Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE CIENCIAS
ESCUELA DE FSICA Y MATEMTICA
INGENIERA EN ESTADSTICA INFORMTICA
TESIS DE GRADO
Previa a la obtencin del Ttulo de
Presentado por:
Riobamba Ecuador
2012
-1-
AGRADECIMIENTO
DEDICATORIA
NDICE GENERAL
AGRADECIMIENTO ...............................................................................................................................2
DEDICATORIA ...................................................................................................................................... 3
HOJA DE FIRMAS .................................................................................................................................4
HOJA DE RESPONSABILIDAD ............................................................................................................... 5
NDICE DE CONTENIDOS...................................................................................................................... 6
NDICE DE ILUSTRACIONES................................................................................................................ 12
NDICE DE TABLAS ............................................................................................................................. 13
NDICE DE GRFICAS ESTADSTICAS ............................................................................................... 16
NDICE DE ANEXOS ......................................................................................................................... 17
INTRODUCCIN ................................................................................................................................. 18
ANTECEDENTES ................................................................................................................................ 20
JUSTIFICACIN .................................................................................................................................. 23
OBJETIVOS ......................................................................................................................................... 25
i. OBJETIVO GENERAL ............................................................................................................... 25
ii. OBJETIVOS ESPECFICOS........................................................................................................ 25
CAPTULO I ............................................................................................................................ 26
COSECHA ............................................................................................... 35
SECADO ..................................................................................................................... 37
1.1.6 USOS DEL MAZ ............................................................................................................... 38
1.1.7 MAZ HBRIDO ..................................................................................................................39
1.1.8 VARIEDAD 5.5.3 DE MAZ (HBRIDO INIAP) .................................................................... 40
1.1.9 ABONOS .......................................................................................................................... 42
1.1.9.1 ABONOS SINTTICOS ( fertilizantes qumicos) .............................................. 43
NITRGENO............................................................................................................... 44
FSFORO ................................................................................................................... 45
POTASIO .................................................................................................................... 47
1.1.9.2 APLICACIN DE LOS ABONOS........................................................................... 48
1.2 DISEO EXPERIMENTAL ................................................................................................... 50
1.2.1 ETAPAS DEL DISEO EXPERIMENTAL............................................................................ 52
1.2.2 PRINCIPIOS BSICOS DEL DISEO EXPERIMENTAL ......................................................... 55
1.2.3 CLASIFICACIN DEL DISEO EXPERIMENTAL ................................................................. 57
1.2.4 FUNDAMENTOS DE LA EXPERIMENTACIN AGRCOLA ................................................... 59
4
.2
1 DEFINICIONES BSICAS EN EL DISEO EXPERIMENTAL .................................. 59
1.2.5 ANLISIS DE VARIANZA (ANOVA) ................................................................................... 66
VALOR p ............................................................................................................................... 68
1.2.6 ANLISIS DE RESIDUOS ................................................................................................... 69
COMPARACIN DOS A DOS DE LOS TRATAMIENTOS EN CUANTO A SU VARIABILIDAD...... 70
1.2.7 VERIFICACIN DE SUPUESTOS ........................................................................................ 71
7
.2
1 NORMALIDAD.......................................................................................................... 72
a) MTODO GRFICO........................................................................................................ 73
7
.2
1 VARIANZA CONSTANTE ................................................................................... 77
a) MTODO GRFICO........................................................................................................ 78
3
7
.2
1 INDEPENDENCIA ..................................................................................................... 82
a) MTODO GRFICO........................................................................................................ 82
-7-
9
.2
1 DATOSMUESTRALES Y MATRIZ DE DISE
...O.............................................8.9
1.2.9.2 CONTRASTES Y EFECTOS DEL DISE..O
.......................................................9..1
1.293 FRMULAS PARA EL EXPERIMEN)T..O........................................................9.3
1.294 MODELO ESTADSTIC.O.............................................................................9.5
1.295 HIPTESIS DEL MODEL.O..........................................................................9.6
1.296 ANLISIS DE VARIANZA PARA UN DISEO FACTORI3A
: .L...2..........................9..7
1.2.10 ANLISIS DE REGRESI
N ............................................................................. 98
1.2.10.1 ANLISIS DE REGRESIN SIMP.L..E.................................................................................................................100
1.2.10.2 ANLISIS DE REGRESIN MLTIP..L.E........................................................1..02
1.2.10.2.1 ANLISIS DE VARIANZA PARA EL MODELO DE REGRES..I.
...N............ 1.05
COEFICIENTE DE DETERMINACIN Y DETERMINACIN AJUST..A..D
3
0
.2
1 ...O....................... 1.09
INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DEL MODELO DE
4
0
.2
1
REGRESIN..............................................................................................................1..10
CAPTULOII ............................................................................................................................................. 113
2
.PLANEACIN Y EJECUCIN DEL EXPERIMEN
TO ................................................................ 114
2.1. LUGAR DE EXPERIMENTACIN.......................................................................... 114
Caractersticas del Sitio Experimental ............................................................... 114
Caractersticas Climtic
as .................................................................................. 114
Caractersticas Edafolgic
as .............................................................................. 114
2.2 MATERIALES Y MTODO..S....................................................................................1..15
2.2.1MATERIALES...............1..1..5.
2.2.1.1 Abonos Sinttico
...s ......................................................................................115
2.2.2.2 Otros Materiale..s..................................................................................................................... 115
-7-
NDICE DE ILUSTRACIONES
Figura 1-3: Estructura del grano de maz: corte longitudinal aumentado aproximadamente
30 veces ................................................................................................................................ 32
Figura 1-12: Ilustracin para la toma de decisn para del valor p .......................................68
NDICE DE TABLAS
Tabla 3-1: Rendimiento neto del maz medido en libras ................................................ 126
Tabla 3-2: Rendimiento neto del maz medido en quintales por hectrea .................... 127
Tabla 3-3: Matriz de Datos del Rendimiento Neto (qq/ha) ............................................ 129
Tabla 3-4: Tabla De ANOVA Para El Diseo De Bloques Completo Al Azar..................... 131
Tabla 3-5: Predichos para el rendimiento neto de la produccin de maz ........................ 133
Tabla 3-6: Residuos para el rendimiento neto de la produccin de maz ......................... 133
Tabla 3-7: Datos para la verificacin del supuesto de normalidad para el D.B.C.A ........... 134
Tabla 3-8: Clculos para formar lmites de clase para el D.B.C.A. .................................... 136
Tabla 3-11: Tabla de clculo para la frecuencia esperada para el primer intervalo en el
D.B.C.A. ............................................................................................................................... 138
Tabla 3-12: Tabla de clculo para la frecuencia esperada para el segundo intervalo en el
D.B.C.A. ............................................................................................................................... 139
Tabla 3-13: Tabla de clculo para la frecuencia esperada para el tercer intervalo en el
D.B.C.A. ............................................................................................................................... 139
Tabla 3-14: Tabla de clculo para el valor chi cuadrado en el D.B.C.A. ............................. 139
Tabla 3-15: Tabla definitiva para el clculo del valor chi cuadrado en el D.B.C.A. ........... 140
Tabla 3-16: Datos para la verificacin del supuesto de homocedasticidad para el D.B.C.A.
...141
Tabla 3-17: Clculos de varianzas para encontrar el valor del estadstico de prueba en el
D.B.C.A. .............................................................................................................................. 144
Tabla 3-18: Datos para la verificacin del supuesto de independencia para el D.B.C.A.
146
Tabla 3-19: Pesos del rendimiento neto de maz para un diseo factorial2^3 con cuatro
observaciones por celda .................................................................................................... 150
-14-
Tabla 3-24: Datos para la verificacin del supuesto de normalidad en el diseo factorial
23 ........................................................................................................................................ 170
Tabla 3-25: Clculos para formar lmites de clase el diseo factorial 23 ........................... 172
Tabla 3-28: Tabla de clculo para la frecuencia esperada para el primer intervalo el diseo
factorial 23 .......................................................................................................................... 175
Tabla 3-29: Tabla de clculo para la frecuencia esperada para el segundo intervalo el
diseo factorial 23 ............................................................................................................. 175
Tabla 3-30: Tabla de clculo para la frecuencia esperada para el tercer intervalo el diseo
factorial 23 .......................................................................................................................... 175
Tabla 3-31: Tabla de clculo para la frecuencia esperada para el cuarto intervalo el diseo
factorial 23 .......................................................................................................................... 175
Tabla 3-32: Tabla de clculo para el valor chi cuadrado el diseo factorial 23 ................ 176
Tabla 3-33: Tabla definitiva para el clculo del valor chi cuadrado el diseo factorial
23 ........................................................................................................................................ 176
Tabla 3-35: Clculos de varianzas para encontrar el valor del estadstico de prueba en el
diseo factorial 23 .............................................................................................................. 180
Tabla 3-36: Datos para la verificacin del supuesto de independencia en el diseo factorial
23 ........................................................................................................................................ 181
Tabla 3-37: Tabla de datos para el Tratamiento Control o Testigo ................................ 185
Tabla 3-39: Tabla De ANOVA para el Diseo de Bloques Completo al azar con arreglo
Factorial 23+1 ..................................................................................................................... 187
Tabla 3-41: Tabla resumen para los coeficientes estimados del modelo de
regresin ............................................................................................................................ 199
Grfica 3-1: Grfico de dispersin para la normalidad para el D.B.C.A. ............................ 135
Grfica 3-2: Grfico de dispersin para la homocedasticidad para el D.B.C.A. ................ 142
Grfica 3-3: Grfico de dispersin para la independencia para el D.B.C.A. ....................... 147
Grfica 3-4: Grfico de interaccin para el peso neto del maz para el D.B.C.A.................148
Grfica 3-5: Grfico del efecto principal para el nitrgeno en el D.F.23 ............................ 158
Grfica 3-6: Grfico del efecto principal para el fsforo en el D.F.23 ................................ 159
Grfica 3-7: Grfico del efecto principal para el potasio en el D.F.23 ................................ 160
Grfica 3-9: Grfico de interaccin doble entre el nitrgeno y potasio. ........................... 162
Grfica 3-10: Grfico de interaccin doble entre el fsforo y potasio. .............................. 163
Grfica 3-11: Grfico interaccin triple entre los nitrgeno, fsforo y potasio a 100
kg/ha ................................................................................................................................ 165
Grfica 3-12: Grfico interaccin triple entre los nitrgeno, fsforo y potasio a 200
kg/ha ................................................................................................................................ 166
Grfica 3-15: Grfico de dispersin para la independencia para el D.F. 23 ...................... 183
NDICE DE ANEXOS
ANEXO A
ANEXO B
ANLISIS DEL SUELO REALIZADO EN LA UNIVERSIDAD CENTRAL DEL ECUADOR ............. 246
ANEXO C
INTRODUCCIN
El maz (Zea Mays L.), es un cultivo de gran importancia en Ecuador, ya que constituye una
Manab, Loja, Chimborazo y parte del Guayas ocupando un 70 u 80% de mano de obra
durante la labor del cultivo, generando as una cantidad considerable de empleo para las
zonas mencionadas.
dinero para la adquisicin del grano de maz ya que es la materia prima para la
Ecuador es un proveedor significativo de maz amarillo ya que hace varios aos atrs se
nuevas fuentes de ingreso es una prioridad para las Comunidades Indgenas del Cantn
produccin.
Al ser la agricultura el inicio hacia una serie de posibles experimentos o pruebas los
Es por lo cual el Diseo Experimental que con sus rigurosas y confiables tcnicas nos
ANTECEDENTES
Las primeras plantas cultivadas fueron el trigo y la cebada. Con la revolucin industrial y la
intereses agronmicos. La produccin del cereal data desde la civilizacin Azteca, es lgico
concluir que el maz constituy para los primitivos habitantes una fuente importante de
habran surgido sin la agricultura, y sin un sistema de medicin del tiempo que organizaba
Cuba, declararon haber visto "una clase de grano, que llaman maz, de buen sabor
Amrica, desde Chile hasta Canad. Aunque los conquistadores no llegaron a darse cuenta
-21-
de ello, este grano dorado nativo de Amrica era de mayor importancia para el mundo
que todo el oro y la plata de Mxico y el Per. En las tierras bajas del trpico se pueden
producir varias cosechas al ao; en otras regiones se da una, por lo general. Los
principales pases productores son: China, la U.R.S.S., Brasil, Mxico, Francia, Yugoslavia,
En la actualidad el maz constituye junto con el arroz y el trigo, uno de los principales
bebidas no alcohlicas.
