DISEOS EXPERIMENTALESRESUMEN TOTAL DEL CURSO POR TEMAS PRINCIPIOS PARA EL DISEO DE INVESTIGACIONES AGRCOLAS Control local: de condiciones

campo para el

Recursos^materiales disponibles. Preguntas enfocar las actividades:

centran
saberlo

atencin:

Cul

es

mi

objetivo?Q quiero saber?Por q quiero ?-seguimiento

productivo:

1. COMPONENTES REA PRUEBAS actividad en el proceso Cmo voy a realizar esta tarea?'Por que hago esta de tarea?
EXPERIMENTO-TRATAMIENTO-

Replicacin: estima la varianza () del 3. Aleatorizacin: obtener vlida d esa varianza 2. PLANEACIN

estimacin UNIDAD EXPERIMENTAL Expto: investigacin + particular DE de

conjunto un

circunstancias-bajo

INVESTIGACIN

especfico para LA protocolo observar^evaluar las implicaciones de

Programa d investigacin: esfuerzo las observaciones organizado del para tener Expto comparativo: establece +d 1 conocimiento natural*artificial sobre 1 procso conjunto de eventos en el expto^se comparen s las rpta a los eventos

Plan por escrito: organiza lo necesario To: conjunto de eventos creados para el expto en rpta a la hiptesis de para 1 invstig: Objetivos experimento especficos del investigacin^son el centro de la misma-para resolver ? e hiptesis fsica expuesto al to

Identificar factores que influyen: los especficas Ue. entidad q ^constantes caractersticas a medir Metodos particulares: realizar prueba*medir las caracteristicas

independiente de otras ue-una vez la expuesta al to constituye 1 sola rplica del to

# de repeticiones del experimento : las ue tratadas de manera = e independiente. bsico a realizar

Los orgenes son: Variacin natural entre experimentales; rpta una ue a otra Interaccin de los to con las ue varianza del Estudios hacer 1 por xpto-pero comparativos: desearamos ~posible por razones prcticas*ticas 4. LA HIPTESIS DE INVESTIGACIN GENERA conjunto EL de DISEO eventos DE y LOS sus TRATAMIENTOS consecuencias- to son una creacin de las circunstancias para el xpto- La

Control:~se da to-revela condicion en unidades q se efectu xpto

fertilizantes con N suelen ser efectivos~

Variabilidad en la medicin de la pero

rpta

en campos con

fertilidad-1 control de fertilizante sin

~Reproduce condiciones del to de N sealar las condiciones bsicas de

fertilidad del xpto..

Diseo de to con mltiples factores algunas preguntas a la naturaleza, y de observacin preferencia, una a la vez.

Clculos estadsticos: lograr estimar la ampla las inferencias: Debemos hacer

x 1 2 3 4

X1- 25=-3 35=-2 75=+2 85=+3

(X1)2 9 4 4 9 26

2=(X1)2/n=26/4-1=8.6 para la Mo 2=(X1)2/n=26/4=6.5 para la Po 2=varianza; =desviacin standar

supervivencia

de

siembras

de

Euphorbia atacadas por un patgeno

del suelo se determin para distintos tipos de to de fungicida, en respuesta a la Ho de que no todos los fungicidas tienen=eficiencia patgeno
To control: necesario pa evaluar efecto de los to expto

=5 00.00

5. TEORA DE LEONCIO MARIO & ALBERTO CACERES Datos: medicion 2-357-8; 15=error en

en

controlar

tal

5.1. CRITERIO DE CLASIFICACIN Xpto Causa Vo independiente cualitativa KNO3= FACTO R To 1 CaNO3=To 2 MgNO3=T o3 Factor= categoria Causa (factor) 1 Causa (factor) 2 Causa (factor) 3 HOMOGENEO HETEROGENEO 5.2. PLANIFICACION Do experimental:DCR Uo:doy a conocer las caractersticas de la entidad To: 5To + 1 control*5To (incluye el control) Uo efecto Uo efecto Uo efecto 30g= ToC 20g= ToB x 1 2 3 4 Uo Asignacin puro: efecto Vo e Cuantitativ a 10g= ToA
G DENTRO los datos A 2 4 3 3

