,80
4 5,60 5,85 5,60 5,80
6 5,50 5,80 5,50 5,80
x =

8. En el ejemplo anterior, asuma que no se dispone de los resultados para HA2-RI y
realice la tarea como en los ejercicios anteriores.
9. Determinacin del contenido de grasa del queso fresco, utilizando leche de vacas
Holstein, Brown swiss y Jersey.

DE EXPERIMENTOS

J.M.P.G.
32
Variable de evaluacin: Contenido de grasa del queso (%)
Repeticiones: 6

Cuadro 2.12 CONTENIDO DE GRASA DEL QUESO FRESCO ELABORADO CON
LECHE DE TRES RAZAS BOVINAS
RAZA
LECHERA
REPETICIONES
T

I II III IV V VI
Holstein 15,2 14,8 16,2 15,8 14,7 14,6
Brown swiss 15,8 16,4 16,8 15,8 16,0 15,7
Jersey 16,8 17,4 17,9 18,0 17,5 17,3
x =

10. Cul sera su decisin tcnica, en el supuesto de que en el ejemplo anterior, se
hayan perdido los datos de todas las repeticiones del grupo Brown swiss?
Analice las alternativas de respuesta:
- Me quedo con los resultados de Holstein y Jersey
- Reinicio la investigacin con Brown swiss
2.8 PRUEBAS DE SIGNIFICANCIA (SEPARACIN DE MEDIAS)
Como se analiz anteriormente, el ADEVA expresa el grado de variabilidad estadstica
de los tratamientos; no obstante en esta variabilidad encontrada no se categoriza o
ranquea a cada uno de los tratamientos individualmente; por lo tanto si existe
significancia en el ADEVA; conviene definir la misma mediante pruebas conocidas
como PRUEBAS DE SEPARACIN DE MEDIAS.
El t Student puede determinar la variabilidad de dos medias; no obstante cuando se
cuentan con ms de dos (varios tratamientos); no existe tal posibilidad o es muy
tediosa. Existen varios procedimientos para comparar tratamientos, los mismos que
difieren segn el grado de estrictez; comnmente se utilizan las siguientes pruebas:

- Diferencia Mnima Significativa (DMS)
- Rango Mltiple de Duncan (RMD)
- Prueba de Tukey (D)
- Prueba de Scheff(S)

2.8.1 PRUEBA DE LA DIFERENCIA MINIMA SIGNIFICATIVA (DMS)

DE EXPERIMENTOS

J.M.P.G.
33
La DMS es de muy fcil clculo y simple utilizacin, se aplica para comparaciones
ortogonales, en comparaciones de cada una de las medias con el testigo, los resultados
son satisfactorios.

Utiliza el siguiente modelo:

DMS = tTAB *
d
S ; donde:
tTAB : Valor t-Student tablas al nivel de significancia del ADEVA
d
S : Desviacin Tpica de la diferencia entre medias

d
S
r
error S 2
2
=
Partiremos del siguiente ejemplo para demostrar la aplicacin de esta Prueba:
Evaluacin del rendimiento de queso provolone (g), empleando distintos tipos de
cuajo (Contenido ruminal, Hansen, LactoChess, Chesscol y H-Cuajo

VARIABLE: Rendimiento de queso provolone, g

Cuadro 2.13 RENDIMIENTO DE QUESO PROVOLONE (g), ELABORADO CON
DISTINTOS TIPOS DE CUAJO

Tratamientos
Repeticiones

I II III IV
CR 454,00 470,00 430,00 500,00 1.854,00 463,50
H 502,00 550,00 490,00 507,00 2.049,00 512,25
LC 601,00 670,00 550,00 607,00 2.428,00 607,00
Ch 407,00 412,00 475,00 402,00 1.696,00 424,00
H-Cuajo 418,00 470,00 460,00 412,00 1.760,00 440,00

i
X

9.787,00 489,35
Sumario del ADEVA


Fuente de
Variacin
Suma de
Cuadrados
Grados
de
Libertad
Cuadrado
Medio
Fisher
Calculado
Fisher
Tabular
0.05 0.01
TOTAL 104940.55 19
TRATAMIENTOS 86960.80 4 21740.20 18.14** 3.06 4.89
i
T
i
X
X

DE EXPERIMENTOS

J.M.P.G.
34
ERROR 17979.75 15 1198.65

t.01 ; 15 g.l. = 2.947 (Valor de la Tabla t-Student)

d
S = =
4
) 65 . 1198 ( 2
24.48
DMS = 2.947 * 24.48 = 72.14

Este es el valor con el que cada media de tratamiento, generar el valor de una
diferencia, con la que se asignarn los rangos estadsticos.