Es por lo cual que a travs de estudios tcnicos agrcolas se trata de optimizar y maximizar
ayuda en cuanto nos permite analizar informacin e interpretar los resultados para sacar
(a)
http://www.monografias.com/trabajos/elmaiz/elmaiz.shtml
-22-
mxima produccin agrcola puesto que existen estudios realizados anteriormente que
GUAYLLABAMBA PICHINCHA.
TUMBACO, PICHINCHA
maz, efectuado en el cantn Tiwintza por lo cual este ser un Estudio Estadstico
JUSTIFICACIN
tratamiento compuesto por los tres tipos de abono sinttico en sus respectivas dosis
sobre el cultivo de maz, lo cual se conseguir mediante el anlisis de los efectos que
de este cereal en las respectivas Comunidades del Cantn Tiwintza, as como abordar la
Los abonos se componen de tres elementos bsicos: Nitrgeno, Fsforo y Potasio; a estos
Cobra mayor inters el estudio al darnos cuenta que la agricultura genera grandes fuentes
econmicos en el adelanto y por ende en el tan ansiado progreso de los pases sub-
desarrollados, esto se confirma con las estadsticas del precio de los granos en los
El presente proyecto es factible por cuanto se cuenta con el apoyo del Gobierno
adquiridos en los aos de estudio permitirn una honesta y tica evaluacin de los datos
Cabe resaltar que la elaboracin del proyecto de tesis beneficiar en primer lugar a la
OBJETIVOS
i. OBJETIVO GENERAL
(Zea Mays L.) a la aplicacin edfica complementaria de tres tipos de abono sinttico a dos
Determinar las dosis para cada uno de los tres abonos sintticos a estudiarse.
resultados.
-26-
CAPTULO I
-27-
1.1 EL MAZ
El Maz (Zea Mays L.), comnmente llamada maz, choclo, millo o elote, es una planta
alcanzar hasta los 2,5 m de altura, con un tallo erguido, rgido y slido; algunas variedades
El tallo est compuesto a su vez por tres capas: una epidermis exterior, impermeable y
transparente, una pared por donde circulan las sustancias alimenticias y una mdula de
Las hojas toman una forma alargada ntimamente arrollada al tallo, del cual nacen las
espigas o mazorcas. Cada mazorca consiste en un tronco u olote que est cubierta por
filas de granos, la parte comestible de la planta, cuyo nmero puede variar entre ocho y
treinta.
Es una planta de noches largas y florece con un cierto nmero de das grados > 10 C (50
hace que el nmero de das que deben pasar antes que florezca est genticamente
pueda hacer germinar sus granos. Su simbiosis con la especie humana aparentara ser
total, a tal punto que algunos investigadores lo llaman un "artefacto cultural", aunque
Cuando una espiga cae al suelo, las brcteas son consumidas por hongos, y no lo son sus
cariopses que logran germinar, generndose una competencia fortsima, que har solo
sobrevivir a unos pocos de cada espiga. Cualquier sujeto rural lo ha experimentado, por lo
que se trata por todos los medios de no dejar espigas sin cosechar, para que no se
Existen maces en estado silvestre, y su negacin es otra de las afirmaciones mgicas, sin
contraste cientfico, de que el maz se resiembra sin la intervencin humana. Las plantas
cadas y con sus espigas en contacto con la tierra, y condiciones de humedad, aseguran la
Por su gran masa de races superficiales, es susceptible a las sequas, intolerancia a suelos
1.1.1 HISTORIA
(1)
Ref. Bibliogr. http://es.wikipedia.org/wiki/Zea_mays#cite_ref-2
-30-
arqueolgicos de plantas de maz que, se estima, datan del 7.000 a. C. Teniendo en cuenta
que ah estuvo el centro de la civilizacin Azteca es lgico concluir que el maz constituy
americanas no habran surgido sin la agricultura, y sin un sistema de medicin del tiempo
1.1.2 GENTICA
(2)
http://es.wikipedia.org/wiki/Zea_mays
-31-
razas de granos oscuros. Esas "alteraciones" individuales son polimrficas tanto entre
razas de maz como teosinte. Barbara McClintock ha usado esas alteraciones como
marcadores para probar su teora del transposn de genes saltadores, con la que gan
espiga. Esta estructura puede contener de 300 a I 000 granos segn el nmero de hileras y
maz son arrancadas manual o mecnicamente de la planta. Se pelan las brcteas que
mecnicamente.
Figura 1-3: Estructura del grano de maz: corte longitudinal aumentado aproximadamente 30 veces.
En la figura se muestran tambin las cuatro estructuras fsicas fundamentales del grano: el
inerte en que se unen el grano y el carozo). Wolf et al. (1952) y Wolf, Koo y Seckinger
Tambin han estudiado la estructura del maz opaco-2 mejorado y han determinado que
EXIGENCIAS CLIMTICAS
El maz requiere una temperatura de 25 a 30C. Requiere bastante incidencia de luz solar
El maz llega a soportar temperaturas mnimas de hasta 8C y a partir de los 30C pueden
aparecer problemas serios debido a mala absorcin de nutrientes minerales y agua. Para
PLUVIOMETRA Y RIEGOS
(3)
http://www.fao.org/docrep/t0395s/T0395S02.htm#Tipos%20de%20maiz
-34-
PLUVIOMETRA
RIEGOS
el riego por aspersin. Las necesidades hdricas van variando a lo largo del cultivo y
cuando las plantas comienzan a nacer se requiere menos cantidad de agua pero s
EXIGENCIAS EN SUELO
El maz se adapta muy bien a todos tipos de suelo pero suelos con pH entre 6 a 7 son a los
que mejor se adaptan. Tambin requieren suelos profundos, ricos en materia orgnica,
con buena circulacin del drenaje para no producir encharques que originen asfixia
radicular. (4)
(4)
http://www.fenalce.org/pagina.php?p_a=46
-35-
SIEMBRA
directa se deben implantar 60 mil a 70 mil semillas por hectrea. Los surcos se ubican a 52
cm o a 70 cm.
En la siembra tambin se fertiliza el maz con fosfato diamnico, el cual aporta fsforo y
emergencia, por ello se llama a este tipo de fertilizantes "arrancadores". Cuando el maz
COSECHA
Por lo general en nuestro pas, se opta por una cosecha manual, que es una prctica
comn dejando el maz en el campo adherido a las plantas por un tiempo variable; que
(5)
http://es.wikipedia.org/wiki/Zea_mays
-36-
depende de diversos factores como 105 ya mencionados, durante el cual el grano se seca
en forma gradual.
b) Cortar la parte superior de las plantas (espiga o flor masculina), para permitir una
planta o solamente la mazorca, para que la punta quede hacia abajo. Con esta
En el caso que la separacin de las mazorcas se procluzca sin quitarle las hojas, su
posterior deshojadura se puede efectuar con otro instrumento manual llamado "clavija"
-37-
Una vez cortadas las mazorcas, dependiendo del contenido de humedad, se acostumbra:
fisiolgica
c) Desgranarlas. (6)
SECADO
(6)
http://www.fao.org/docrep/x5051s/x5051s03.htm
-38-
El secado es una medida importante para obtener un grano de buena calidad, exento de
El maz tiene tres usos posibles: alimento, forraje y materia prima para la industria.
Como alimento, se puede utilizar todo el grano, maduro o no, o bien se puede elaborar
productos intermedios.
emplea para elaborar compuestos para aves de corral, cerdos y rumiantes; en los ltimos
aos, aun en los pases en desarrollo en los que el maz es un alimento fundamental, se
de piensos.
Como molienda hmeda produce almidn de maz y subproductos entre los que figura el
gluten que se utiliza como ingrediente alimenticio, mientras que el germen de maz
investigaciones sobre la fermentacin del maz para producir alcohol combustible, el cual
tiene un uso muy difundido en algunas partes de los Estados Unidos. Con maz
innovaciones en el mbito del fito-mejoramiento. Esto ha dado lugar a que el maz haya
(7)
http://www.fao.org/docrep/t0395s/T0395S02.htm#Tipos%20de%20maiz
-40-
El maz tropical ha solo tardamente utilizado los altos rendimientos generados por la
hbrido en los trpicos est recibiendo ahora ms atencin. En algunas zonas subtropicales
y otros ambientes favorables en los trpicos con condiciones para una alta productividad
del maz, los maces hbridos han sido bien aceptados. En grandes reas se obtienen
rendimientos medios de 5-6 t/ha, pero esto, sin embargo, no sucede en la mayora de los
Los hbridos mezclados tienen un mayor espacio en los ambientes tropicales y deben ser
productores por parte del INIAP, cubrieron en promedio del 23,43% de la superficie
(8)
http://www.fao.org/docrep/003/X7650S/x7650s16.htm
-41-
demuestra una muy buena participacin de mercado por la aceptacin de los materiales
litoral u oriental, con un buen manejo este por hectrea rinde 180 qq, la altura de planta
Es de buena mazorca color amarillo cristalino, en conclusin es hibrido que se adapta bien
al clima clido y por su calidad es de mayor rendimiento con poca inversin. (9)
1.1.9 ABONOS
consistente en aportar un abono se llama fertilizacin. Los abonos, junto a las enmiendas,
forman parte de los productos fertilizantes. Los abonos han sido utilizados desde la
Antigedad, cuando se aadan al suelo, de manera emprica, los fosfatos de los huesos
(calcinados o no).
Elementos de base, nitrgeno (smbolo qumico N), fsforo (P), potasio (K). Se
habla de abonos de tipo NPK si los tres estn asociados juntos. Si no se habla
(9)
Ref. Bibliogr. Transferencia de Tecnologas generadas por el INIAP-ECUADOR. Pgs. 50
-43-
tales como el hierro (Fe), el manganeso (Mn), el molibdeno (Mo), el cobre (Cu), el
boro (B), el zinc (Zn), el cloro (Cl), el sodio (Na), el cobalto (Co), el vanadio (V) y el
silicio (Si).
de base. El nitrgeno, el fsforo y el potasio son pues los elementos que es preciso aadir
crecimiento vigoroso de las plantas, y a su vez son las que mas se agotan en el suelo.
Es necesario hacer una referencia ms profunda de los tipos de abono sinttico utilizado
(10)
http://es.wikipedia.org/wiki/Abono
-44-
NITRGENO
Las plantas adems de vitaminas o aminocidos necesitan elementos qumicos entre ellos,
los nitratos bajan hacia las capas inferiores del suelo cuando existe exceso de agua y
ascienden a la superficie por efecto de capilaridad cuando hay escasez de agua, lo que
materia orgnica. Existe entre 0.02 - 0.4 % de N en suelo del cual el 98% est en forma
orgnica. Solo una pequea fraccin resulta asimilable por las plantas.
El nitrgeno sirve a las plantas para la formacin de protenas, cidos nucleicos, clorofila y
constituye ms del 20% del peso seco de la planta. Y el contenido en el suelo depende de
4. Cantidad de fertilizante
5. Cubierta de residuos
6. Textura
7. Estructura
FSFORO
-46-
El fsforo es un componente esencial de los vegetales, cuya riqueza media en P2O5 es del
orden del 0,5 al 1 % de la materia seca. Se encuentra, en parte, en estado mineral, pero
como la lecitina, las nucleoprotenas (componentes del ncleo celular) y la fitina (rganos
de reproduccin).
comprobado. Los iones fosfricos son capaces de recibir energa luminosa captada por la
por tanto, un factor de calidad. Favorece precisamente los periodos de vegetacin que
son crticos para el rendimiento del cultivo: fecundacin, maduracin y movimiento de las
reservas.
POTASIO
mayor parte de los suelos las prdidas de potasio son relativamente pequeas. A menos
mar contiene 380 ppm, lo cual significa que el potasio es el sexto ms abundante en
solucin.