ENTRE GRUPOS B 5 6 7 6 C 7 8 9 8

prospectivo+longitudinal+comparativo

aleatoria dependient

de los 3 grupos=17/3=5.7 gl Grupo=3-1: ~se puede comparar entre si =~A/A SC entre grupos=(3-5.7)2+(6-5.7)2+(8-5.7)2 SC dentro grupos=(2-3)2+(4-3)2+(3-3)2+(56)2.(9-8)2 CM=SC/gl 145=>variabilidad=>varianza; 111=<variabilidad

X1- 25=-3 35=-2 75=+2 85=+3

(X1)2 9 4 4 9 26

2=(X1-)2/n1=26/4-1=8.6 para la Mo 2=(X1)2/n=26/4=6.5 para la Po 2=varianza; =desviacin estndar

=5 00.00

Ro: # Uo para cada To Croquis:asigno Uo a un To grafico-1+2+6 al To 2

 Evaluacin/registro: archivo de dato

despus

de

0+ 1

0 1.6 7

normalizado s necesario geometrica

cuanto tiempo evaluare /es el 5.3. TRANSFORMACIONES Y DATOS DE NORMALIDAD para cumplir c/ se el supuesto normaliza ANOVA^normalizar datos exponenciales log^usa geometrica

Interpretaci del n: 1.672+1 Para los %*tasas: arcosprop con germinacion arcosprop 99.1 % arcos0.991 84.56 arcos0.802 63.58 arcos0.174=+sen-1 arcos0.071 arcos0.014

Contados: x+0.5-x+1-x+2/0-50,0- 80.2 % 100,0-500 17.4 % X #bacteria Log x 7.1 % x+ 1 0 0+ 1 1 1+ 1 2 2+ 1 1 1+ 1 2 2+ 1 0 1.0 Datos 1.7 3 10344 4.01 1.4 1 2998 3.47 1.7 3 1799 3.26 1.4 1 897 2.95 1.0 0 200 2.30 5.4. DISENO Se E s 1.4 %

debe

DISENAR+PLANIFICAR+EJECUTAR=DIPL a. Componentes a.1. Tratamientos La eleccin del tratamiento tener en cuenta: sustento tcnico+consulta tcnica*empresarial*camp+bibliografa a.2 Unidad Experimental: es sometida a to-deben tener s= caractersticas= maceta: plstico rojo+675g arena + 225g s=procedencia,tamao,sp a.3 # Replicas= r > 2[z/2 +z]2(/&)2 tierra+cebolla

z/2 = 95%=1.96 (se W con este); ue asignan al azar a los t-investiga 1 99%=2.575 z = 80%=0.842; =desviacin standar Diseos n=(z/2)2Npq/(N-1)+ (z/2)pq fuente d *factor &=medias; Yij= u + ti + ij u= de medias de tsti=efecto del t i-ij=error experimental observacionales: 1. CONSTRUCCIN DEL DISEO DE INVESTIGACIN investigacin: hiptesis de

a.4.necesidades:16maceta+16plantula+ do sustrato.

12kg arena+12kg + pHmetro+anlisis investigacin-el do del to-el do del estudio experimental*por observacin mtodos estadsticos-para a.5 croquis del experimento: en 1 Obx: papelitos al to 1; sali: 1-10-12-7
T1/1 T3/5 T2/9 T4/13 T4/2 T4/6 T1/10 T2/14 T2/3 T1/7 T3/11 T4/15 T3/4 T3/8 T1/12 T2/16

bolsa con 16 papelitos sacamos: los 1 estudios comparativos 2. ALEATORIZAR Paso 1. Asignar secuencia de # del 1 al 12 a las u.exp Paso 2. Obtener 1 PA de los # 112anotarlos 11 Paso 3. Asignar las 1 tres uexp en la lista (1-6-7) al tratamiento A-los sgte 3 uexp(12-5-3) al t B. Permutacin tomando La PA DISEO COMPLETAMENTE RANDOMIZADO* ALEATORIZADO*DCA*ANOVA SIMPLE*UNILATERAL una aleatoria: sucesin se d obtiene # con en el orden de la permutacin:1-6-7-12-5-3-10-9-2-8-4-

a.6.

control:

~se

da

to-revela

condiciones en q ejecuta a.6.1. placebo: establece base para medir efectividad del to-procesa d=manera q UE d los to-~incluye en protocolo a.7. testigo: to ya investigado/resulta ser el mejor