Asignacin de rangos (letras):

607,00 72,14 = 534.86

Este valor de la diferencia, ubicamos entre dos medias que lo contengan; es decir: se
encuentra entre 512.25 y 607.00, por tanto, la letra a asignaremos hacia la derecha
del valor de la diferencia, hasta la media con la que se obtuvo esta diferencia; es decir
hasta 607.00.

Siguiente diferencia:

512.25 72.14 = 440.11

Este valor de la diferencia, ubicamos entre dos medias que lo contengan; es decir, se
encuentra entre 440.00 y 463.50; por tanto la siguiente letra del alfabeto b,
asignamos desde la siguiente media del valor de la diferencia, hasta la media que
permiti obtener la diferencia (512.25).

Continuamos con la siguiente media,

463.50 72.14 = 391.36

Dado que, la diferencia encontrada, se ubic por debajo de la ltima media, se asigna
la letra c, desde esta ltima media hasta el valor de la media con la que se obtuvo esa
diferencia (463.50).

Por cuanto, el valor de la ltima diferencia se ubic debajo del valor de la ltima
media (424.00), la prueba ha concluido y los resultados sern:

Cuadro 2.15 RESUMEN DE LA APLICACIN DE LA PRUEBA DE LA DMS

TRATAMIENTOS Ch H-C CR H LC
MEDIAS 424,00 440,00 463,50 512,25 607,00
DMS (o0.05) 72.14

DE EXPERIMENTOS

J.M.P.G.
35
Rango c c bc b a

Promedios con letras distintas difieren significativamente al nivel P<0.01

INTERPRETACION (APLICACIONES EN EL ANLISIS DE RESULTADOS
EXPERIMENTALES)

Segn la DMS se deduce que, utilizando Lacto Chess en la elaboracin de queso
provolone, se logra un rendimiento de 607.00 g de producto final, mismo que
presenta diferencias altamente significativas (P<.01) con relacin al rendimiento de
los dems tipos de cuajo. Los menores rendimientos se detectan al emplear Chesscol
para elaborar este tipo de queso, mismo que no difiere con H-Cuajo ni con contenido
ruminal (P>.01). Utilizando este ltimo, el rendimiento de queso, comparte los dos
rangos.

2.8.2 RANGO MLTIPLE DE DUNCAN (RMD)

Esta prueba no requiere el valor del Fcal sea significativo; es ms estricta que la
prueba del DMS, y permite comparar todas las medias entre s, sin restricciones; no
requiere como la DMS o t student, previamente la prueba de Fisher

El procedimiento es sencillo:

- Se debe encontrar el valor del error estndar del experimento con la expresin:

r
s
S
ERROR
2
x
= ; donde sERROR es el cuadrado medio del error experimental y r el
nmero de repeticiones.

- Se ordenan la medias ascendentemente de menor a mayor
- Observamos el valor (Tabla de Duncan), el valor RMD o Rango Mltiple de
Duncan utilizando los grados de libertad del error y el nmero de medias
consideradas (tratamientos)
- Encontramos el Lmite de Significancia (RMS) = RMD *
x
S
- Realizar la respectiva comparacin restando el lmite de significancia de la media
(iniciando en la media mayor), y cobijando con letras desde la (a, b, c...) desde el
lmite derecho.
- La media cobijada con la letra a, se supone es el mejor tratamiento
estadsticamente, puesto que tambin lleva el ms alto. Si existen dos medias o
ms con la misma letra, las medias de esos tratamientos no presentan diferencias
estadsticamente significativas.
- Una media puede compartir uno o ms letras o rangos

EJERCICIO:

DE EXPERIMENTOS

J.M.P.G.
36
Con los datos del ejercicio anterior, se pretende separar las medias de los tratamientos
usando el Rango Mltiple de Duncan.

