DISEÑOS EXPERIMENTALES

Un tipo de diseño experimental seleccionado debe tener la potencia

necesaria, que permita separar las fuentes de variación que en forma
obvia manifieste un determinado material experimental
MODELOS LINEALES DEL ANÁLISIS DE VARIANZA
MODELO I (EFECTOS FIJOS): Este tipo de modelo es el que
generalmente se utiliza en la planeación de los experimentos. Consiste
en que los factores y sus niveles o tratamientos son fijados por el
investigador, de acuerdo al interés por obtener resultados específicos.
Las conclusiones que se deduzcan de un experimento de efectos fijos,
tendrán un rango de validez circunscrito únicamente al efecto de los
tratamientos que se estudiaron en el experimento.
MODELO II (EFECTOS ALEATORIOS): En este modelo, los tratamientos
son seleccionados al azar de entre todo un grupo (población) de
tratamientos disponibles. Un ejemplo de este modelo puede ser el
estudio de 5 goteros de iguales características, pero de distintas marcas;
para lo cual se cuenta con una población de 120 marcas. Es decir, los
tratamientos (marcas de goteros) se establecerán al azar de entre la
población de marcas. En esta situación, lo que importa ya no es la
variabilidad entre los niveles, sino la variabilidad que la muestra
aleatoria aporta al modelo; por lo tanto, las conclusiones que del
análisis de varianza se extraigan se extenderán para toda la población.
MODELO III (EFECTOS MIXTOS O COMBINADOS): El modelo III es un modelo
combinado que se usa en la planeación de experimentos y consiste en
utilizar factores fijos y aleatorios al mismo tiempo. En agronomía,
generalmente se está utilizando este modelo cuando se recurre al diseño de
bloques completos al azar, en donde los bloques constituyen el factor
(aunque secundario) aleatorio del modelo.
DISEÑO COMPLETAMENTE AL AZAR

El DCA es el diseño más simple y su potencia reside en la asignación

aleatoria de tratamientos a un conjunto de unidades experimentales
previamente determinado. Por su aleatorización completa, es
conveniente que se utilicen unidades experimentales lo más
homogéneamente posibles y en ambientes controlados, por ello, su uso
está indicado para experimentos que se realizan en laboratorios, casi
exclusivamente.
Ventajas del DCA
- Es muy fácil de planear. Su aleatorización se puede realizar a través de
la tabla de número aleatorios o mediante algún tipo de sorteo.
- Es un diseño flexible, ya que no es necesario que el número de
repeticiones sean iguales.
- Por su flexibilidad, en este diseño no es necesario el cálculo de unidades
experimentales perdidas.
- Ya que se usa en medios homogéneos y al no necesitar de bloqueos, es el
tipo de diseño que más grados de libertad le otorga al error experimental;
lo que evita el cometimiento del error tipo II.
Desventajas del DCA

- Su potencia se ve disminuida cuando las unidades experimentales tienen

características heterogéneas. Por esto, es un diseño que no está
recomendado para utilizarse, en el caso de la agronomía, en el estudio de
plantas a campo abierto.
- Debido a que no tiene restricciones de bloqueo por su aleatorización total,
toda la variación que pudieran tener intrínsecamente las unidades
experimentales se cargan al error experimental, haciéndolo más grande; y
consecuentemente, aumentando las probabilidades de cometer un error tipo
II.
 Matriz del DCA

Modelo estadístico del 𝑌𝑖 = 𝜇 + 𝜏𝑖 + 𝜀𝑖

DCA
Modelo de ANDEVA del DCA