Unidad 2 - Tarea 3 – Actividad Intermedia - Diseño Experimental

Biometría y Diseño Experimental 203018

presentado por:
Juan José Lagos Burbano
Ana Caterine Tovar
Johana Ximena Castro
Eliana Andrea Belalcazar

Presentado a:
Jessica Almeida Braga

Grupo:
203018_6

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencia Agrícolas, Pecuarias y del Medio Ambiente ECAPMA
Programa de Especialización Biotecnología Agraria
octubre de 2020
 INTRODUCCION
A lo largo de la historia el diseño experimental ha resultado una herramienta de gran
impacto en cada uno de los campos de la investigación y por ende en el desarrollo
de estos.
La base fundamental de la experimentación es poder obtener una información de
calidad, contribuyendo así al conocimiento de cada uno de los procesos de una
manera más exacta, y a su vez nos permite obtener ciertas ventajas como: una
mejora en la calidad de los productos, la minimización de costos en la producción,
reducciones energéticas entre otros.
Cada uno de los experimentos estadísticos que se desarrollan permiten al
investigador o grupo de investigadores planear los que métodos que va a utilizar de
manera que los datos que se han recolectado permitan obtener unas conclusiones
de una manera más objetiva y a su vez sean validas para el estudio de estos.
 DESARROLLO DE LA ACTIVIDAD
1. Desarrollar el siguiente cuestionario, con sus respectivas citaciones en
formato APA.

a) ¿En qué consiste el diseño experimental?

El diseño experimental es el arreglo de las unidades experimentales utilizado para
controlar el error experimental, a la vez que acomoda los tratamientos. (Gonzales,
2016). La investigación experimental es un proceso que consiste en someter a un
objeto o grupo de individuos, a determinadas condiciones, estímulos o tratamiento
(variable independiente), para observar los efectos o reacciones que se producen
(variable dependiente). (Arias, 2012)
b) ¿Cuáles son los diseños experimentales más usados en ciencias
agropecuarias y cuáles son sus posibles usos?
• Diseños completamente aleatorios: Ausencia de bloques, Cada unidad
experimental tiene la misma probabilidad de recibir cualquier tratamiento, el cual
se repite en dos o más ocasiones. Son apropiados para los casos en el que el
material experimental es completamente homogéneo. (Gabriel, et.al.,2017)
Usos: Este diseño es muy utilizado en experimentos de laboratorio, invernadero,
almácigo y establos, en los que el material experimental (macetas, bandejas,
almácigos, animales, etc.) es muy homogéneo por prepararse en forma
provisional, y porque el experimento se conduce en condiciones ambientales
controladas y uniformes para todas las unidades experimentales. (Gabriel, et.
al., 2017)
• Diseños de bloques completos al azar: Las unidades experimentales se
agrupan en dos o más bloques completos. En cada unidad experimental se
alojan una vez los tratamientos, son apropiados en casos donde se observa una
cierta tendencia de variación en el material experimental. (Gabriel, et.al.,2017)
Usos: en experimentos sobre el terreno, experimentos con animales, ensayos
clínicos.
• Diseños aleatorios de bloques incompletos: No todos los tratamientos se
encuentran representados en cada bloque. (Gabriel, et.al.,2017)
Usos: Son apropiados en casos donde ensayan muchos tratamientos, Se
agrupan en bloque más pequeños. (Gabriel, et.al.,2017)

c) ¿Qué es una tabla ANOVA y cuál es su utilidad en estadística?

Constituye la herramienta básica para el estudio del efecto de uno o más factores
(cada uno con dos o más niveles) sobre la media de una variable continua. Es por
lo tanto el test estadístico a emplear cuando se desea comparar las medias de dos
o más grupos. Esta técnica puede generalizarse también para estudiar los posibles
efectos de los factores sobre la varianza de una variable. (Rodrigo, 2016)
El funcionamiento básico de un ANOVA consiste en calcular la media de cada uno
de los grupos para a continuación comparar la varianza de estas medias (varianza
explicada por la variable grupo, intervarianza) frente a la varianza promedio dentro
de los grupos (la no explicada por la variable grupo, intravarianza). (Rodrigo, 2016)

