Diseño Experimental

Fase 2 - Aplicación de diseños completamente al azar

Presentado por:

Jasbleidy Marcela Mancilla Estrada

Cód. 1063623935

Grupo # 300004_8

Presentado a:

Diego Alberto Deaza Castillo

(director)

Universidad Nacional Abierta y a Distancia (UNAD)

Escuela de Ciencias Agrícolas Pecuarias y del Medio Ambiente

CEAD Valledupar

Junio 2020
 Introducción

En la experimentación Agrícola, conjuntamente con la adecuada definición de los elementos

fundamentales que componen el experimento, la decisión acerca del diseño experimental que
deberá ser aplicado constituye uno de los aspectos decisivos dentro de la fase de planificación
de las investigaciones. (Ruesga, 2017).

El diseño experimental asegura condiciones iguales para la comparación de las variantes

experimentales, y para ello se aplican diferentes métodos o diseños estadísticos para la
practica de experimentación, en este caso trataremos el diseño completamente al azar (DCA) y
diseños de bloque completamente al azar (BCA), se relacionaran los conceptos básicos y las
condiciones en las que se usan los diseños, se realizarán ejercicios de organización,
procesamiento y presentación de datos con la ayuda del software R.

Objetivos

Objetivo General

Identificar y aplicar los diseños completamente al azar y bloques completos al azar a través de
ejercicios de organización, procesamiento y presentación de datos con la ayuda del software.

Objetivos Específicos

 Conocer los conceptos básicos de los diseños.

 Identificar las condiciones de uso, modelos y formulas principales de los diseños
DCA y BCA
 Aplicar los diseños a través de ejercicios de organización
 Conocer el procesamiento y ejecución del programa R
 Analizar datos y dar respuestas a los ejercicios.
 Desarrollo

1. Consulte el video la primera web del curso y posteriormente responda:

 Qué tipo de variables existen en estadística.

En estadísticas se maneja dos tipos de variables, las cuantitativas y cualitativas.

En las cuantitativas se encuentran variables continuas que hace referencia a las mediciones
como el PH, peso, altura, etc.; y las variables discretas que hace referencia al conteo como
número de árboles, frutos, huevos, etc.

Las cualitativas hace referencia a características como: nombre, condiciones y número de

individuos categóricos.

 El diseño completamente al azar en qué condiciones se usa.

El diseño completamente al azar se usa para condiciones de laboratorio, homogéneas,

invernaderos, bancos de propagación.

 El diseño bloques completamente al azar en qué condiciones se usa

El diseño de bloques completamente al azar se utiliza para homogenizar o garantizar

condiciones homogéneas en cada bloque.

 En análisis de varianza cuál es la hipótesis nula que se prueba.

Con la hipotesis nula se prueba la hipotesis de igual comportamiento de un tratamiento.

 Relacione una tabla los componentes de un análisis de varianza para un

diseño completamente al azar. Recuerde que lo que el libro de Ruesga
relaciona como S2 es cuadros medios o CME.
 Cuadrados
Fuente de Grados de Suma de medios ó
variación libertad cuadrados varianzas Fcal Ftabla
Tratamient T-1=a SC SC Tratamiento/T- CMT Se busca en
o Tratamiento 1 ó varianza del ratamiento/ la horizontal
tratamiento CME rror Gl Trat y
vertical GL
error
Error b-a SC Error SCError/T(r-1) ó    
varianza del error
Total n-1=19 =b Total      

 Los residuales del modelo para que se usan.

Se usan para separar un dato de un gran promedio.

 En que histograma se basan las distribuciones de probabilidad de

variables continuas.

Se basan en los histogramas de frecuencias relativas.

 Que se debe hacer con los datos de experimentos de conteos como el

número de lechones o el número de frutos para poder hacer un análisis de
varianza.

Estos se deben transformar ya que no son continuos y no tienen una distribución normal.

2. Del texto indicado ubique el capítulo de Diseño completamente al azar DCA y

registre:
 Modelo.

Modelo matemático

Y ij =μ+T i+ eij

Y ij =es el j ésimo elemento perteneciente ali ésimo tratamiento

μ=es la media general
T i=efecto debidoal iésimo tratamiento
e ij =error experimental asociadoal j ésimo elementodel i ésimo elemento tratamiento
  La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de
tratamientos, Suma de Cuadrados del error.

2
2 ( Σ xi )
SDC total=∑ x − i
N
2
Σ ( Σtrat . )2 ( Σ xi )
SDC trat .= −
¿ de obs . en cada trar . N

SDC error=SDC total−SDC trat .

 Cuál es la hipótesis nula

Es el promedio de la variable respuesta; asume igualdad y representa la falta de relación entre

las variables.

 Alistar datos en Excel para proceso en R.

 Desarrollar en R análisis de varianza, validación de supuestos del modelo y

prueba de comparación de medias.

Análisis de varianza
P valor es menor a 0,05 por lo que se rechaza la Ho y con un 95% de confianza se concluye
que los tratamientos se comportan diferentes.

Validación de supuestos del modelo

1 supuesto: Normalidad-Test de Shapiro

P valor es superior a 0,05 por lo tanto no se rechaza y podemos concluir que los residuales se
comportan a una distribución normal.

2 supuesto: Varianza constante - Test de Levene

P valor es mayor a 0,05 por lo que no se rechaza la Ho y se puede decir que con un 95% de
confianza los residuales del modelo de análisis de varianza presentan una variable constante.

Comparación de medias
 En términos de altura la tuna 19
muestra mayor eficiencia, aunque
la tuna 52 y tuna 1 no marcan
mucho la diferencia ya que
presentan casi el mismo valor
sobre la variable altura que se está
probando.