Generalmente los abonos son incorporados al suelo, pero pueden ser tambin aportados
por el agua de riego. Una tcnica particular, el cultivo hidropnico, permite alimentar las
plantas con o sin sustrato. Las races se desarrollan gracias a una solucin nutritiva agua
En ciertos casos, una parte de la fertilizacin puede ser realizada por va foliar, en
pulverizacin. En efecto, las hojas son capaces de absorber abonos, si son solubles y la
superficie de la hoja permanece hmeda bastante tiempo. Esta absorcin queda siempre
limitada en cantidad. Son, pues, muchos los oligoelementos que pueden ser aportados as,
Evitar los excesos, pues fuera de ciertos umbrales los aportes suplementarios no
solamente no tiene ningn inters econmico, sino que pueden ser txicos para
Controlar sus efectos sobre la acidez del suelo. Tener en cuenta las interacciones
(11)
http://es.wikipedia.org/wiki/Abono
-50-
por tanto aqu es ms necesario recurrir a estrategias bien planeadas que lleven a
responder con mayor seguridad y amplitud las interrogantes planteadas. Tambin en este
aprendizaje sea tan eficiente como sea posible. Este proceso ha demostrado, a lo largo de
la historia de la humanidad, ser un proceso secuencial en el cual interactan dos polos por
retroalimentacin:
-51-
DATOS
CONSECUENCIAS DE H1
DEDUCCIN
HIPTESIS H1
INTRODUCCIN
HIPTESIS MODIFICADA H2
En el cual las discrepancias entre los datos y las consecuencias de la hiptesis H1, lleva a
establecer conjeturas se requiere conocimiento previo, para que tales conjeturas sean
ms concretas. (12)
(12)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pgs. 7-9
-52-
es una secuencia de etapas o actividades que deben realizarse para cumplir con xito los
A continuacin se describen de manera breve las etapas del diseo de experimentos con
PLANEACIN
trata de que el experimentador tenga que saber a priori cules factores influyen,
puesto que precisamente para eso es el experimento, pero s de que utilice toda la
3. Elegir la(s) variable(s) de respuesta que sern medidas en cada punto del diseo
respuesta.
Este paso tambin implica determinar cuntas re-peticiones se harn para cada
experimental, por ejemplo las personas que van a intervenir, la forma operativa en
6. Realizar el experimento.
hara.
ANLISIS
INTERPRETACIN
Aqu se debe ir ms all del anlisis estadstico formal, y se debe analizar con detalle lo
que ha pasado en el experimento, desde contrastar las conjeturas iniciales con los
resultados del experimento, hasta observar los nuevos aprendizajes que sobre el proceso
CONCLUSIONES FINALES
-55-
generalizar el resultado del estudio y para garantizar que las mejoras se mantengan.
El punto de partida para una correcta planeacin es aplicar los principios bsicos del
diseo de experimentos: aleatorizacin, repeticin y bloqueo, los cuales tienen que ver
directamente con que los datos obtenidos sean tiles para responder a las preguntas
planteadas, es decir, la validez del anlisis de los datos se apoya en estos principios.
ALEATORIZACIN
(13)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pgs. 14-16
-56-
Tambin es una manera de asegurar que las pequeas diferencias provocadas por
REPETICIN
este principio con medir varias veces el mismo producto o artculos fabricados de una sola
vez en cierta combinacin de factores. Repetir es volver a correr el proceso, partir desde
volver a fijar las condiciones de operacin, para obtener un nuevo producto, hasta el
Las repeticiones permiten distinguir mejor qu parte de la variabilidad total de los datos
se debe al error aleatorio y cul a los factores. Cuando no se hacen repeticiones no hay
BLOQUEO
Es nulificar o tomar en cuenta en forma adecuada todos factores que puedan afectar la
bloquear se supone que el subconjunto de datos que se obtengan dentro de cada bloque
(nivel particular del factor bloqueado), deben resultar ms homogneos que el conjunto
total de datos. Con el principio de bloqueo se logia mayor precisin del experimento al
diseos hace necesario saber cmo elegir el ms adecuado para el problema que se quiere
resolver, y por ende, conocer cmo es que se clasifican los diseos de acuerdo a su
(14)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pgs. 17-18
-58-
sentido de que cuando cambian nos llevan generalmente a cambiar de diseo, son:
al introducirse por primera vez a una regin, necesita de la experimentacin para poder
adaptarlo y divulgarlo entre los agricultores. Esto se debe a que las condiciones de clima y
disear de acuerdo con los principios estadsticos que permiten al experimentador llegar a
estadsticos deben planear los experimentos conjuntamente. Para ello el estadista debe
TRATAMIENTO
Es una de las formas que, en cantidad o calidad, el factor a estudiar toma durante el
UNIDAD EXPERIMENTAL
ser un animal, un conjunto de semillas, una parcela, una maceta, un rbol, un tubo de
ensaye, etctera.
TRATAMIENTO TESTIGO
Es un tratamiento que se compara. Por ejemplo, si se quiere probar en una regin el grado
tal manera que se incluyen variedades locales como testigos. Si la nueva variedad
para la zona.
-61-
REPETICIN
DISEO EXPERIMENTAL
BLOQUE
aparecen todos los tratamientos una sola vez; dicho bloque se debe colocar perpendicular
ERROR EXPERIMENTAL
Los resultados experimentales varan no slo por la accin de los tratamientos. Sino
tratamientos. Por lo general, para expresar estas variaciones se usa el trmino error
experimental. Pero el trmino error no quiere decir equivocacin, sino que incluye todo
de los tratamientos.
fsica del experimento. Si los resultados obtenidos tienen la precisin necesaria para llegar
investigador.
Durante la realizacin del experimento debe quedar claro que todas las labores se harn
con uniformidad para todo el lote experimental, excepto las que estn en estudio. Cuando
todo el experimento. Lo anterior es necesario en los lugares lluviosos, porque las labores
posible realizar la labor completa en un da se debe evitar dejar bloques sin terminar.
Cuando se trabaja con varios obreros de campo es importante cuidar que ninguno se
obrero puede trabajar mejor que otro y en consecuencia, el tratamiento que realice estar
en ventaja. (15)
Es todo proceso intervienen distintos tipos de variables o factores como los que se definen
a continuacin:
(15)
Ref. Bibliogr. Diseos Experimentales con Aplicacin a la Agricultura y la Ganadera. Pgs. 9-12
-64-
Factores controlables
x1 x2 x3 x4 ... xp
Entradas Salida
Proceso
y
z1 z2 z3 z4 ... zq
Factores incontrolables
VARIABLE DE RESPUESTA
calidad del producto. La conjetura tpica para utilizar diseo experimental existe otra
FACTORES CONTROLABLES
nivel de operacin. Algunos de stos son los que usualmente se controlan durante la
operacin normal del proceso y se distinguen porque para cada uno de ellos existe la
Son variables que no se pueden controlar durante la operacin normal del proceso. Por
ejemplo, algunos factores que suelen ser no controlables son las variables ambientales
(luz, humedad, temperatura, partculas, ruido, etc.), el nimo de los operadores, la calidad
del material que se recibe del proveedor (interno o externo) y los diversos usos que el
cliente pueda dar al producto. Un factor que ahora es no controlable puede convertirse en
NIVELES Y TRATAMIENTOS
-66-
Los diferentes valores que se asignan a cada factor estudiado en un diseo experimental
se llaman niveles. Una combinacin de niveles de todos los factores se llama tratamiento
o punto de diseo.
La hiptesis de inters es la misma para todos los diseos comparativos, y est dada por:
H 0: 1 2 3 k
H1 : i j para a lg n i j
tratamiento es la misma para los k tratamientos, y que por tanto cada respuesta media i
(16)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pgs. 10-11
-67-
NOTA HISTRICA
Las tcnicas iniciales del anlisis de varianza fueron desarrolladas por el estadstico y
genetista R. A. Fisher en los aos 1920 y 1930 y es algunas veces conocido como "Anova
tratamiento
-68-
utilizados en el proyecto.
VALOR p
Cabe recalcar que si las observaciones en la muestra soportan la Hiptesis nula, entonces
Los residuos son la diferencia entre los valores observados y los valores predichos por el
modelo ajustado.
Ecuacin 1
-70-
Resulta til examinar una grfica de probabilidad normal, una grfica de los residuos
contra los valores ajustados y una grfica de los residuos contra cada variable de
regresin.
Adems, los residuos deben graficarse contra las variables potencialmente importantes
que no fueron incluidas en el modelo. Cualquier estructura en dicha grfica indicara que
VARIABILIDAD
muestral.
tratamientos diferentes:
S 2
Z ln (i, j )
*
S 2
0
(i, j ) '
Ecuacin 2
El cual se compara con los cuantiles de una distribucin normal estndar. Por tanto la
Se rechaza H0 s, el mdulo Z 0* Z 1
a que los supuestos del modelo se cumplan. Estos supuestos del modelo de ANOVA son:
la respuesta (Y) debe provenir de una distribucin normal, con la misma varianza en cada
diferentes modelos.
-72-
Los residuos, eij, se definen como la diferencia entre la respuesta observada (Yij) y la
respuesta predicha por el modelo ( Yij ), lo que permite hacer un diagnstico ms directo
de la calidad del modelo, ya que su magnitud seala qu tan bien describe los datos el
modelo.
Para comprobar cada supuesto existen pruebas analticas y grficas, que se detallan a
continuacin.
1.2.7.1 NORMALIDAD
residuos.
-73-
a) MTODO GRFICO
Sirve para verificar visualmente si los datos siguen o no una distribucin especfica, se dice
que existe normalidad en los datos cuando al ser graficados de tal modo que se presente
una lnea recta; si los puntos no se alinean claramente se puede concluir que no se cumple
Los pasos en la construccin de la grfica de probabilidad normal para los residuos son los
siguientes:
2. Calcular una posicin de grafica para cada dato en funcin de su rango y del total
3. El papel de probabilidad normal es un formato para realizar u grfica del tipo X-Y,
probabilidad normal se dibujan las parejas (ri (i - 0.5)/N), la primera entrada ((i -
0.5)/N) sobre la escala logartmica del papel y la segunda (ri) sobre la escala lineal.
-74-
4. Dibujar una lnea recta sobre los puntos para tratar de dilucidar se ajustan a ella o
llegar a una conclusin razonable sobre la distribucin que siguen los datos.(17)
80
70
Percent
60
50
40
30
20
10
5
0.1
150 200 250 300 350
Datos
b) MTODO ANALTICO
(17)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pg. 102
-75-
Estas pruebas permiten verificar que la poblacin de la cual proviene una muestra tiene
La teora estadstica demuestra que una prueba de bondad de ajuste entre las frecuencias
k
(o e )2
2 i i
i1 ei
Ecuacin 3
muy cerca con la distribucin chi cuadrada con v=k-1 grados de libertad. Los smbolos
celda.
El nmero de grados de libertad que se asocia con la distribucin chi cuadrada que se
utiliza aqu es igual a k-1, pues hay slo k-1 frecuencias de celdas libremente
determinadas. Es decir, una vez que se determinan las frecuencias de k-1 celdas queda
aceptacin de Ho: f(x) = f0(x); mientras que un ajuste deficiente conduce a un rechazo.
-77-
La regin crtica caer por tanto, en la cola derecha de la distribucin chi cuadrada. Para
es decir, cada una de las frecuencias esperadas sea al menos iguala 5. Esta restriccin
podra requerir la combinacin de celdas adyacentes, lo que tiene como resultado una
(18)
Ref. Bibliogr. Probabilidad y Estadstica. Pgs. 450
-78-
Uno de los pasos previos a la comprobacin de si existen diferencias entre las medias de
varias muestras es determinar si las varianzas en tales muestras son iguales (es decir, si se
de medias.
a) MTODO GRFICO
Una forma de verificar el supuesto de varianza constante (o que los tratamientos tienen la
misma varianza) es graneando los predichos contra los residuos ( Yij vs. eij), generalmente
en una banda horizontal (sin ningn patrn claro y contundente), entonces es seal de
Por el contrario, si se distribuyen con algn patrn claro y contundente, por ejemplo si se
comportan con una forma muy clara y contundente de "corneta o embudo", entonces es
En particular, si la parte estrecha del "embudo" est orientada para donde se quiere llevar
la respuesta (ya sea minimizar o maximizar), entonces lo que nos indica esa grfica es que
en esos niveles predichos para la respuesta, se espera una menor variabilidad, por lo que
Otra grfica que ayuda a verificar el supuesto es la grfica de niveles de factor contra
residuos. En el eje X de esta grfica se ponen los tratamientos o los niveles de un factor, y
dispersin de los puntos en cada nivel de factor tender a ser similar; y no se cumplir el
(19)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pg. 105
-80-
b) MTODO ANALTICO
igualdad en las variancias, se han propuesto algunas pruebas estadsticas. stas son
H : 2 2 ... 2 2
0 1 2 a
H : 2 2 para a lg n i j
1 i j
calcular una estadstica cuya distribucin muestral es, aproximadamente, chi cuadrada
normales independientes.
q
2 2.3026
c
Ecuacin 4
donde
-81-
q (N a) log S (n 1) log S 2
2 a
10 p i 10 i
i1
Ecuacin 5
1 a
(n 1) 1 N a) 1
c 1
i
3(a 1) i1
Ecuacin 6
(n
a
i 1) S 2
i
S p2 i1
Na
Ecuacin 7
El valor de q es grande cuando hay una gran diferencia entre las variancias mustrales S i2
y es igual a cero si todas las S i2 son iguales. Por lo tanto, debe rechazarse H0 para valores
2 2
,a1
1 grados de libertad.