Calcularemos entonces el valor del Error Estndar

r
s
S
ERROR
x
2
= = 31 , 17
4
65 , 1198
= =
x
S

Este valor multiplicamos por cada valor del RMD, que se encuentra en las Tablas de
valores de Duncan que se encuentra en los Anexos, segn el nivel de significancia del
ADEVA (**), es decir al P<.01 con 15 g.l y para comparar hasta 5 medias, como se
muestra en el siguiente Cuadro.

Por tanto, se han obtenido los Rangos Mnimos de Significancia (RMS).

Asignacin de rangos (letras)

Una vez obtenidos los valores RMS, procedemos con la obtencin de los valores de la
diferencia entre la media el Valor RMS, de la misma manera que se procedi para la
Prueba DMS y obtenemos lo siguiente:

Cuadro 2.16 RESUMEN DE LA APLICACIN DE LA PRUEBA DE DUNCAN

MEDIAS 424,00 440,00 463,50 512,25 607,00
RMD (o0.01) 4.17 4.37 4.50 4.58
x
S
17,31
RMS 71.66 75.64 77.90 79.28
RANGO c bc bc b a

EXPERIMENTALES)

Por los resultados expuestos, la Prueba de Duncan, demuestra que con LC se
obtiene un mayor rendimiento de queso Provolone, el mismo que difiere
significativamente (P<.01) de los dems rendimientos. Cuando se utiliza Ch, los
rendimientos son ms bajos, pero no difieren significativamente con los del queso que
se obtuvo utilizando H-C y CR. Empleando H-C CR y H, se registran
producciones cuyo rendimiento es semejante (P>.01).

6.3 PRUEBA DE TUKEY (D)

Es un poco similar a la DMS, en cuanto se refiere a que es necesario un solo valor para
determinar la significacin de las diferencias; pero en cambio es ms estricta que el
DMS y DUNCAN, ya que la unidad considerada es el experimento mismo.

DE EXPERIMENTOS

J.M.P.G.
37

La prueba consiste en calcular un valor D, que es el producto de
x
S y un factor
Q, tomado de la tabla de puntos de porcentaje de rangos del error y del nmero de
tratamientos involucrados.

x Error del gl
S Q D *
) . . (
=

EJERCICIO:

Con los datos del mismo ejercicio anterior, Se separarn las medias de los
tratamientos usando la Prueba de Tukey (o0.05).

-
r
s
S
ERROR
x
2
= = 31 , 17
4
65 , 1198
= =
x
S
- Q.01;15 gl error = 5,56 (Tomado de la Tabla de valores Tukey Anexos)

Cuadro 2.17 RESUMEN DE LA APLICACIN DE LA PRUEBA DE TUKEY

MEDIAS 424,00 440,00 463,50 512,25 607,00
Q (o0.01) 4.35
x
S
17,31
D 75.30
RANGO c bc bc b a

EXPERIMENTALES)

Segn Tukey (o 0.05) para la separacin de medias, se deducen los mismos resultados
qu con Duncan, pero sacrificando el nivel de significancia; es decir, aumenta el error
para aceptar la H1 que corresponde a decir que los rendimientos presentan diferencias
altamente significativas entre medias de tratamientos.

2.8.4 PRUEBA DE SCHEFF (S)

Es ms estricta que todas las anteriores, se utilizan los valores de la tabla Fisher (la
misma utilizada para determinar la significancia o no entre tratamientos dentro del
ADEVA; el valor S calculado se compara con los promedios de los tratamientos.