d) ¿Qué es un diseño completamente al azar, cuáles son sus ventajas,

desventajas, en qué casos se usa?
El diseño completamente al azar es el más simple y utilizado de todos. Es aplicable
cuando las unidades experimentales son homogéneas y la administración del
experimento es uniforme para todas ellas. Al concluir el experimento las unidades
experimentales mostrarán diferentes resultados atribuibles en forma exclusiva a los
tratamientos aplicados. (Gabriel, et.al.,2017)
Ventajas
• Flexibilidad: Cualquier número de tratamientos y cualquier número de réplicas
pueden ser usados, siempre y cuando se tengan suficientes UE homogéneas.
• Análisis Estadístico simple: el análisis estadístico es simple ya sea cuando
todos los tratamientos tengan igual número de réplicas (balanceado), diferente
número de réplicas (desbalanceado) o pérdida de datos, caso en el cual se trata
como un análisis desbalanceado.
• Máximo número de grados de libertad para el error: Esto ocurre porque el
diseño tiene solo dos fuentes de variación que son los tratamientos y el error y
los grados de libertad para este error están dados por la expresión t (r – 1).
• Precisión: Es muy preciso si se tienen en cuenta UE homogéneas.
Desventajas
Se puede obtener baja precisión cuando las unidades experimentales no sean muy
homogéneas y así ser ineficiente.

e) ¿Explique en qué situaciones se aplica un diseño en bloques al azar,

cuáles son sus ventajas y desventajas?
Cuando se comparan ciertos tratamientos, o estudia el efecto de un factor. sin que
las posibles diferencias se deban a otros factores que no están considerados en el
estudio. (Dagmacdc, 2017)
Ventajas
• Es más eficiente que el CDA, por las condiciones heterogéneas que presentan
los elementos.
• Es fácil planear ,analizar e interpretar a través de las formulas y los software
• Se puede calcular ,con unas unidades experimentales perdidas, sin perder su
estructura
Desventajas
• Las condiciones que se presentan es variable
• Es menos eficiente que cuadro 0 latino y los factoriales
• Por cada unidad perdida ,pierde grado de libertad

f) ¿En qué se diferencian los factores de los tratamientos y por qué?

Factor es la variable independiente o de investigación a estudiar, un factor puede
ser una época, una variedad de semilla, hormonas, etc., y los tratamientos es la
interacción de los niveles y factores (ejemplo épocas y variedades de semillas),
destacando que en los diseños de un solo factor cada nivel es un tratamiento.
(Gabriel, et.al.,2017)
Es decir, el factor es la variable a investigar sobre la cual se pueden realizar
múltiples combinaciones las cuales dan lugar a los tratamientos que se realizan en
el experimento.

g) ¿En qué situaciones se aplica un diseño factorial?

Se aplica cuando se desee controlar los efectos entre unidades adyacentes o
vecinas, este tema nos conlleva a considerar los efectos de borde, que
particularmente se dan en las investigaciones agrícolas, donde las plantas que se
encuentran en los bordes suelen tener ventajas o desventajas con respecto a las
plantas que se encuentran en el centro, por tanto, se recomienda tomar datos de
las plantas centrales, a fin de evitar el sesgar los resultados y por ende la toma de
decisiones. (Gabriel, et. al., 2017)

h) ¿Cuándo no se cumplen los supuestos de normalidad y varianza

constante, que puede hacerse? explique las diferentes posibilidades
• Utilizar métodos de análisis no paramétricos que no requieran las suposiciones
de normalidad y varianza. (Moran, s.f.)
• Hacer el análisis mediante modelos lineales generalizados, en los que se ajusta
un modelo lineal usando otras distribuciones diferentes a la normal, donde la
varianza no tiene por qué ser constante. (Moran, s.f.)
• Hacer el análisis sobre la respuesta transformada a una escala en la que los
supuestos se cumplan. (Moran, s.f.)

i) ¿Cuáles son las pruebas de medias más empleadas?

Paramétricas: Coeficiente de Correlación de Pearson y Regresión Lineal, Prueba
t, Prueba de Contraste de la Diferencia de Proporciones, Análisis de Varianza
Unidireccional (ANOVA en un sentido), Análisis de Varianza Factorial (ANOVA) y
Análisis de Covarianza (ANCOVA).
No paramétricas: Chi Cuadrada, los Coeficientes de Correlación e Independencia
para Tabulaciones Cruzadas, los Coeficientes de Correlación por Rangos
Ordenados de Spearman y Kendall. (Hernández, Fernández & Baptista., 2006).

j) ¿cuál es el propósito al aplicar pruebas de comparación de medias?