-82-
normalidad y no debe ser aplicada cuando exista alguna duda en cuanto a esta suposicin.
(20)
1.2.7.3 INDEPENDENCIA
Uno de los supuestos importantes que se hizo sobre los residuos, es que stos son
independientes.
a) MTODO GRFICO
As, si al graficar en el eje horizontal el tiempo (orden de corrida) en el eje vertical los
evidencia de que existe una correlacin entre los errores y por lo tanto el supuesto de
independencia no se cumple.
(20)
Ref. Bibliogr. Diseo y Anlisis de Experimentos. Pg. 91
-83-
ejecucin del experimento, puede ser una indicacin de que no se aplic en forma
ello, en caso de tener problemas con este supuesto, las conclusiones que se pueden
obtener del anlisis son endebles, y por tanto es mejor revisar lo hecho y tratar de
situacin.
extraas.
La palabra "completo" indica que todos los tratamientos son probados en cada bloque. Si
se usa este diseo, los bloques forman una unidad experimenta ms homognea con la
diseo se aplica son muy numerosas y pueden detectarse fcilmente. A menudo, las
experimento, las cuales pueden ser controladas sistemticamente mediante el anlisis por
bloques.
-85-
CARACTERSTICAS:
(bloques completos)
donde
t tratamientos
-86-
b nmero de bloques
2
TSS Yij Y
2
i j bt
Ecuacin 9
Y2 Y 2
SST i
i b bt
Ecuacin 10
SSB j Y
2 2
Y
j t bt
Ecuacin 11
Ecuacin 12
-87-
Cada observacin del experimento se describe a travs del modelo de efectos siguiente:
Yij i j ij
i 1,2,, t j 1,2,,b
Ecuacin 13
donde;
Con un diseo factorial 23 se estudian factores tres factores en dos niveles cada uno,
Este diseo factorial es necesario cuando pueden haber interacciones presentes para
evitar conclusiones engaosas, adems que permiten estimar los efectos de un factor a
varios niveles de los otros factores, generando conclusiones vlidas sobre un rango de
condiciones experimentales.
-89-
Si tenemos un diseo factorial con 3 factores cada uno con 2 niveles, entonces las posibles
C1 C2 .. Cc C1 C2 .. Cc . C1 C2 .. C3
Y1111 Y1121 .. Y11c1 Y1211 Y1221 .. Y12c1 . Y1b211 Y1b21 .. Y1bc1
Y1112 Y1122 .. Y11c2 Y1212 Y1222 .. Y12c2 . Y1b12 Y1b22 .. Y1bc2
A1 . . .. . . . .. . . . .. .
. . .. . . . .. . . . . .. .
A2 . . .. . . . .. . . . .. .
. . .. . . . .. . . . . .. .
Y211n Y212n .. Y21cn Y221n Y222n .. Y22cn . Y2b1n Y2b2n .. Y2bcn
. . . .. . . . .. . . . . .. .
. . . .. . . . .. . . . . .. .
. . . .. . . . .. . . . . .. .
. . . .. . . . .. . . . . .. .
Ya111 Ya121 .. Ya1c1 Ya211 Ya221 .. Ya2c1 . Yab11 Yab21 .. Yabc1
Ya112 Ya122 .. Ya1c2 Ya212 Ya222 .. Ya2c2 . Yab12 Yab22 .. Yabc2
Aa . . .. . . . .. . . . .. .
. . .. . . . .. . . . . .. .
MATRIZ DE DISEO
A B C YATES
-1 -1 -1 -1
1 -1 -1 a
-1 1 -1 b
1 1 -1 ab
-1 -1 1 c
1 -1 1 ac
-1 1 1 bc
1 1 1 abc
representados por la notacin de Yates, se obtienen los contrastes para los siete efectos:
Ecuacin 14
Ecuacin 15
Ecuacin 16
-92-
Ecuacin 17
Ecuacin 18
Ecuacin 19
Ecuacin 20
Contraste A
Efecto A
n2k 1
Ecuacin 21
Contraste B
Efecto B
n2k 1
Ecuacin 22
Contraste C
Efecto C
n2k 1
Ecuacin 23
-93-
Contraste AB
Efecto AB
n2k 1
Ecuacin 24
Contraste AC
Efecto AC
n2k 1
Ecuacin 25
Contraste BC
Efecto BC
n2k 1
Ecuacin 26
Contraste ABC
Efecto ABC
n2k 1
Ecuacin 27
SCT Yijkl 2 Y
2 2 2 n 2
i1l j1 l 1 m1 n2k
Ecuacin 28
(Contraste )2
SC A
A
n2k
Ecuacin 29
(22)
Ref. Bibliogr. Notas estudiantiles. ELECTIVA III, ESPOCH, 2010.
-94-
(Contraste )2
SC B
B
n2k
Ecuacin 30
(Contraste )2
SC C
C
n2k
Ecuacin 31
(Contraste ) 2
SCAB
AB
k
n2
Ecuacin 32
(ContrasteAC ) 2
SCAC
n2k
Ecuacin 33
(Contraste ) 2
SCCB
BC
k
n2
Ecuacin 34
(Contraste )2
SC
ABC ABC k
n2
Ecuacin 35
Ecuacin 36
-95-
Cada observacin del experimento se describe a travs del modelo de efectos siguiente:
Ecuacin 37
donde;
(23)
Ref. Bibliogr. Notas estudiantiles. ELECTIVA III, ESPOCH, 2010.
-98-
o ms predictores de inters.
En muchos problemas existen dos o ms variables que estn relacionadas y puede resultar
En general, supongamos que hay una sola variable dependiente o de respuesta y que
entre estas variables se caracteriza por un modelo matemtico conocido como ecuacin
Frecuentemente, los mtodos de regresin se utilizan para analizar datos que provienen
construir un modelo cuantitativo que relaciona los factores importantes con la respuesta.
(24)
Para realizar una regresin adecuada, es importante verificar inicialmente que la variable
dependiente tenga una relacin lineal con las variables independientes. Por otro lado, es
regresin; para ello es necesario corroborar que la correlacin entre las variables
independientes sea baja o nula. Por estas razones es importante revisar la correlacin
lineal y graficar cada par de variables, as como verificar si no existen datos que se alejen
En caso de que exista relacin entre la variable independiente y la dependiente, pero que
dicha relacin no sea lineal, es necesario realizar una modificacin de dicha variable, de
modo que la nueva variable si tenga una relacin lineal con la variable dependiente. Esta
(24)
Ref. Bibliogr. Diseo y Anlisis de Experimentos. Pgs. 429
-100-
forma significativa.
MODELOS DE REGRESIN
Cuando hablamos de regresin lineal simple, nos referimos a la relacin entre una variable
Y 0 1 x
Ecuacin 38
Donde:
Y = Variable Respuesta,
0 = Intercepto,
1 = Pendiente,
X = Variable predictora y
valor observado de X.
valores (x, y) podremos estimar los coeficientes de la ecuacin (21) recurriendo a las
funciones:
(Y i Y )( X i X )
1 i1
n
( X i X )2
i1
Ecuacin 39
0 Y 1 X
Ecuacin 40
-102-
Donde:
Y 0 1 x
Ecuacin 41
En muchas situaciones prcticas existen variables independientes que se cree que influyen
o estn relacionadas con una variable de respuesta Y, y por tanto ser necesario tomar en
Sea X1, X2,..., Xk variables independientes o regresoras, y sea Y una variable de respuesta,
Y 0 1 x1 2 x2 ..... k xk
Ecuacin 42
donde
j son los parmetros del modelo, que se conocen como coeficientes de regresin
una lnea recta; si k=2, tal ecuacin representa un plano. En general, la ecuacin 41
Ecuacin 43
donde
1, 2, 3, 12, 13, 23, 123 corresponde a los coeficientes de regresin de cada factor Y sus
Los valores para se puede estimar utilizando los efectos vistos en el numeral 1.2.10, por
tanto:
0 Y
Ecuacin 44
A
1
2
Ecuacin 45
B
2
2
-105-
Ecuacin 46
C
3
2
Ecuacin 47
AB
12
2
Ecuacin 48
AC
13
2
Ecuacin 49
BC
23
2
Ecuacin 50
ABC
123
2
Ecuacin 51
regresin es significativa.
H0 : 1 = 2 = =k=0
Aceptar H0 significa que ningn trmino o variable en el modelo tiene una contribucin
S yy SCR SCE
Ecuacin 52
Luego es natural que el estadstico de prueba para la significancia del modelo de regresin
SCR
F k
CM R
0
SC E CM E
(n k 1)
Ecuacin 53
F0 F( ,k ,nk 1)
Para completar el procedimiento anterior necesitamos una forma explcita para calcular
SCR. Una frmula para calcular la suma de cuadrado del error es:
SCE yy X y
Ecuacin 54
2 2
n n
n
i y i y
S yy Yi
2 i1 yy i1
i1 n n
Ecuacin 55
2
n n
2
yi yi
SC yy i1 X y i1 S SC
E n n yy R
Ecuacin 56
As, hemos obtenido una forma explcita para la suma de cuadrados de la regresin:
2
n
yi
SCR X y
i1
Ecuacin 57
(25)
Ref. Bibliogr. Anlisis y Diseo de Experimentos. Pgs. 448-449
-109-
AJUSTADO
COEFICIENTE DE DETERMINACIN
SCTOTAL SCERROR
R2 *100
SCTOTAL
Ecuacin 58
CMTOTAL CM ERROR
R aj
2
*100
CM TOTAL
Ecuacin 59
0 Raj2 R2 100
El modelo de regresin ajustado sirve para que los factores estudiados junto con su
MODELO DE REGRESIN
Un aspecto clave en un anlisis de regresin mltiple es valorar que tanto contribuy cada
trmino a la explicacin de la variable de respuesta, para de esta forma eliminar los que
tienen una contribucin poco importante o quiz pensar en agregar otras variables no
H0 : i=0
HA : i0 i=1,2,,k
X t X y
1
X X
t 1
X t 2 I X t X X t
1
t
X X
t 1
X t 2 X X t X
t 1
X X
t 1
X t 2 X X t X
1
2 X t X
1
-111-
De aqu que la distribucin de los coeficientes de regresin i es:
i N i , 2 X t X
1
i N i , 2 mii
2 ?
1
s 2
2
r
n k
1 n
s 2
n k r
i1
i
2
Ecuacin 60
s2
(n, k ) X 2 (n, k )
2
s2
E 2 (n, k ) n k
s 2
(n k ) E 2 n k
s 2
E 21
E s2 2
-112-
i t / 2 s mii
Ecuacin 61
Donde; mii es la raz de la diagonal de la matriz inversa para cada uno de los i ,
derecha una probabilidad de /2, esto es P(t > c) = /2. Esto es vlido para cualquiera de
El clculo de los intervalos de confianza para los coeficientes de regresin del modelo se
conoce con el nombre de estimacin por intervalo. Un intervalo de confianza nos dice
que, con probabilidad (1) se estima que el parmetro i estar dentro de ese rango de
valores.
Este intervalo puede ser demasiado amplio, y esto depender de la precisin con la que
CAPTULO II
-114-
El presente trabajo de investigacin se llev a cabo en la finca del Sr. Eduardo Najamtaim,
ubicado en:
- Cantn: Tiwintza
- Parroquia: Santiago
- Comunidad: Peas
Caractersticas Climticas26
- Temperatura: 25,5C
Caractersticas Edafolgicas27
- pH: 4.80
-115-
- Textura: Franco
2.2.1 MATERIALES
- Sales Nitrgeno
- Sales Fsforo
- Sales Potasio
26
Referencia: Estacin Climatolgica G.A.D.C.T.