2*3dgitos de una tabla de # aleatorios. del 1-12 asegura q cada 1 de las asignaciones de to posible tiene = probabilidad de ocurrencia Seleccin de las uexp para estudios comparativos por observacin: seleccionarse una n probabilstica de u

 los miembros disponibles de cada pob en to. Las u se eligen de cada pob de manera que cada u tenga la misma oportunidad de entrar a la n. Observe que cada poblacin representa una clasificacin de tratamiento ^que el muestreo aleatorio se lleva slo dentro de la pob. En un estudio ecolgico quiz los dos to sean comunidades agrcolas de pastizales^de roble-Las pob incluyen todos los sitios con pastizales^todos los sitios c/ robles dentro del rea que se estudia-Se asigna un cdigo de identificacin a Lnea del archivo es un caso*observacin-los datos de almacenamiento de carne tienen 12

cada sitio en las pob-se asignan #O-99 casos*observaciones Cada columna es alos 100 sitios disponibles pa cada una vo este archivo son: corte+to+log clasificacin.. (N0/cm2)-los valores reales de cada 3. PREPARACIN REGISTROS DATOS lnea del archivo reciben el nombre de valores de los datos PARA ANLISIS programa de estadstica: archivo de datos requiere 4. MODELO ESTADSTICO PARA LA EXPERIMENTACIN Anlisis estadstico: se basa en 1 modelo estadstico Vo respuesta: caracterstica d la Uo = # bacterias Modelo estadstico: supone 1 po de referencia de la Uo Uo: tiene 1 valor para la Vo rpta (tiene 1^2varianza)

1 se

Po

de

referencia: que las

para son

cada MODELO ESTADISTICO LINEAL: para To de sus observaciones de un grupo

condicin de To en el estudio^tambin de 1 FACTOR este tolera la supone Uo representantes seleccionados al azar tratamiento

como resultado de una aleatorizacin- Debido al cada observacin se desva En estudios por observacin se infiere de la de su Po(i) en una cantidad que la Uo se seleccionan al azar de las ij-la 2 es = para toda la Po en To Po de To.

4 Po de To hipotticas. Cada Po tiene una distribucin normal en la Vo de rpta^cada una tiene 1-Tal situacin existe si los 4 mtodos de empaque tienen capacidad para la inhibicin del d de bacterias-se supone que la 2es la = (homogenea) para cada Po^no la afecta el To. Representacin del modelo estadistico lineal To= 4 tratamientos^R = 3 rplicas

Uso

de

modelos

alternos

para

Uso del modelo de medias de celdas para describir las observaciones

Modelo de medias de celdas: observaciones se expresan como la suma de las Po de To^de los . Yjj= i + ij; i=1,2,,To-j=1,2,,To; Po en To; ij;error Yj=esima observacin del i=esimo To; i=esima experimental

describir otras hiptesis estadsticas

Modelo estadstico pa el xpto: refleja To// observacion Modelo completo=modelo de medias de celdas: incluye una para cada Po en To-si ~ hay entre las medias de los To, se usa modelo con un # d parametros

Modelo

reducido

Yjj=

ij; Modelo estadstico relaciona y con

establece que todas las observaciones las x, pertenecen a la misma Po con media M reducido: representa la Ho nula= 1=2 (1= de To 1) M completo: representa la Hi alterna= ikik Que modelo q usar: caracterice COMPLETO*REDUCIDO Po estadisticas cmo puede el investigador d un modelo nico para un estudio especfico. Un xpto mide la tasa de una reaccin qumica^como rpta a la t en la cmara de reaccin. El investigador plantea la Ho de que el incremento en la tasa es lineal respecto a la t. Si x1 = T, la sencilla ecuacin de una lnea recta describe la relacin lineal como: Y=o+ 1x1+ =modelo de regresin lineal. Si el investigador piensa que la relacin entre tasa y temperatura es cuadrtica, entonces x1 = t^x2 = t2 : Y=o+ 1x1+2x2+ Cmo funciona el modelo si los tratamientos son categoras que no se pueden representar con valores mtricos para las xi? En este caso, el

mejor los datos del xpto-?Inva?sobre

Modelo lineal estadstico general

Modelo lineal general= modelos de investigador puede hacer de las xi sus Vo indicadoras: hace justo lo que su medias de celdas describe las relaciones entre 2 tipos de nombre implica, indica el grupo de To variables como una funcin lineal en al que pertenece la observacin. En un un conjunto de parmetros: xy esquema de Vo indicadoras, x=1 seala X: puede representar categoras del To que la observacin pertenece a cierto grupo^x=O que ~ pertenece a ese como en la carne grupo.