 Debe en su informe registrar pantallazos del procesamiento en el programa

R recuerde que la versión es 3.5.3
  Redacte un breve párrafo en el que interprete el resultado de la tabla de
análisis de varianza y el resultado de la validación del supuesto de
normalidad y varianza constante

El resultado de análisis de varianza concluye que los tratamientos se comportan de manera

diferente rechazando la Ho ya que P valor es menor a 0,05. En el primer supuesto de
validación los residuales se comportan a una distribución normal de probabilidad y este no se
rechaza; al igual en el segundo supuesto no se rechaza la Ho y con un 95% se concluye que
los resultados del modelo de análisis de varianza presentan una variable constante,
presumiendo que la tuna 19 fue el mejor tratamiento.

3. Del texto indicado ubique el capítulo de Diseño bloques completamente al azar

BCA y registre:

 Modelo.

Y ij =μ+T i+ βi + eij
Y ij =es el j ésima parcela dentro del iésimo tratamiento
μ=es la media general
T i=efecto debidoal iésimo tratamiento
β i=efecto de j ésimo bloque
e ij =error experimental asociadoal j ésimo bloquedel i ésimo tratamiento

 La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de

tratamientos, Suma de Cuadrados del error.

2
2 ( Σ xi )
SDC total=∑ x − i
N

2
Σ ( Σ trat . )2 (Σ xi )
SDC trat .= −
¿ de obs . en cada trat . N

2
Σ ( Σ ℜ p . )2 ( Σ x i)
SDC ℜ p .= −
¿ de obs . en cada ℜ p . N

SDC error=SDC total−(SDC trat .−SDC ℜ p .)

 Alistar datos en Excel para proceso en R.

  Desarrollar en R análisis de varianza, validación de supuestos del modelo y
prueba de comparación de medias.

Análisis de Varianza

P valor es menor a 0,05 por lo tanto se rechaza la Ho y se concluye con 95% de confianza que
los tratamientos se comportan diferentes.

Validación de supuestos del modelo

-Primer supuesto: Normalidad-Test de Shapiro

P valor es mayor a 0,05 por lo tanto no se rechaza la Ho y se concluye con un 95% de

confianza que los residuales se comportan acorde a una distribución normal.

-Segundo Supuesto: Varianza Constante – Test de Levene

P valor es mayor a 0,05 por lo tanto no se rechaza la Ho y se concluye con un 95% de
confianza que los residuales presentan una varianza constante.

Prueba de Comparación

Se observa que el tratamiento numero 1 es el mejor, aunque sea mínima la diferencias entre el
tratamiento 2 y 3.

Debe en su informe registrar pantallazos del procesamiento en el programa R

  Redacte un breve párrafo en el que interprete el resultado de la tabla de
análisis de varianza y el resultado de la validación de supuesto de
normalidad y varianza constante.

Según el análisis de varianza se pudo observar que existen diferencias entre las 4 normas de
riego que se aplicaron. Con el supuesto de normalidad se verifica que los residuales se
comportan de acuerdo a una distribución normal y con el supuesto de varianza constante se
verifica que los residuales presentan una varianza constante, ambos con un 95% de confianza.
En conclusión, verificando con la prueba de comparación podemos decir que el tratamiento
número 1, que es regar cuando la humedad del suelo sea de 0,40 bar. es el mejor a aplicar.

Conclusiones

 El diseño completamente al azar se usa para condiciones de laboratorio,

homogéneas, invernaderos, bancos de propagación.
 El diseño de bloques completamente al azar se utiliza para homogenizar o
garantizar condiciones homogéneas en cada bloque.
 El análisis de varianza permite probar la hipotesis nula que es el igual
comportamiento de un tratamiento
 En el supuesto de normalidad si P es mayor a 0,05 no se rechaza, es decir, se
afirma una distribución normal, de lo contrario habría problema. Se utiliza el test
de Shapiro para datos menores de 50, para mayor se usa el Tests de Lilliefors.
 En el supuesto de Varianza si P es mayor a 0,05 no se rechaza, es decir, los
residuales presentan una varianza constante, de lo contrario habría problema.
Se utiliza el test de Levene.
 Los residuales hace referencia a los errores, es decir, cada dato menos un gran
promedio.
 La comparación de medias se realiza solo si hay diferencia entre los
tratamientos de acuerdo al Análisis de Varianza realizado.

Referencias Bibliográficas

Deaza, D. (2019). Enlace de la Primera web del Día 5 de septiembre de 2019. UNAD.
Colombia. Recuperado de. http://conferencia2.unad.edu.co/pofpvrvt0ifx/?proto=true

Ruesga, G. I. (2007). Libro de experimentación agrícola, consultar pagina 11. Recuperado

de.https://drive.google.com/file/d/1KFYcEQx9Vi5EklU24COEkALXTysiagGJ/view?usp=sharing

Deaza, D. (2020). Presentación en power point. Diseño DCA en el programa R. UNAD.

Colombia. Recuperado de
https://drive.google.com/file/d/17pqZAWzJiOZlUmu4i3XkhUASzJVNdhIM/view?usp=sharing

Deaza, D. (2020). Presentación en power point. Diseño BCA en el programa R. UNAD.

Colombia. Recuperado de. https://drive.google.com/file/d/1agpSHNJoSN3B5R81_f5mc-
Sgo_l7RZ82/view?usp=sharing

Códigobca

https://drive.google.com/file/d/17GdsnzKTqv5LholM0ISntHFPh7dhF87t/view?usp=sharing

Código D.C.A

https://drive.google.com/file/d/1DUqTv5amY3_wU-P4CO4PMXCS4BsckbUN/view?usp=sharing