-116-
- Superficie de terreno: 1 ha
- Machetes
- Piola
- Sacos de Polietileno
- Balanza
- Rtulos
- Fundas plsticas
- Libro de campo
2.2.2.3 Equipo
- Computadora
- Cmara fotogrfica
27
Lab. de Qumica Agrcola y Suelos JULIO PEAHERRERA. U.C.E.
-117-
- A= Sales Nitrgeno
- B= Sales Fsforo
- C= Sales Potasio
28
Dosis sugeridas por el Ing. Agr. Jos Valarezo.
-118-
equilibrar esta relacin se tuvo que ajustar los niveles de potasio a cantidades que
2.2.3 TRATAMIENTOS
los factores en estudio ms un adicional sin aplicacin de abono sinttico, utilizado por el
agricultor.
Cuadro 2-1: Descripcin de los tratamientos de la respuesta del maz (Zea mays L.) a la
aplicacin edfica complementaria de tres tipos de abonos sintticos a dos dosis. Tiwintza,
Morona Santiago. 2011
tratamiento.
Al ser una hectrea en al cual por primera vez se iba a utilizar para la siembra se realiz
una limpieza manual del terreno eliminando la maleza del sector y as disponer de las
Una vez limpio el terreno y teniendo en cuenta la del terreno posicin del rea
cada uno de los tratamientos y bloques para evitar errores posteriores en la aplicacin del
2.2.6.4 SIEMBRA
tierra y proceder a colocar 2 semillas de maz en cada uno de ellos, mismos que deben
tener una distancia de 40cm entre s, asegurando con ello el espacio suficiente para que
Este procedimiento se repite por hileras hasta completar el nmero de plantas dichas
anteriormente para cada tratamiento en cada uno de los bloques que fueron
Una semana antes de cada aplicacin de abono se procedi a la dosificacin para cada
Luego de que germinaron de las semillas se evalu la altura de las plantas, siendo
Se aplicaron los tratamientos cada 15 das, hasta la conclusin del ciclo productivo es decir
2.2.6.7 DESHIERBAS
Las deshierbas manuales del ensayo se realizaron con machete, cada 20 das, facilitando
2.2.6.8 FUMIGACIN
represent una retraso en el experimento puesto que la hectrea fue afectada por el
2.2.6.9 COSECHA
2.2.6.10 SECADO
Para secar el maz se utiliz tendales de madera cubiertos con plstico de polietileno
Al tener el grano seco se procede a obtener los datos definitivos del estudio para ello se
pesa la produccin de maz para cada uno de los tratamientos as como de 10 granos para
una posterior evaluacin que solicito el tcnico agrnomo del G.A.D.T. (Anexo C).
-125-
CAPTULO III
-126-
Tabla 3-2: Rendimiento neto del maz medido en quintales por hectrea
RENDIMIENTO NETO
Rendimiento (10 plantas) Rendimiento (parcela neta) RENDIMIENTO NETO(Rend/pn)
2.4 14.4 5.45
2.4 14.4 6.55
2.4 14.4 3.00
2.4 14.4 9.27
2.4 14.4 5.78
2.4 14.4 6.55
2.4 14.4 7.91
2.4 14.4 10.91
2.4 14.4 5.78
2.4 14.4 9.55
2.4 14.4 8.18
2.4 14.4 6.55
2.4 14.4 8.51
2.4 14.4 6.82
2.4 14.4 6.55
2.4 14.4 8.73
2.4 14.4 6.55
2.4 14.4 9.55
2.4 14.4 10.36
2.4 14.4 10.64
2.4 14.4 5.73
2.4 14.4 5.45
2.4 14.4 5.78
2.4 14.4 5.78
2.4 14.4 12.27
2.4 14.4 11.24
2.4 14.4 12.27
2.4 14.4 13.64
2.4 14.4 6.82
2.4 14.4 6.82
2.4 14.4 6.82
2.4 14.4 9.27
2.4 14.4 5.78
2.4 14.4 6.00
2.4 14.4 9.55
2.4 14.4 8.51
Fuente: Ing. Jos Valarezo(G.A.D.T.)
-128-
Tras obtener el rendimiento neto del maz (qq/ha) se disea la matriz de datos con la cual
BLOQUES
TRATAMIENTOS
I II III IV
T1(CONTROL) 5.45 6.55 3.00 9.27
T2 5.78 6.55 7.91 10.91
T3 5.78 9.55 8.18 6.55
T4 8.51 6.82 6.55 8.73
T5 6.55 9.55 10.36 10.64
T6 5.73 5.45 5.78 5.78
T7 12.27 11.24 12.27 13.64
T8 6.82 6.82 6.82 9.27
T9 5.78 6.00 9.55 8.51
Fuente: Propia
Yij i j ij
i 1,2,, t j 1,2,,b
donde;
Seguidamente se corre un anlisis de varianza, mismo que necesita probar las siguientes
H1: al menos hay un efecto de los tratamientos en el rendimiento neto del maz
H1: al menos hay un efecto de los bloques en el rendimiento neto del maz
DATOS:
t= 9
b= 4
b*t= 36
t-1= 8
b-1= 3
(t-1)*(b-1)= 24
TSS Y Y
2
2
ij
i j bt
TSS 198.8709917
2
Yi 2
SST
Y
i b bt
SST 122.478843
-131-
SSB Y j Y
2 2
j t bt
SSB 25,19495868
SSE 51,19719008
La conclusin a la que se llega a travs del anlisis de varianza en cada uno de los factores
podemos decir que se rechaza la hiptesis nula para los tratamientos y se concluye
decir que se rechaza la hiptesis nula para los bloques y se concluye que existe
Para realizar el diagnstico del modelo se procede a hacer un Anlisis Residual para
probar grficamente los respectivos supuestos citados en el captulo 1; para ello se calcula
los valores predichos mismos que son el resultado de los valores observados vs.
predichos.
Con la ecuacin 1 del marco terico se calculan los valores predichos para el rendimiento
Tras calcular los datos necesarios se procede a la verificacin de los supuestos del modelo
para el mtodo grfico, en el caso analtico se detallar la forma de clculo en el caso del
respectivo.
-134-
MTODO GRFICO
Tabla 3-7: Datos para la verificacin del supuesto de normalidad para el D.B.C.A.
RESIDUOS
ORDENADOS RANGO (i-0.5)/N Zi
ei i
-2.98 1 0.013888889 -2.20041058
-2.31 2 0.041666667 -1.7316644
-1.78 3 0.069444444 -1.47994139
-1.25 4 0.097222222 -1.29754293
-1.16 5 0.125 -1.15034938
-1.05 6 0.152777778 -1.02459239
-1.02 7 0.180555556 -0.91324993
-0.94 8 0.208333333 -0.8122178
-0.82 9 0.236111111 -0.71886805
-0.78 10 0.263888889 -0.63140189
-0.73 11 0.291666667 -0.54852228
-0.53 12 0.319444444 -0.46925288
-0.52 13 0.347222222 -0.39283081
-0.31 14 0.375 -0.31863936
-0.29 15 0.402777778 -0.24616365
-0.26 16 0.430555556 -0.17495994
-0.06 17 0.458333333 -0.10463346
0.01 18 0.486111111 -0.03482132
0.02 19 0.513888889 0.03482132
0.07 20 0.541666667 0.10463346
0.18 21 0.569444444 0.17495994
0.21 22 0.597222222 0.24616365
0.34 23 0.625 0.31863936
0.34 24 0.652777778 0.39283081
0.50 25 0.680555556 0.46925288
0.57 26 0.708333333 0.54852228
0.76 27 0.736111111 0.63140189
0.78 28 0.763888889 0.71886805
0.87 29 0.791666667 0.8122178
-135-
Fuente: Propia
Interpretacin G3-1: Al ver la grafica de probabilidad normal podemos decir que los
puntos aproximadamente yacen sobre una lnea recta por tanto existe normalidad en los
datos.
-136-
MTODO ANALTICO
Como primer punto se procede a la elaboracin de la tabla de frecuencias con los residuos
Obtenidos los respectivos clculos los se procede a formar los intervalos de clase, como
sigue:
LMITES DE CLASES
LMITE INFERIOR LMITE SUPERIOR
-2.98 -1.98
-0.98 0.02
1.02 2.02
Fuente: Propia
-137-
Con los lmites de clases reales, superior ms 0.5 e inferior (-0.5) se procede a la
LMITES REALES
PUNTO Frecuencias F. Abs.
LMITE INFERIOR LMITE SUPERIOR
MEDIO Absolutas Acum.
-3.48 -1.48 -2.48 3 3
-1.48 0.52 -0.48 22 25
0.52 2.52 1.52 11 36
TOTAL 36
Fuente: Propia
MEDIA 0.00
DESVIACIN ESTNDAR 1.19
como:
-138-
Ha: no se cumple H0
Tabla 3-11: Tabla de clculo para la frecuencia esperada para el primer intervalo en el D.B.C.A.
Tabla 3-12: Tabla de clculo para la frecuencia esperada para el segundo intervalo en el D.B.C.A.
Tabla 3-13: Tabla de clculo para la frecuencia esperada para el tercer intervalo en el D.B.C.A.
Frecuencia esperada
LMITE (Lmite-)/
e1 = p1 n
0.313636175
20.2432092
Fuente: Propia
Para finalizar se arma la tabla para el clculo de la prueba chi cuadrada, obtenindose:
Como se cito en el marco terico; la condicin para valores esperados no debe ser menor
Tabla 3-15: Tabla definitiva para el clculo del valor chi cuadrado en el D.B.C.A.
Por tanto:
X 2 0.0416667
2
X 0.05,1 3.841
2
Diremos que como el valor chi cuadrado es menor que X 0.05,1 no se tiene razn para
Que la distribucin normal con = 0 = 1.19 brinda un buen ajuste para la distribucin del
MTODO GRFICO
Tabla 3-16: Datos para la verificacin del supuesto de homocedasticidad para el D.B.C.A.
PREDICHOS RESIDUOS
5.69 0.04
5.69 -0.23
5.69 0.10
5.69 0.10
7.43 -0.61
7.43 -0.61
7.43 -0.61
7.43 1.84
7.46 -1.68
7.46 -1.46
7.46 2.09
7.46 1.05
7.51 -1.73
7.51 2.03
7.51 0.67
7.51 -0.97
7.65 0.86
7.65 -0.83
7.65 -1.10
7.65 1.08
7.79 -2.00
7.79 -1.24
7.79 0.12
7.79 3.12
9.27 -2.73
9.27 0.27
9.27 1.09
9.27 1.36
12.35 -0.08
12.35 -1.12
12.35 -0.08
12.35 1.28
Fuente: Propia
Fuente: Propia
vertical de los puntos indican la presencia de variabilidad constante en los datos por cada
grupo.
MTODO ANALTICO
Bajo la hiptesis:
-143-
H : 2 2 ... 2 2
0 1 2 a
H : 2 2 para a lg n i j
1 i j
N(tamao total ) 36
Se procede a calcular las varianzas respectivas para cada tratamiento y realizar los
Tabla 3-17: Clculos de varianzas para encontrar el valor del estadstico de prueba en el D.B.C.A.
SUMA 76.39214876
Fuente: Propia
a
q (N a) log10 S p2 (n i 1) log10 iS 2
i1
q 6.98845
1 a
c 1 (n 1) 1 N a) 1
i
3(a 1) i1
c 1.05401
(n
a
i 1) S 2
i
S p2 i1
Na
S p 2.82934
2
q
2 2.3026
c
6.98845
2 2.3026
1.05401
2 15.267
2
Que al ser comparado con X 0.05,8 15.504 diremos que:
2
Al ser el valor chi cuadrado menor que X 0.05,8 no se tiene razn para rechazar la hiptesis
Que las varianzas son homogneas para el rendimiento neto del maz.
MTODO GRFICO
Tabla 3-18: Datos para la verificacin del supuesto de independencia para el D.B.C.A.