El xpto de almacenamiento de carne tiene 4 To y el modelo, a su vez, tiene 4 Vo indicadoras, x1+x2+x3+x4-que toman los valores O^ 1 Si la observacin se hizo en el To con empaque comercial, con x1=1^x2=x3=x4=0 Y=1+ ; Y=2+ o=O-~necesario para descripcin de las observaciones 1 X1 X2 X3 X4 Empaque comercial Empaque al vacio Empaque mezcla de gases Empaque con CO2 100% Y=1x1+2x2+3x3+4x4+ 5. ESTIMACION DEL DE MODELO otro 0 otro otro otro DISEOS DE BLOQUES COMPLETOS Bloquizacin: mtodo ^control d variacin del agrupa las U en B para comparar to en un medio homogneo DBCA: 1 criterios de agrupamientocada B tiene U hm DCL: 2 criterios de agrupamiento DCA: ~controla la varianza del LOS supone U es homogenea CON varianza del: afecta la Vo de rpta^q vara entre las U 1. USO DE BLOQUES PARA LA PRECISION Bloque:estratifica^variacin entre las U en grupos hm Criterios: Caractersticas peso), fsicas (edad o PARMETROS

MNIMOS CUADRADOS

 Administracin de tareas en el las rpta de las plantas dependan de la experimento y tiempo

variabilidad en la H disponible, las manera que cada B se encontraba en parcelas adyacentes partes con el mismo gradiente de de modo que cualesquiera

Proximidad (parcelas adyacentes) parcelas se agruparon en B de 6 de

Un

grupo

de

forma un B en los xpto de agronoma, agua,

los animales agrupados segn su peso diferencias en las respuestas de las o etapa de lactancia forman B de U plantas causada por el gradiente de homogneas
BLOQUEO

agua poda asociarse con los B. El un DBA con 4 bloques de 6 parcelas a que se asignaron al azar los de nitrgeno. se

2. LOS DBA USAN 1 CRITERIO DE diseo de experimento resultante fue Cada to se asigna al azar a 1U en cada las del conjunto hm de U en 1B.

B^hacer comparacioneslos to dentro tratamientos

proporciona el contenido de nitrgeno de cada parcela +los # de to,

El momento de fertilizar el trigo con observado (ppm X 10-2) en la espiga nitrgeno Objetivo de investigacin: las pruebas Como aleatorizar el diseo de NO en los; tejidos de la espiga La asignacin aleatoria de to a las U predecan una mayor [] de N el est restringida en un DBCA de manera quera evaluar el efecto de programas que cada to debe presentarse el de fertilizacin sobre esas [] de N y mismo # de veces (1*+) dentro de sobre la produccin de trigo cada B-Se selecciona una permutacin Diseo del tratamiento: incluy 6 al azar para cada bloque ya que se programas de aplicacin de N. Para requiere una aleatorizacin separada la comparacin se incluy un para cada uno de ellos. Se asigna una etiqueta de tratamiento, como A, B, C, E, F, a los valores enteros tratamiento sin N ^la recomendacin

Diseo del experimento: el xpto se D,

llev a cabo en un campo irrigado con respectivos 1,2, 3,4, 5, 6 y se obtiene un gradiente de agua en direccin del una permutacin aleatoria. Dada la rea de parcelas experimentales. Como

permutacin 2-asigna el to B a la justifica a travs de la asignacin unidad 1, el E a la 2,

aleatoria de los to a las U Los B aaden una suma de cuadrados al ANOVA la desviacin del tratamiento 1:1=38.28 -42.07 =-3.79 la desviacin del bloque 2: 2- =

45.89 - 42.07 = 3.82

el error experimental para y12 y12-122 + = 41.22-38.2845.89+42.07=0.88 suma de las tres desviaciones=-3.79 +3.82-0.88=-0.85, Modelo estadstico y anlisis para el 0.85 DBCA La rpta de la U con el i-simo to en el j-simo B se escrib: Yij = +Tf+Pj+ij donde es la media general, T es el efecto del to y-El efecto del bloque Pj, representa la desviacin promedio de las U en el bloque j a partir de la media general. Se supone que los efectos del to y del B son aditivos Aditividad:cuando~existe interaccin to y B-tambin son independientes con medias cero y varianza comn 2 La suposicin de independencia se es igual a la desviacin total y12-=41.22-42.07=-