) ( * ) (
d
S Fo S =

) 1 ( = t F Fo

DE EXPERIMENTOS

J.M.P.G.
38
F = valor tabular de acuerdo al nmero de grados de libertad del error y al nivel
de significacin escogido
(t-1) = el nmero de tratamientos 1

r
S
S
ERROR
d
2
* 2
=

SERROR = Suma de cuadrados del error experimental
R = nmero de repeticiones

EJERCICIO

Con los mismos datos del ejercicio que se est utilizando para la aplicacin
metodolgica, se plantea separar las medias de los tratamientos usando la Prueba de
Scheffe (o0.05).

r
S
S
ERROR
d
2
* 2
= =
d
S = =
4
) 65 . 1198 ( 2
24.48

) 1 ( = t F Fo = 50 , 3 ) 1 5 ( * 06 , 3 = = Fo

Asignacin de rangos (letras)

Procedemos de la misma manera que en las pruebas anteriores obteniendo la
diferencia entre la media y el valor de Scheff S

Cuadro 2.18 RESUMEN DE LA APLICACIN DE LA PRUEBA DE SCHEFF

MEDIAS 424,00 440,00 463,50 512,25 607,00
Fo (o0.05) 3.50
d
S
24.48
S 85.68
RANGO c bc bc b a

De esta manera se obtiene similares resultados en Rangos, al aplicar la separacin de
medias mediante la Prueba de Scheff. Su interpretacin ser semejante.

Aplicaciones de las pruebas con desigual nmero de repeticiones
En estas condiciones, como el estudiante se dar cuenta, los estadgrafos que se
utilizan hacen referencia al valor r que corresponde al nmero de

DE EXPERIMENTOS

J.M.P.G.
39
repeticiones/tratamiento; pues, al no tener igual nmero de repeticiones en cada
tratamiento, se hace imprescindible lo siguiente:

Al no disponer del mismo nmero de repeticiones, se hace necesario hacer un ajuste
de este componente; por ejemplo:
Se planifica un experimento con 4 tratamientos (T1, T2, T3 y T4) con 5
repeticiones/tratamiento; sin embargo, o no se disponen del mismo nmero de
unidades experimentales o simplemente al trmino del ensayo, no concluyeron todas
las unidades y asumamos que se pierde una unidad en el tratamiento T2, por tanto,

Para el registro real del nmero de repeticiones, se calcular r, as:

Entonces, si se requiere estimar el valor del Error estndar para aplicarlo en las
Pruebas de Ducan o Tukey, se utilizar la misma frmula habitual anotada en
anteriores contenidos, pero con el valor de relacin r equivalente al valor calculado
por la relacin de
; as:

De igual modo si la prueba aplicarse, es DMS o Scheffe, en las que se debe estimar el
estadgrafo

Otras consideraciones para la aplicacin de las pruebas
En casos de experimentos factoriales:
Asumamos que se evalan los factores A con A1, A2 y A3 niveles de este factor y el
Factor B con B1 y B2 niveles de este factor, con r repeticiones, entonces habr que
desarrollar la aplicacin de la prueba de separacin de medias segn Duncan por
ejemplo; entonces, se calcular el valor de:
r b
s
S
ERROR
A FACTOR x
*
2
=
,

DE EXPERIMENTOS

J.M.P.G.
40
donde b corresponder al nmero de niveles del factor B, en nuestro ejemplo, b=2
(B1 y B2)
De manera anloga, para calcular el Error Estndar para el FACTOR B; as:
r a
s
S
ERROR
B FACTOR x
*
2
=
,
Donde a corresponder al nmero de niveles del Factor A, en nuestro ejemplo, a=3
(A1, A2 y A3)
Se complementarn los estadgrafos de Error Estndar para la interaccin AxB, as:
r
s
S
ERROR
AxB x
2
=
, es decir la misma frmula que para un experimento simple.
PROBLEMAS PROPUESTOS
El estudiante, debe aplicar los conocimientos en TODOS los ejemplos propuestos
tanto para DCA con igual como con desigual nmero de repeticiones/tratamiento, la
TAREA, ser entonces la Separacin de medias para TODOS los ejemplos propuestos

Experimentación científica en la producción animal

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Experimentación científica en la producción animal

Uploaded by

Copyright:

Available Formats

ESCUELA DE INGENIERA EN INDUSTRIAS PECUARIAS TEXTO BASICO

; en este caso, n= (t * r) Xp, donde Xp representa al o a los datos

You might also like