ORDEN DE
RESIDUOS
CORRIDA
1 0.859090909
2 -0.613636364
3 -0.081818182
4 -2.004545455
5 0.040909091
6 -1.677272727
7 -2.727272727
8 -1.731818182
9 0.122727273
10 2.086363636
11 0.095454545
12 -0.613636364
13 0.668181818
14 -1.104545455
15 -0.081818182
16 1.090909091
17 -1.118181818
18 2.031818182
19 -0.831818182
20 -1.240909091
21 -0.231818182
22 0.272727273
23 -1.459090909
24 -0.613636364
25 0.095454545
26 1.281818182
27 -0.968181818
28 1.840909091
29 1.05
30 3.122727273
31 1.077272727
32 1.363636364
Fuente: Propia
Fuente: Propia
Interpretacin G3-3: Al ver la grafica es claro que los datos presentan aleatoriedad lo que
En el diseo en bloques completo al azar existe una hiptesis adicional misma que se
10
Media
2
1 2 3 4 5 6 7 8 9
TRATAMIENTOS
Fuente: Propia
Grfica 3-4: Grfico de interaccin para el peso neto del maz para el D.B.C.A.
Tras al observar la grfica se puede decir que existe interaccin pero concluiremos que
estrictamente a los que exige el Diseo en Bloque Completo al Azar puesto que el diseo a
Tras obtener el rendimiento neto del maz (qq/ha) se disea la matriz de datos con la cual
Tabla 3-19: Pesos del rendimiento neto de maz para un diseo factorial2^3 con cuatro observaciones por
celda
B
B1 B2
A C C1 C2 C1 C2
5.78 5.78 8.51 6.55
6.55 9.55 6.82 9.55
A1
7.91 8.18 6.55 10.36
10.91 6.55 8.73 10.64
5.73 12.27 6.82 5.78
A2 5.45 11.24 6.82 6.00
5.78 12.27 6.82 9.55
5.78 13.64 9.27 8.51
Fuente: Propia
donde;
()ij = Efecto de interaccin entre los factores Nitrgeno y Fsforo en los niveles i y j
()ik = Efecto de interaccin entre los factores Nitrgeno y Potasio en los niveles i y k
()jk = Efecto de interaccin entre los factores Fsforo y Potasio en los niveles j y k
()ijk = Efecto de interaccin entre los factores Nitrgeno, Fsforo y Potasio en los
niveles i, j y k
Seguidamente se corre un anlisis de varianza, mismo que necesita probar las siguientes
H0: no hay un efecto debido al factor Nitrgeno en el rendimiento neto del maz
H1: al menos hay un efecto debido al factor Nitrgeno en el rendimiento neto del maz
H1: al menos hay un efecto debido al Fsforo en el rendimiento neto del maz
H1: al menos hay un efecto debido al Potasio en el rendimiento neto del maz
-152-
H0: no hay interaccin entre los factores Nitrgeno y Fsforo en el rendimiento neto del maz
H1: hay interaccin entre los factores Nitrgeno y Fsforo en el rendimiento neto del maz
H0: no hay interaccin entre los factores Nitrgeno y Potasio en el rendimiento neto del maz
H1: hay interaccin entre los factores Nitrgeno y Potasio en el rendimiento neto del maz
H0: no hay interaccin entre los factores Fsforo y Potasio en el rendimiento neto del maz
H1: hay interaccin entre los factores Fsforo y Potasio en el rendimiento neto del maz
H1: hay interaccin entre los factores Nitrgeno, Fsforo y Potasio en el rendimiento
Se procede a calcular las frmulas citadas en el numeral 1.2.9.2 y 1.2.9.3 que se refieren a
segn Yates:
-153-
Fuente: Propia
Contrastes:
Efectos:
Contraste A
Efecto A
n2k 1
2.01
Contraste B
Efecto B
n2k 1
0.38
Contraste C
Efecto C
n2k 1
0.18
Contraste AB
Efecto AB
n2k 1
1.19
Contraste AC
Efecto AC
n2k 1
1.34
Contraste BC
Efecto BC
n2k 1
1.19
Contraste ABC
Efecto ABC
n2k 1
2.13
-155-
2 2 2 n
Y 2
SCT Yijkl n2
2 k
i1l j 1 l 1 m1
163.2581
(Contraste )2
SC A
A
n2k
32.3646694
(Contraste )2
SC B
B
n2k
1.1662809
(Contraste )2
SC
k
C C
n2
0.2514049
(Contraste )2
SC AB AB
n2k
11.259669
(Contraste )2
SC AC AC
n2k
14.28694
(Contraste )2
SC BC BC
n2k
11.3894628
(Contraste )2
SC
ABC ABC k
n2
36.434752
SSE TSS SSA SSB SSC SSAB SSAC SSBC SSABC
56.10495
-156-
La conclusin a la que se llega a travs del anlisis de varianza en cada uno de los factores
Al aceptar la hiptesis nula, no existe un efecto principal del fsforo sobre el peso
de la produccin de maz.
Al aceptar la hiptesis nula, no existe un efecto principal del potasio sobre el peso
de la produccin de maz.
produccin de maz.
GRFICAS DE INTERACCIN
En el ANOVA se presenci la influencia de los factores en estudio por cual para procedi
triples, las que nos conducirn para emitir la conclusin principal que es definir el
posteriores.
-158-
Fuente: Propia
INTERPRETACIN:
En la grfica se observa que un cambio en los niveles de nitrgeno de 150 a 300 kg/ha
Fuente: Propia
INTERPRETACIN:
Fuente: Propia
INTERPRETACIN:
En la grfica se observa que un cambio en los niveles de potasio de 100 a 200 kg/ha
Con la ayuda del software estadstico SPSS, se obtienen las respectivas grficas:
-161-
Fuente: Propia
INTERPRETACIN: En la grfica observamos que las pendientes de las lneas son muy
diferentes razn por la cual concluimos que existe un efecto de interaccin entre el
nitrgeno y el fsforo, en coherencia con el resultado analtico del ANOVA.
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de fsforo
de 40 kg/ha existe un breve incremento del rendimiento neto del maz.
-162-
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de fsforo
Fuente: Propia
INTERPRETACIN: En la grfica observamos que las pendientes de las lneas son muy
diferentes razn por la cual concluimos que existe un efecto de interaccin entre el
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de potasio
de 100 kg existe un incremento leve en el peso del rendimiento neto del maz.
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de potasio
de 200 kg existe un crecimiento considerable en el peso del rendimiento neto del maz.
Fuente: Propia
INTERPRETACIN:
En la grfica observamos que las pendientes de las lneas son muy diferentes razn por la
- Cuando cambiamos del nivel bajo al nivel alto de fsforo con un nivel de potasio de
100 kg existe un cremento considerable en el peso del rendimiento neto del maz.
- Cuando cambiamos del nivel bajo al nivel alto de fsforo con un nivel de potasio de
200 kg existe un decrecimiento considerable en el peso del rendimiento neto del maz.
Fuente: Propia
Grfica 3-11: Grfico interaccin triple entre los nitrgeno, fsforo y potasio a 100 kg/ha
INTERPRETACIN:
En la grfica observamos que las pendientes de las lneas son muy diferentes razn por la
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de fsforo
alto y un nivel de potasio de 100 kg existe un incremento considerable del rendimiento
neto del maz.
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de fsforo
bajo y un nivel de potasio de 100 kg existe un decrecimiento leve del rendimiento neto del
maz.
Fuente: Propia
Grfica 3-12: Grfico interaccin triple entre los nitrgeno, fsforo y potasio a 200 kg/ha
-167-
INTERPRETACIN:
En la grfica observamos que las pendientes de las lneas son muy diferentes razn por la
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de fsforo
alto y un nivel de potasio de 200 kg existe un incremento leve del rendimiento neto del
maz.
- Cuando cambiamos del nivel bajo al nivel alto de nitrgeno con un nivel de fsforo
TRATAMIENTO GANADOR
Analizando las grficas de las interacciones triples observamos que el punto con mayor
produccin con 12.36 qq/ha; mismo que fue el resultado de aplicar NITRGENO (300 Kg.
/ha N), FSFORO (40 Kg. /ha P2O5) y POTASIO (200 Kg. /ha K2O), por lo que se lo
Para el diagnstico del modelo se procede a hacer un Anlisis Residual para probar
grficamente los respectivos supuestos citados en el captulo 1; para ello se calcula los
valores predichos mismos que son el resultado de los valores observados vs. predichos.
Con la ecuacin 1 del marco terico se calculan los valores predichos para el rendimiento
Tabla 3-22: Predichos para el rendimiento neto de la produccin de maz en el diseo factorial 2 3
B
B1 B2
A C C1 C2 C1 C2
7.79 7.51 7.65 9.27
7.79 7.51 7.65 9.27
A1
7.79 7.51 7.65 9.27
7.79 7.51 7.65 9.27
5.69 12.35 7.43 7.46
5.69 12.35 7.43 7.46
A2
5.69 12.35 7.43 7.46
5.69 12.35 7.43 7.46
Fuente: Propia
Tabla 3-23: Predichos para el rendimiento neto de la produccin de maz en el diseo factorial 2 3
B1 B2
A C C1 C2 C1 C2
-2.00 -1.73 0.86 -2.73
-1.24 2.03 -0.83 0.27
A1
0.12 0.67 -1.10 1.09
3.12 -0.97 1.08 1.36
0.04 -0.08 -0.61 -1.68
-0.23 -1.12 -0.61 -1.46
A2
0.10 -0.08 -0.61 2.09
0.10 1.28 1.84 1.05
Fuente: Propia
Tras calcular los datos necesarios se procede a la verificacin de los supuestos del modelo
para el mtodo grfico, en el caso analtico se detallar la forma de clculo en el caso del
respectivo.
-170-
MTODO GRFICO
Tabla 3-24: Datos para la verificacin del supuesto de normalidad en el diseo factorial 2 3
RESIDUOS
ORDENADOS RANGO (i-0.5)/N Zi
ei i
-2.73 1 0.015625 -2.15387469
-2.00 2 0.046875 -1.67593972
-1.73 3 0.078125 -1.41779714
-1.68 4 0.109375 -1.22985876
-1.46 5 0.140625 -1.07751557
-1.24 6 0.171875 -0.94678176
-1.12 7 0.203125 -0.83051088
-1.10 8 0.234375 -0.72451438
-0.97 9 0.265625 -0.62609901
-0.83 10 0.296875 -0.53340971
-0.61 11 0.328125 -0.44509652
-0.61 12 0.359375 -0.36012989
-0.61 13 0.390625 -0.27769044
-0.23 14 0.421875 -0.19709908
-0.08 15 0.453125 -0.11776987
-0.08 16 0.484375 -0.03917609
0.04 17 0.515625 0.03917609
0.10 18 0.546875 0.11776987
0.10 19 0.578125 0.19709908
0.12 20 0.609375 0.27769044
0.27 21 0.640625 0.36012989
0.67 22 0.671875 0.44509652
0.86 23 0.703125 0.53340971
1.05 24 0.734375 0.62609901
1.08 25 0.765625 0.72451438
1.09 26 0.796875 0.83051088
-171-
Fuente: Propia
Interpretacin G3-13: Al ver la grfica de probabilidad normal podemos decir que los
puntos aproximadamente yacen sobre una lnea recta por tanto existe normalidad en los
datos.