3 Bloque Nitrgen o Error 3 5 15 197.0 65.6 9.1 0 2 108.0 1 7 6 7.20 2 9 2.90 201.3 40.2 5.5

El nivel de significancia observado es Pr > F = .O04 x lo que en esta etapa Tabla 8.3 Nitrogenacin de espigas de trigo (ppmx10-2 en 6 to programados de N para cada uno de 4 B con DBCA d de la planta, hay significativas entre los to de N y la nitrogenacin de las espigas Como consecuencia de la bloquizacin, se particiona una SC de lo que hubiera sido la SC del con el DCA-Los DBCA mejorarn mucho la precisin de las estimaciones de las medias de tratamiento si la reduccin del SC con el uso de bloques es sustancial, reduccin que se puede eliminar si se reducen los grados de libertad, ya que

r - 1 de los grados de libertad deben

asignarse al SC bloques. Tabla 8.4 ANOVA para la nitrogenacin Errores estndar para las medias de de espigas d trigo Fuente de variacion Total Grado s liberta d 23 506.3 SC CM F F tabl Y una estimacin del intervalo de a confianza del 95% de cualquier media de to es yt 0.25,15(St)donde tratamiento

0.25,15= 2.13 1. El error estndar de la programa 4 actual, tiene un contenido diferencia de nitrato mayor, ya que la cota inferior del ICS es mayor que 0. El ICS Pruebas de hiptesis sobre medias de tratamientos El estadstico Fo para probar la Ho de que ~ entre to es: para las dems comparaciones de tratamientos incluye O y tiene cotas superior e inferior muy diferentes de O. Tabla 8.5: Resultados de Dunnett para tos contra control comparaciones programa Media=c t-c 4 1 2 3 5 6 40.62 38.28 44.03 46.77 39.51 43.23 -2.34 3.41 1.11 2.61 ICS 95%L,U --7.70/3.02 -1.95/8.77

Interpretacin mltiples

con

esta interesado en las entre los programas de to y la recomendacin actual durante cada etapa de c, xloq es posible usar el mtodo Dunnett normal incluso en el caso de control sin N El to de control permite evaluar el N disponible sin fertilizante en estas parcelas Dunnett: Los intervalos de confianza simultneos(ICS) del 95% requieren el error estndar de la +estadstico ICS: para la entre la media de cualquier requiere otro que programa D(5/0.05) = para la aplicacin de N y el programa 4 d[S(14)=2.82(1.90)=5.36 y se calcula con 1-45.36/indica El programa 3 es el nico to que tiene un nivel medio de N significativamente diferente del

6.15 0.79/11.51 -6.47/4.25 -2.75/7.97

Si los tratamientos interactan con los bloques No interaccin to x B: implica efecto aditivo Las entre los tratamientos son constantes de un B a otro comode los efectos aditivos de tratamientos y bloques-al obtenerse usar bloques puedan las mayores entre

respuestas de unidades de bloques

Si de

hay

suficientes B de

entre afectar

las posible lograr an ms precisin si se el estos factores; identifican con los 2 criterios de B y las letras latinas con los tratamientos

condiciones ambientales (residuo de N) bloquean las unidades de acuerdo con 1*ms puede los desempeo tratamientos. Renglones+columnas: del arreglo se

Requiere prueba de ~aditividad Unidades experimentales mltiples

por tratamiento en cada bloque Submuestras experimentales de

Relacin entre la cosecha de trigo^ tasa de siembra de semillas de filas, plantadas, fecha de

unidades cantidad

espaciamiento

siembra tiene efectos directos en la Anlisis de residuales para evaluar las cosecha suposiciones

Objetivo de investigacin: desea

determinar la tasa de siembra ptima

Aument la precisin con el uso de para una nueva sp de trigo, con alto [] bloques? Una verificacin rpida de de extracto de semolina, ! para la elaboracin de pastas. la Diseo del tratamiento: Se usaron cinco tasas de siembra (30-80-130-180230 lb/acre) para el diseo del to-Con Bloques aleatorios base en otros cultivos comunes al rea, estas tasas de siembra deben incluir la tasa de p ptima. 3. LOS DCL USAN DOS CRITERIOS DE Diseo del experimento: xpto se llev BLOQUEO de bloqueo a cabo en un campo irrigado con un rea experimental-se saba que los Pueden ser necesarios dos factores gradiente de agua en una direccin del Cuando 2 factores influyen, de los campos experimentales de la granja tratamientos, en la variable de rpta y es tienen en el suelo creadas por la m efectividad del uso de bloques