-172-
MTODO ANALTICO
Como primer punto se procede a la elaboracin de la tabla de frecuencias con los residuos
CLCULOS:
Max= 3.12
Min= -2.73
R= Max Min 5.85
n (# observaciones)= 32
K =1+ 3,322Log(N)= 5
A = R / K= 1
Fuente: Propia
Obtenidos los respectivos clculos los se procede a formar los intervalos de clase, como
sigue:
Con los lmites de clases reales, superior ms 0.5 e inferior (-0.5) se procede a la
MEDIA 0.00
DESVIACION ESTANDAR 1.32
como:
-174-
Ha: no se cumple H0
Tabla 3-28: Tabla de clculo para la frecuencia esperada para el primer intervalo el diseo factorial 23
Frecuencia
LMITES (Lmite-)/
esperada
e1 = p1 n
-1.23 -0.926862794 0.176998888
0.16960031
5.4272099
Fuente: Propia
Tabla 3-29: Tabla de clculo para la frecuencia esperada para el segundo intervalo el diseo factorial 23
Frecuencia
LMITES (Lmite-)/ esperada
e1 = p1 n
-1.23 -0.926862794 0.176998888
0.77 0.583580278 0.720248634
0.543249745
17.3839919
Fuente: Propia
Tabla 3-30: Tabla de clculo para la frecuencia esperada para el tercer intervalo el diseo factorial 23
Frecuencia
LMITES (Lmite-)/ esperada
e1 = p1 n
0.77 0.583580278 0.720248634
2.77 2.094023349 0.98187105
0.261622416
8.3719173
Fuente: Propia
Tabla 3-31: Tabla de clculo para la frecuencia esperada para el cuarto intervalo el diseo factorial 23
Frecuencia
LMITES (Lmite-)/ esperada
e1 = p1 n
4.77 3.604466421 0.999843603
0.017972553
0.5751217
Fuente: Propia
Para finalizar se arma la tabla para el clculo de la prueba chi cuadrada, obtenindose:
-176-
Tabla 3-32: Tabla de clculo para el valor chi cuadrado el diseo factorial 2 3
L. INFERIOR L. SUPERIOR oi ei chi-cuadrado
-3.23 -1.23 6 5 0.060
-1.23 0.77 16 17 0.110
0.77 2.77 9 8 0.047
2.77 4.77 1 1 0.314
0.218
Fuente: Propia
Como se cito en el marco terico; la condicin para valores esperados no debe ser menor
Tabla 3-33: Tabla definitiva para el clculo del valor chi cuadrado el diseo factorial 2 3
L. INFERIOR L. SUPERIOR oi ei chi-cuadrado
-3.23 -1.23 5 5 0.000
-1.23 0.77 17 17 0.000
0.77 4.77 10 9 0.124
0.124
Fuente: Propia
Por tanto:
X 2 0.124
2
X 0.05,2 5.991
2
Diremos que como el valor chi cuadrado es menor que X 0.05,2 no se tiene razn para
Que la distribucin normal con = 0 = 1.32 brinda un buen ajuste para la distribucin del
MTODO GRFICO
Tabla 3-34: Datos para la verificacin del supuesto de homocedasticidad en el diseo factorial 2 3
PREDICHOS RESIDUOS
5.69 0.04
5.69 -0.23
5.69 0.10
5.69 0.10
7.43 -0.61
7.43 -0.61
7.43 -0.61
7.43 1.84
7.46 -1.68
7.46 -1.46
7.46 2.09
7.46 1.05
7.51 -1.73
7.51 2.03
7.51 0.67
7.51 -0.97
7.65 0.86
7.65 -0.83
7.65 -1.10
7.65 1.08
7.79 -2.00
7.79 -1.24
7.79 0.12
7.79 3.12
9.27 -2.73
9.27 0.27
9.27 1.09
9.27 1.36
12.35 -0.08
-178-
12.35 -1.12
12.35 -0.08
12.35 1.28
Fuente: Propia
Fuente: Propia
vertical de los puntos indican la presencia de variabilidad constante en los datos por cada
grupo.
-179-
MTODO ANALTICO
Bajo la hiptesis:
H : 2 2 ... 2 2
0 1 2 a
H : 2 2 para a lg n i j
1 i j
N(tamao total ) 34
Se procede a calcular las varianzas respectivas para cada tratamiento y realizar los
Tabla 3-35: Clculos de varianzas para encontrar el valor del estadstico de prueba en el diseo factorial
23
SUMA 56.10495868
Fuente: Propia
a
q (N a) log10 S p2 (n i 1) log10 iS 2
i1
q 6.134213305
1 a
c 1 (n 1) 1 N a) 1
i
3(a 1) i1
c 1.061507937
(n
a
i 1) S 2
i
S p2 i1
Na
S p 2.337706612
2
-181-
q
2 2.3026
c
6.134213305
2 2.3026
1.061507937
2 13.3062025
2
Que al ser comparado con X 0.05,7 14.067 diremos que:
2
Al ser el valor chi cuadrado menor que X 0.05,7 no se tiene razn para rechazar la hiptesis
Que las varianzas son homogneas para el rendimiento neto del maz.
MTODO GRFICO
Tabla 3-36: Datos para la verificacin del supuesto de independencia en el diseo factorial 2 3
ORDEN DE
RESIDUOS
CORRIDA
1 0.859090909
2 -0.613636364
3 -0.081818182
-182-
4 -2.004545455
5 0.040909091
6 -1.677272727
7 -2.727272727
8 -1.731818182
9 0.122727273
10 2.086363636
11 0.095454545
12 -0.613636364
13 0.668181818
14 -1.104545455
15 -0.081818182
16 1.090909091
17 -1.118181818
18 2.031818182
19 -0.831818182
20 -1.240909091
21 -0.231818182
22 0.272727273
23 -1.459090909
24 -0.613636364
25 0.095454545
26 1.281818182
27 -0.968181818
28 1.840909091
29 1.05
30 3.122727273
31 1.077272727
32 1.363636364
Fuente: Propia
Fuente: Propia
Interpretacin G3-15: Al ver la grfica es claro que los datos presentan aleatoriedad lo
Una vez probados los supuestos para el modelo procedemos a realizar un Anlisis de
La conclusin a la que se llega a travs del anlisis de varianza en cada uno de los factores
Al aceptar la hiptesis nula, no existe un efecto principal del fsforo sobre el peso
de la produccin de maz.
Al aceptar la hiptesis nula, no existe un efecto principal del potasio sobre el peso
de la produccin de maz.
produccin de maz.
Los clculos anteriores son el camino hacia el ANOVA definitivo que es empleado en las
prcticas agrcolas con el cual tomaremos las definiciones definitivas para el diseo, para
-185-
ello es preciso citar el clculo de la comparacin del Factorial vs. el Tratamiento control o
Testigo:
n 2
n
Y T j Y....2
2
i j 1
Factorial vs. Testigo i1
nabc
n nabc
Ecuacin 62
Una vez obtenido la sumatoria de los datos del tratamiento testigo se procede a calcular:
n 2
n
Y T j Y....2
2
i j 1
Factorial vs. Testigo i1
nabc
nabc
147.291322
Por tanto diremos que el factorial sigue siendo la tcnica mas recomendable para la
maximizacin de produccin del maz puesto que es superior que el testigo o tratamiento
control.
Tras efectuar los todos los clculos necesarios se procede a elaborar la tabla ANOVA
global; de la misma que se emitir las conclusiones del estudio comparadas a un nivel de
Tabla 3-39: Tabla De ANOVA para el Diseo de Bloques Completo al azar con arreglo Factorial 2 3+1
ANOVA para el Diseo de Bloques Completo al azar con arreglo Factorial 2^3+1
Fuente de Suma de Grados de Cuadrado Prueba
Valor p
Variacin Cuadrados libertad Medio F
Tratamientos 122.478843 8 15.3098554 7.17688858 0.000076
Nitrgeno (N) 32.36466942 1 32.3646694 15.1717714 0.000687
Fsforo (P) 1.166280992 1 1.16628099 0.54672422 0.466830
NxP 11.25966942 1 11.2596694 5.27825972 0.030617
Potasio (K) 0.251404959 1 0.25140496 0.11785254 0.734364
NxK 14.28694215 1 14.2869421 6.69737169 0.016138
PxK 11.38946281 1 11.3894628 5.33910371 0.029760
NxPxK 36.43475207 1 36.4347521 17.0797274 0.000377
Factorial vs Testigo 147.2913223 1 147.291322 69.0465967 0.000000
Bloque 25.19495868 3 8.39831956 3.93692836 0.020394
Error 51.19719008 24 2.13321625
Total 198.8709917 35
Promedio 7.91
CV: 18.46
Fuente: Propia
Al rechazar la hiptesis nula de bloques y tratamientos; puesto que son menores los
Lo que nos da la viabilidad para continuar con el anlisis factorial, mismo que nos presenta
retirar los efectos principales del modelo puesto que es jerrquico y por ende diremos que
-188-
existe influencia de los tres tipos de abono sinttico y de cada una de sus combinaciones
coeficientes predichos, para lo cual utilizaremos el clculo de los efectos en las ecuaciones
EFECTOS ESTIMADOS:
EFECTO A= 2.01
EFECTO B= -0.38
EFECTO C= 0.18
EFECTO AB= -1.19
EFECTO AC= 1.34
EFECTO BC= -1.19
EFECTO ABC= -2.13
-189-
0 Y
8.14
A
1
2
1.01
B
2
2
0.19
C
3
2
0.09
AB
12
2
0.59
AC
13
2
0.67
BC
23
2
0.60
ABC
123
2
1.07
-190-
H1: al menos una variable del modelo contribuye significativamente al ajuste del
1.2.10.2.1, y resulta:
n 2 n 2
n
yi yi
S yy Yi 2 i1 yy i1
i1 n n
163.296
2
n
yi
SCR X y i1
n
107.187
n
2
n
2
yi yi
SC yy X y i1 S
SC
i1
E n n yy R
56.109
Fuente: Propia
COEFICIENTE DE DETERMINACIN
SCTOTAL SCERROR
R 2 *100
SCTOTAL
65.6342%
observada para el peso de la produccin del maz explicada por el modelo de regresin.
-192-
CM TOTAL CM ERROR
Raj
2
*100
CM TOTAL
55.6108%
observada para el peso de la produccin del maz explicada por el modelo de regresin.
REGRESIN
Como se dijo en el literal 1.2.10.4 un aporte adicional del anlisis de regresin mltiple es
ver la significancia con que cada trmino del modelo aport a la explicacin de la variable
respuesta por tanto con un alfa de 0.05 se presenta el respectivo clculo para cada uno
de los coeficientes.
= 0.05
N= 32
K= 7
t/2= 2.063898562
s= 1.528956053
0.03125 0 0 0 0 0 0
0 0.03125 0 0 0 0 0
0 0 0.03125 0 0 0 0
INVERSA= 0 0 0 0.03125 0 0 0
0 0 0 0 0.03125 0 0
0 0 0 0 0 0.03125 0
0 0 0 0 0 0 0.03125
Para el coeficiente 1 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 1=0
HA : 10
i t / 2 s mii
1.01 2.063898562 1.528956053 0.03125
(0.44782527 , 1.56353837)
-194-
Por tanto al rechazar la hiptesis nula de que el intervalo no contenga el cero se concluye
que el nitrgeno es significativo para el modelo, resultado que est en analoga con el
Para el coeficiente 2 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 2=0
HA : 20
i t / 2 s mii
- 0.190313 2.063898562 1.528956053 0.03125
(-0.74876564 , 0.36694746)
-195-
Por tanto al aceptar la hiptesis nula de que el intervalo contenga el cero se concluye que
Para el coeficiente 3 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 3=0
HA : 30
i t / 2 s mii
0.0878125 2.063898562 1.528956053 0.03125
(-0.46922018 , 0.64649291)
Por tanto al aceptar la hiptesis nula de que el intervalo contenga el cero se concluye que
Para el coeficiente 12 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 12=0
HA : 120
i t / 2 s mii
- 0.593438 2.063898562 1.528956053 0.03125
(-1.15103837 , -0.03532527)
Por tanto al rechazar la hiptesis nula de que el intervalo no contenga el cero se concluye
Para el coeficiente 13 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 13=0
-197-
HA : 130
i t / 2 s mii
0.668438 2.063898562 1.528956053 0.03125
(0.11032527 , 1.22603837)
Por tanto al rechazar la hiptesis nula de que el intervalo no contenga el cero se concluye
Para el coeficiente 23 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 23=0
HA : 230
i t / 2 s mii
- 0.596563 2.063898562 1.528956053 0.03125
(-1.15444746 , -0.03873436)
Por tanto al rechazar la hiptesis nula de que el intervalo no contenga el cero se concluye
que la combinacin de fsforo y potasio es significativa para el modelo, resultado que est
Para el coeficiente 123 se presenta las respectivas hiptesis que con un de 0.05 se
H0 : 123=0
HA : 1230
i t / 2 s mii
-1.06719 2.063898562 1.528956053 0.03125
-199-
(-1.624902 , -0.50918891)
Por tanto al rechazar la hiptesis nula de que el intervalo no contenga el cero se concluye
Tabla 3-41: Tabla resumen para los coeficientes estimados del modelo de regresin
Fuente: Propia
La culminacin del estudio del modelo de regresin se dar tras la valoracin predicha
para el rendimiento neto del maz realizando el respectivo remplazo de los niveles de los
-200-
factores con los cuales se formaron los tratamientos especificados para el estudio, mismo
que se presentan:
Tabla 3-42: Tabla resumen de los tratamientos para el estudio en notacin de Yates
TRATAMIENTOS A:NITROGENO B:FOSFORO C:POTASIO
T2 -1 -1 -1
T3 1 -1 -1
T4 -1 1 -1
T5 1 1 -1
T6 -1 -1 1
T7 1 -1 1
T8 -1 1 1
T9 1 1 1
Fuente: Propia
T2 7.786363636
T3 7.513636364
T4 7.65
T5 9.272727273
T6 5.686363636
T7 12.35454545
T8 7.431818182
T9 7.459090909
Fuente: Propia
VARIABILIDAD
Continuando con el anlisis es necesario ver que sucede con respecto a la variabilidad
anlisis de residuos.