requerida para la irrigacin. En general, Uso del CL estndar para generar los estas de suelo eran a los canales diseos de irrigacin. CL de tamao especfico: se puedena Hizo un B de las parcelas con un partir de los CS arreglo de renglones y columnas para CS: tiene los smbolos de to (A-B-C...) controlar los gradientes de suelo y en orden alfabtico agua en 2 direcciones sobre el campo cuadrado latino de 4x4: usando el experimental. Los to de la tasa de Cuadrado standar siembra se asignaron de manera el # de tratamientos, de renglones^de campo columnas sea =, requisito difcil de de satisfacer cuando 2 criterios de aleatoria a las parcelas en un arreglo Diseo restrictivo=CL: xq requiere que de cuadrado latino de 5 X 5. Los bloques por el fila del coinciden con gradiente

irrigacin, y los bloques por rengln- bloqueo usar columna corresponden al gradiente Tamao adecuado: es t = 5 a 7 perpendicular del suelo en relacin con tratamientos el gradiente de irrigacin. Los to tienen Cmo aleatorizar el diseo un arreglo de CL donde cada uno Paso 1. Seleccionar al azar uno de los aparece 1 vez en cada bloque de CS. rengln y 1 vez en cada bloque de columna. A B C D B C D A C D A B D A B C

Paso 2. Ordenar al azar todos menos el primer rengln. Columna original P 3 1 Rengln original 2 3 1 2 A C B D C A D B 1 2 3 4

3 4

D B

A C

B D

C A

Paso 3. Ordenar al azar todas las columnas. P 1 4 3 2 1 2 3 4 Columna original Rengl n 1 2 3 4 a las letras Esta asignacin no es necesaria si el CL se seleccion al azar entre todos los cuadrados posibles. PERMUTACI TRATAMIENT ON 4=d 2=b 3=c 1=a O W X Y Z A C D B D B C A C A B D B D A C 1 4 3 2

Paso 4. Asignar al azar los tratamientos

Las etiquetas de to W-X-Y-Z sustituyen a las letras en el CL en el orden D-B-CA en el arreglo aleatorizado Modelo estadstico y anlisis para DCL

 ~muchos factoresuso de mas UEmejor 3 Factores Estudia 2. TIPOS DE FACTORES Serie de to relacionados entre si *de = clasificacin 2.1. Cuantitativos: to expresa [#]pertenede a vC: a. v Cuantitativa continua: tallapeso-T-pH-S b. v Cuantitativa discreta: #hojas#hijos-#arboles 2.2. Cualitativos: to expresa atributo~orden a. Variedades de tomate: tygon-porodominator b. Tipo de riego: goteo-aspersiongravedad DISEO FACTORIAL=EXPERIMENTOS 3. ELECCION DEL TRATAMEINTO FACTORIALES factor Efecto de la T+S+pH: factoresrelacion Fisico-Quim 1. VENTAJAS Y DESVENTAJAS ~haya interaccion Si interaccionresultados conclusiones + amplias Depende: ria 3 1 4. factor TIPOS tiene DE niveles(factor EXPERIMENTOS T/niveles:20-25-30)=13 2 o mas factores-Efecto de la T: 1 bibliogrfia+consulta+campesino+indust efectos: simples+principales+de interaccion

~Perdida d informacin aun cuando FACTORIALES (EF) EF en DCR- EF en DBA- EF en DCL da 5. EF 22 (base factor/exp nivel)=2x2=4 to/en un DCR

PLANIFICACION efecto de [sabila+llantn] en el acn de adolescentes a.Diseo: EF 2x2 en un DCR b. Tratamientos niveles 10%(LL10) [LLANTEN] 20% (LL20) 15% (S15) [SABILA] 30%(S30) c. Unidad experimental los adolescentes de 13-16 alimenticio aoscon=rgimen +procedencia+~to deportiva+acn d. repeticiones: r = 4 e. total de UE: 16 f. croquis: T1 T3 T2 T3 cada T4 T1 T4 T2 adolesecente T2 T3 T1 T4 T3 T2 T4 T1 asignara el t aleaotorio = 4 base=#factores/exp=#niveles) factores Tratamiento LL10 S15 = tratamiento 1 LL10 S30 = tratamiento 2 LL20 S15 = tratamiento 3 LL20 S30 = tratamiento 4

[acn

en

la

cara]*%

acn

en

la

cara/cada 15^30 dias 6. EJEMPLO PRCTICO

(22= A. EXPTO 2X2 DBA factores niveles a1 Abonamiento de N (A) 50kg/ha a2 100kg/ha Tratamiento a1 b1 50kg/hatyson=t1 a1 b2 50kg/hadomin =t2 a2 b1 b1 Tyson Variedad de tomate (B) b2 Dominator 100kg/hatyson=t3 a2 b2 100kg/hadomi=t4

medico+practica b. CAMPO DE TERRENO = 1000m2/r = 4 / UE = 16 b.1. en un DCR separacin entre parcela^parcela 1m se area total = 100m-area total parcela = 2.5 x 2.5 = 6.25m area neta parcela = 1.5 x 1.5 = 2.25m ancho entre cama y cama 0.5 m = 3 camas ancho entre golpe y golpe 0.5m = 3 golpes

g. evaluacin y registro

b.2. en un DBA/separacin entre B^B D. PROCESAMIENTO = 0.5 m = P^P area total bloque = 10 x 2.5 = 25 m area neta bloque = 8 x 2 = 16m area total parcela = 2.5 x 2.5 = 6.25m area neta parcela = 2 x 2 = 4 m ancho entre cama y cama = 4 camas I II III IV BLOQUE a1- a1b1 2 2 1 3 8 b2 2 6 4 3 15 a2b1 4 4 3 12 a2b2 10 7 28 7 18 16 16 63 3.94 total

1 (3) 7

4 (8) 13

ancho entre golpe y golpe = 4 golpes TOTAL

promedio 2 a1 = 23/x 2.88

3.75 3 2.5

b1 = 20 / x = b2 =43 / x = 5.38

a2 = 40 / x = 5 E. EFECTOS

e.1. efecto simple (ES)entre: a1b1 y a2b1= 23= -1= paso d 50100 seen 1 produccion a1b2 y a2b2= 3.75-7= -3.25/b1a1 y C. UNIDAD EXPERIMENTAL una parcela con un area neta de 4 m2+4 plantas+4 camas d. croquis BLOQUE BLOQUE BLOQUE BLOQUE I T2 = a1 b2=2 T1 = 2 T3 = 4 T4 = 10 II T3 =1 T4 =7 T2 =5 T1 =2 III T1 =1 T2 =4 T4 =7 T3 =4 IV b2a1= 2-3.75= -1.75 b1a2 y b2a2= 3-7= -4 e.2. efecto principal (EP)entre: e.3. efecto de interaccion: determina si 1 Factor es independiente o dependiente de otro Factor. Positiva: cambio magnitud Neutra: ~hay interaccion La variacin de la fertilizacin y variedad tienen dependencia con dominator la la produccion

T4 =4 Negativa: cambio direccin T3 =3 T1 =3 T2 =3

existe interaccion (+) entre variedad y fertilizacin.

FV Bloqu e Factor B Factor A Inter AxB Error Total 31.5 6 90.9 4 15 (PQR-1) 18.0 7 33.0 7 5.05 1 9 1)(Q-1) 3.51 1 (Q-1) 1 (P-1) SC 3.19 GL 3 (R-1) CM 1.06 3 18.0 7 33.0 7 (P- 5.05 Fo 0.3 0 5.1 5 9.4 2 1.4 4 4 Q=niveles d 1 factor=2 significanci a 3.86 P>0.05 5.12 P<0.05 5.12 P<0.05 5.12 P>0.05 NS SS SS NS

tanto el factor dosis de N como variedad muestran influyen de tomate son los que significacin significativamente estadstica sobre la

(p<0.05) es decir son los factores que produccin, mas o asi la interaccion que resulta ser ~significativa lo que indica que los 2 factores no muestran relacin de dependencia 7. PAUTAS PARA DEDUCIR SIGNIFICACION a. SS la interaccion axb la conclusin se deducen de: ES de A en los niveles de B y viceversa q alcanzan significancia de 0.05 y 0.01 b. NS la interaccion axb la conclusin se deducen de: EP de A y B que sean significativos en 0.05 y 0.01 c. SS la interaccion y EP conclusin de EP DISEO DE PARCELAS DIVIDIDAS 8. TEST DE TUKEY Sx = CM/R = 3.51/4 = 0.94 AEST=4.14 Tratami ento a1-b1 a2-b1 Prome dio 7.00 3.75 3.00 Compara cion a a a c b Domin ator es mejor que b Tyson con se deduce:

R=#BLOQUES=

SC interaccion axb = SC combinacin axb (SCa+SCb)

SCcomb axb = (82+152+122+282 /R) 248.06=56.19 SCaxb = 56.19 (18.07+33.07)= 5.05 SCtotal=22+22+12+32+22+62+42 248.06 = 90.94 SCbloque= 248.06 = 3.19 SCa= (232+402/P*R)-248.06 = 18.07 SCb= (20+43/Q*R) - 248.06 = 33.07 TC= 632/16=248.0616=P*Q*R F. COEFICIENTE DE VARIABILIDAD G. INTERPRETACION El presente experimento corresponde encontrado a travs del ANOVA que 182+162+162+132/P*Q

a un anlisis factorial 2x2 al azar se ha a1-b2

a2-b2

2.00 c

100 kg/ha d N2

P=#parcelas/Q=#subparcelas/R =#bloques BLOQUE SUBPARCELA FACTOR B INTERACCION AXB ERROR B TOTAL SUBPARCELA 1. 2. factor: factor: BLOQUE I goteo+aspersin+gravedad variedad-aleatoriza: BLOQUE II BLOQUE III As v1+v2+v3=subparcela Gr Go As As Gr Go Go Gr p(r-1)(q-1)=12 pq-1=26 316.0 0 796.0 7 riego-~aleatoriza: pr-1=8 q-1=2 (p-1)(q-1)=4 276.7 4 136.5 1 66.82

a2b2 a1b2 7.00- 3.25 4.15 3.75 a2b1 7.00- 4.00 4.15 NS 3.00 a1b1 7.00- 5.00 4.15 NS 2.00 a1b2 a2b1 3.75- 0.75 4.15 NS 3.00 a1b1 3.75- 1.75 4.15 NS 2.00 a2b1 a1b1 3.00- 1.00 4.15 NS 2.00 DISEO DE PARCELAS DIVIDIDAS (DPD) Factor aleatorizar=PARCELA=UNIDAD Factor F de V BLOQUE FACTOR A ERROR A TOTAL PARCELA Grados libertad r-1=2 p-1=2 (r-1)(p-1)=4 pr-1=8 aleatorizar=SUBPARCELA=SUBUNIDAD SC

difcil V1 V2 V3 V2 V3 V1 V3 V2 V1 V2 V3 V1 V1 V2 V3 V1 V3 V2 fcil V3 V1 V2 V3 V1 V2 V2 V1 V3 Gr+Go+As= parcela//V1+V2+V3=subparcelas La medida de cada parcela y

76.07 subparcela es similar al factorial. Los 161.4 grupos son los bloques. 0 276.7 4 1. factor=densidad cultivo=parcela 39.27 2. factor=variedad papikra=subparcela

r= arcelas=3 sgte modelo:

Densidad 1 B q I II III L 1 2 1 1 7 2 7 6 5 L 2 2 9 1 8 2 2 6 9 L 3 2 2 2 0 1 7 5 9 19 3 6 9 8 7 5 5 66 55 D 1 72 P Densidad 2 L 1 L 2 L 3 D 2 7 5 6 7 6 9 2 1 1 4 9 5 8 1 5 5 1 15 8 62 44 P Densidad 3 L 1 L 2 L 3 52 D3

5.SCdensidad*variedad=SCcombinacion 5.1. SCcomb d*v=652+692+592..512/r 5.2. 66.82 6. TC=796.07 2. APLICAR PRUEBA DE TUKEY O DUNCAN SCtotal subparcelas=212+172+272+152/3SCd*v=364.73-(161.4+136.51) =

#bloques=3//p=#parcelas=3//q=#subp d*v(SCd + SCv) Ordenamiento de datos de acuerdo al TC = 364.73

L1=183 B1=199 1.

L2=214 B2=166

L3=165 B3=197 -

TC=5622/27=11697.93 SCbloque=1992+1662+1972/p*q TC= 76.07 2. SCdensidad=1932+2112+1582/q*r TC= 161.40 3. 276.74 TOTAL PARCELA=BLOQUE SUBPARCELA 4. SCvariedad=1832+2142+1652/p*r TC = 136.51 SCtotal parcela=722+552+662+622/q TC =