Por tanto procedemos a calcular las desviaciones estndar de cada uno de los
tratamientos; de los cuales debemos estar atentos a que el tratamiento ganador presente
TRATAMIENTOS S
T2 2.260
T3 1.684
T4 1.127
T5 1.876
T6 1.346
T7 0.984
T8 1.227
T9 1.862
Y como se observa el tratamiento ganador T7 conformado por (NITRGENO (300 Kg. /ha
N), FSFORO (40 Kg. /ha P2O5) y POTASIO (200 Kg. /ha K2O) si presenta la menor
variabilidad muestral por tanto el resultado est en analoga con los dicho en el Anlisis de
Varianza.
-202-
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
2.8371074
0
Z 0* 0.5880585
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
1.2701653
0
Z 0* 1.3916965
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
3.5206612
0
Z 0* 0.3721947
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
1.8109091
0
Z 0* 1.0370146
-205-
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
0.9689256
0
Z 0* 1.6624110
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser mayor el estadstico de prueba se rechaza H0 y se concluye que las
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
1.5061983
0
Z 0* 1.2212547
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
5.1081818
Z * ln
3.4658678
0
Z 0* 0.3878805
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
2.8371074
Z * ln
1.2701653
0
Z 0* 0.8036380
-208-
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
2.8371074
Z * ln
3.5206612
0
Z 0* 0.2158638
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
2.8371074
Z * ln
1.8109091
0
Z 0* 0.4489560
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
2.8371074
Z * ln
0.9689256
0
Z 0* 1.0743525
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
2.8371074
Z * ln
1.5061983
0
Z 0* 0.6331962
-211-
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
2.8371074
Z * ln
3.4658678
0
Z 0* 0.2001780
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.2701653
Z * ln
3.5206612
0
Z 0* 1.0195018
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
-213-
1.2701653
Z * ln
1.8109091
0
Z 0* 0.3546819
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.2701653
Z * ln
0.9689256
0
Z 0* 0.2707145
-214-
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.2701653
Z * ln
1.5061983
0
Z 0* 0.1704418
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.2701653
Z * ln
3.4658678
0
Z 0* 1.0038160
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
-216-
3.5206612
Z * ln
1.8109091
0
Z 0* 0.6648198
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
3.5206612
Z * ln
0.9689256
0
Z 0* 1.2902162
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
-217-
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
3.5206612
Z * ln
1.5061983
0
Z 0* 0.8490600
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
3.5206612
Z * ln
3.4658678
0
Z 0* 0.0156858
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
-219-
1.8109091
Z * ln
0.9689256
0
Z 0* 0.6253964
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.8109091
Z * ln
1.5061983
0
Z 0* 0.1842402
-220-
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.8109091
Z * ln
3.4658678
0
Z 0* 0.6491341
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
0.9689256
Z * ln
1.5061983
0
Z 0* 0.4411563
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
-222-
0.9689256
Z * ln
3.4658678
0
Z 0* 1.2745305
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
Bajo la hiptesis:
A un nivel de significancia =0,05, tenemos que el valor del estadstico de prueba es:
1.5061983
Z * ln
3.4658678
0
Z 0* 0.8333742
Resultado que en mdulo debe ser comparado con Z1 1.644853627 , por tanto
decimos que al ser menor el estadstico de prueba se acepta H0 y se concluye que los
-223-
La conclusin a la que se llega a travs del anlisis de varianza para la regresin es que
respectivos para ser restados de los valores originales del peso del maz, como sigue:
-224-
Tabla 3-45: Predichos para el rendimiento neto de la produccin de maz en el modelo de regresin
VALORES PREDICHOS
7.786363636 7.786363636 7.78636364 7.78636364
7.513636364 7.513636364 7.51363636 7.51363636
7.65 7.65 7.65 7.65
9.2727273 9.272727273 9.27272727 9.27272727
5.686 5.686 5.686 5.686
12.355 12.35454545 12.3545455 12.3545455
7.431818182 7.431818182 7.43181818 7.43181818
7.459090909 7.459090909 7.45909091 7.45909091
Fuente: Propia
Tabla 3-46: Residuos para el rendimiento neto de la produccin de maz en el modelo de regresin
RESIDUOS
-2.0045455 -1.2409091 0.1227273 3.1227273
-1.7318182 2.0318182 0.6681818 -0.9681818
0.8590909 -0.8318182 -1.1045455 1.0772727
-2.7272727 0.2727273 1.0909091 1.3636364
0.0409091 -0.2318182 0.0954545 0.0954545
-0.0818182 -1.1181818 -0.0818182 1.2818182
-0.614 -0.614 -0.614 1.8409091
-1.6772727 -1.4590909 2.0863636 1.0500000
Fuente: Propia
Teniendo los datos necesarios se procede a la verificacin de los supuestos del modelo
MTODO GRFICO
Tabla 3-47: Datos para la verificacin del supuesto de normalidad en el modelo de regresin
Fuente: Propia
Fuente: Propia
Interpretacin G3-16: Al ver la grafica de probabilidad normal podemos decir que los
puntos aproximadamente yacen sobre una lnea recta por tanto existe normalidad en los
datos.
MTODO GRFICO
-227-
Tabla 3-48: Datos para la verificacin del supuesto de homocedasticidad en el modelo de regresin
PREDICHOS RESIDUOS
5.69 0.04
5.69 -0.23
5.69 0.10
5.69 0.10
7.43 -0.61
7.43 -0.61
7.43 -0.61
7.43 1.84
7.46 -1.68
7.46 -1.46
7.46 2.09
7.46 1.05
7.51 -1.73
7.51 2.03
7.51 0.67
7.51 -0.97
7.65 0.86
7.65 -0.83
7.65 -1.10
7.65 1.08
7.79 -2.00
7.79 -1.24
7.79 0.12
7.79 3.12
9.27 -2.73
9.27 0.27
9.27 1.09
9.27 1.36
12.35 -0.08
12.35 -1.12
12.35 -0.08
12.35 1.28
Fuente: Propia
Fuente: Propia
vertical de los puntos indican la presencia de variabilidad constante en los datos por cada
grupo.
MTODO GRFICO
-229-
Tabla 3-49: Datos para la verificacin del supuesto de independencia en el modelo de regresin
ORDEN DE
RESIDUOS
CORRIDA
1 0.859090909
2 -0.613636364
3 -0.081818182
4 -2.004545455
5 0.040909091
6 -1.677272727
7 -2.727272727
8 -1.731818182
9 0.122727273
10 2.086363636
11 0.095454545
12 -0.613636364
13 0.668181818
14 -1.104545455
15 -0.081818182
16 1.090909091
17 -1.118181818
18 2.031818182
19 -0.831818182
20 -1.240909091
21 -0.231818182
22 0.272727273
23 -1.459090909
24 -0.613636364
25 0.095454545
26 1.281818182
27 -0.968181818
28 1.840909091
29 1.05
30 3.122727273
31 1.077272727
32 1.363636364
Fuente: Propia
-230-
Fuente: Propia
Interpretacin G3-18: Al ver la grfica es claro que los datos presentan aleatoriedad lo
maz limita el clculo del punto ptimo puesto que se procede a su utilizacin cuando el
CAPTULO IV
-232-
4.1 CONCLUSIONES
Las tcnicas del Diseo Estadstico Experimental son las ms frecuentes utilizadas
del Maz (Zea Mays L.) a la aplicacin edfica complementaria de tres tipos de
Al determinar las respectivas dosis para cada uno de los abonos sintticos segn la
cultivo llegamos a obtener los datos del peso del maz que son la base principal
tratamiento 7, el mismo que est constituido por Nitrgeno al nivel 300 Kg/ha N,
Fsforo al nivel 40 Kg/ha P2O5 y Potasio al nivel 200 Kg/ha K2O. Dicho tratamiento
4.2 RECOMENDACIONES
habitantes.
coherentes.
produccin.
libre se evitar que los animales del sector acaben con las semillas.
RESUMEN
Probando que los tres tipos de abono sinttico tienen efecto en la produccin lo cual
permiti mejorar la calidad y cantidad de maz. Por tanto se recomienda al Municipio del
Cantn Tiwintza que proceda con la siembra en el resto de Comunidades puesto que se
consigue optimizar tiempo y recursos.
-238-
SUMMARY
The objective of this investigation was applying the Experimental Statistical Design to compare
eight treatments formed by the combination of synthetic fertilizers at two dosages , Nitrogen (150,
300 )kg/ha, Phosphorous (40, 80)kg/ha and Potassium (100,200)kg/ha plus a control treatment to
test whether they present effects on the corn production at the Peas Community, Tiwintza
Canton.
For the information collection the work was carried out with the agronomical technician of the
Municipality who led the corn sowing, fertilization, fumigation, harvest and drying process. For the
statistical analysis the informatics programs SPSS and Excel were used. Upon applying the
experimental method, the used technique was the at random complete block design which tested
the influence of the cultivars on the corn production. The factorial design determined that
treatment 7 was the winner which is composed of Nitrogen at the 300 kg/ha level, Phosphorous at
the 40 kg/ha level and Potassium at the 200 kg/ha level yielding an average of 12.35
which in terms of hundredweights /ha yield: T1= 6.07, T2= 7.99, T3=7.51, T4= 7.65, T5= 9.27,
It is shown that the three types of synthetic fertilizer have an effect on the production which
permitted to improve the corn quality and quantity . Therefore, The Tiwintza Canton Municipality
is recommended to carry out the sowing in the remaining Communities as time and resources are
optimized.
-239-
BIBLIOGRAFA
BIBLIOGRAFA GENERAL
BIBLIOGRAFA ESPECFICA
McGraw-Hill, 2004.
Iberoamrica, 1991.
BIBLIOGRAFA DE INTERNET
http://articulos.infojardin.com/articulos/Tipos_de_abonos_2.htm
21-03-2012.
http://www.fenalce.org/pagina.php?p_a=46
15-03-2012.
http://www.fao.org/docrep/t0395s/T0395S02.htm#Tipos%20de%20maiz
12-03-2012.
http://sian.inia.gob.ve/repositorio/revistas_tec/FonaiapDivulga/fd65/texto/maiz.h
tm
21-03-2012.
http://es.wikipedia.org/wiki/Zea_mays#cite_ref-2
10-03-2012.
-241-
ANEXOS
-242-
ANEXO A
-243-
HECTREA DE TERRENO
I III
10 m
T4 T2
4m
T1 T9
T8 T7
T6 T1
T2 T8
T7 T3
T9 T4
T5 T6
T3 T5
-244-
II IV
T7 T6
T3 T7
T1 T3
T4 T8
T2 T1
T6 T9
T5 T2
T9 T4
T8 T5
-245-
ANEXO B
-246-
ANEXO C
-249-
ANLISIS DE SUELO
Fotografas 1 y 2: Aleatorizacin previo a la toma de las 4 muestras para el anlisis del suelo.
Fotografa 7: Primera visita de la limpieza del terreno. Fotografa 8: Segunda visita de la limpieza del terreno.
SIEMBRA
PREPARACIN DE TRATAMIENTOS
-256-
Fotografa 23: Dosificacin del fsforo. Fotografa 24: Dosificacin del potasio.
-257-
FUMIGACIN
Fotografa 28: Plantas lastimadas por la plaga. Fotografa 28: Gusano cogollero.
COSECHA
Fotografa 30 y 31: Cosecha del maz por tratamientos en cada una de las parcelas.
DESGRANADO Y SECADO
RENDIMIENTO DE LA PRODUCCIN