Las pruebas estadísticas se emplean con la finalidad de establecer la probabilidad
de que una conclusión que se obtiene a partir de una muestra sea aplicable a la
población de la cual se obtuvo. (Flores, Miranda & Villasís, 2017).

k) ¿Cuál es la diferencia entre la prueba de Tukey y la prueba de Duncan?

Método de Tukey (comparaciones múltiples) es válido solo para experimentos
donde los tratamientos son igualmente repetidos. En este caso se calcula la
estadística de la diferencia significativa Honesta (DSH). El método Tukey
proporciona una respuesta a esta clase de problemas, permitiendo al investigador
descubrir cuales contrastes son significativamente importantes, cuando este se
interesa por comparaciones simples de la forma τj – τk, mientras que la prueba de
Duncan, es muy común el empleo de la diferencia mínima significativa DMS, para
comparaciones simples entre medias; está técnica es sólo una aproximación a una
solución correcta al problema de las comparaciones entre medias, y debe usarse
con precaución, y solo es válida en el caso de comparación de medias planeadas.
(Gabriel, et.al.,2017)
2. Realizar los siguientes estudios de caso
2.1 Los datos corresponden a los pesos de las ratas al final del estudio. Los
grupos fueron los siguientes: grupo de ratas sin tratamiento con dieta
normal (WKY), grupo de ratas sin tratamiento con dieta rica en calcio (WKY-
Ca), grupo de ratas con dieta normal tratadas con deoxicorticosterona y
NaCl (DOC) y un cuarto grupo de ratas dieta rica en calcio y tratamiento
(DOC-Ca).

a) Determine el tipo de diseño experimental empleado

Es un diseño completamente al azar desbalanceado con 4 tratamientos y diferente
número de observaciones por tratamiento

b) Plantee las hipótesis que interesa contrastar en el análisis de varianza de

este experimento.
Hipótesis nula: todas las dietas producen el mismo efecto en el peso de las ratas.
Hipótesis alterna: al menos una de las dietas produce un efecto distinto en el peso
de las ratas

c) ¿Cuál es la unidad experimental?

La unidad experimental son la ratas

d) ¿Cuál es la unidad de observación?

La unidad de observación son los pesos de las ratas

e) ¿Cuáles son y cuántos tratamientos se desea comparar?

Son 4 tratamientos: DOC, WKY, DOC-Ca y WKY-Ca
f) Describa matemáticamente el modelo lineal a utilizar, especificando cada
uno de sus términos.
yij = 𝞵 + 𝝉i + eij i = 1, 2, …t j = 1, 2, …r
yij = variable de respuesta en el tratamiento i, repetición j
𝞵 = efecto general de la media
𝝉i = efecto del i-ésimo tratamiento
eij = error asociado al tratamiento i-ésimo, repetición j-ésima

g) Plantee la hipótesis
Hipótesis nula
H0: 𝝉i = 𝝉j Todos los tratamientos producen el mismo efecto
Hipótesis alterna
Ha: 𝝉i  𝝉j Al menos uno de los tratamientos produce efecto distinto

h) Grafique los datos, explique la selección de la gráfica y analícela.

La gráfica permite visualizar y resumir las medias de tratamientos, antes de

realizar el análisis estadístico. Claramente el gráfico muestra diferencias
notables entre los tratamientos, donde el tratamiento con mayor media es WKY,
seguido de WKY-Ca
i) Realice el análisis de varianza utilizando la herramienta de análisis de
datos de Excel o en programa estadístico, informando cuál utilizó.
Se realiza el análisis de varianza utilizando Excel con formulas y herramienta
Análisis de Datos
Procedimiento en la hoja de cálculo:
Tabla de análisis de varianza

Suma de cuadrado de tratamientos:

Suma de cuadrados total:

Suma de cuadrados del error:

Cálculo con la herramienta Análisis de Datos de Excel
Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
DOC 16 4950 309,38 554,12
WKY 15 5147 343,13 350,12
DOC-Ca 16 4840 302,50 257,60
WHY-Ca 14 4500 321,43 471,80
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de los cuadrados F Probabilidad Valor crítico para F
Entre grupos 14649,15 3 4883,05 11,99 0,00000342 2,77
Dentro de los grupos 23210,91 57 407,21

Total 37860,07 60

j) Concluya de acuerdo con los resultados obtenidos

Regla de decisión:
El F calculado F = 11,99 es mayor que el F tabulado F = 2,77
Se rechaza la hipótesis nula, verificando algún tipo de dieta tiene efecto sobre el
peso de las ratas.
 2.2 En un experimento con ocho animales se midió la frecuencia respiratoria
(respiraciones por minuto) bajo tres niveles de exposición al monóxido de
carbono. Los resultados son los siguientes:

De acuerdo a los datos presentados y a la distribución del experimento, resuelva:

a) ¿Qué tipo de diseño experimental es y por qué?

Es un diseño completamente al azar con 3 tratamientos y 8 repeticiones

b) ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado

indique a que corresponde cada término del modelo.
yij = 𝞵 + 𝝉i + eij i = 1, 2, …t j = 1, 2, …r
yij = variable de respuesta en el tratamiento i, repetición j
𝞵 = efecto general de la media
𝝉i = efecto del i-ésimo tratamiento
eij = error asociado al tratamiento i-ésimo, repetición j-ésima

c) Plantee la hipótesis
Hipótesis nula
H0: 𝝉i = 𝝉j Todos los tratamientos producen el mismo efecto
Todos los niveles de CO2 producen el mismo efecto en la frecuencia respiratoria de
los animales
Hipótesis alterna
Ha: 𝝉i  𝝉j Al menos uno de los tratamientos produce efecto distinto
Al menos un nivel de exposición al CO2 produce un efecto distinto en la frecuencia
respiratoria de los animales.

d) Realice el análisis de varianza utilizando la herramienta de análisis de

datos de Excel o en programa estadístico, informando cuál utilizó.
Se realiza el análisis de varianza utilizando Excel
Procedimiento:

Suma de cuadrado de tratamientos:

Suma de cuadrados total:

Suma de cuadrados del error:

Cálculo con la herramienta Análisis de Datos de Excel

e) ¿Según el análisis de varianza hay diferencias significativas? Justifique la
respuesta utilizando los resultados del análisis de varianza.
De acuerdo con el análisis de varianza, el F calculado es menor que el F tabulado
o crítico, por lo que se acepta la hipótesis nula y se concluye que no hay diferencias
significativas entre los tratamientos.

f) Si encuentra diferencias estadísticas significativas, realice la prueba de

Tukey en Excel relacionando las operaciones.
No se realiza la prueba de Tukey dado que las tratamientos producen el mismo
efecto.

g) ¿A partir de los resultados obtenidos, usted como investigador qué

decisión tendría?
Con estos primeros resultados no se podría avanzar en la investigación, por lo que
se podría tomar la decisión de repetir el experimento, explorando con dosis más
altas de monóxido de carbono (CO2) o diferentes niveles de exposición.

h) Determinar el valor de p
p = 0,37

i) Con base en estos datos ¿es posible concluir que los tres niveles de
exposición, en promedio, tienen diferentes efectos en la frecuencia
respiratoria?
Los tres niveles de exposición causan en mismo efecto en la frecuencia respiratoria.
 2.3 Se diseñó un experimento para estudiar los efectos de tres medicamentos
diferentes y tres tipos de situaciones estresantes que producían ansiedad
en ratones. La siguiente tabla muestra las diferencias entre las
calificaciones antes y después del tratamiento de 18 individuos que
participaron en el experimento.

De acuerdo con los datos presentados y a la distribución del experimento resuelva:

a) ¿Qué tipo de diseño experimental es y por qué?
Es un diseño factorial porque se estudian dos factores: medicamentos y situaciones
estresantes. Cada factor tiene tres niveles.

b) ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado

indique a que corresponde cada término del modelo.

yijk = 𝞵 + 𝞪i + βj + (𝞪β)ij + eikj i = 1, 2, …, a ; j = 1, 2, …, b; k = 1,2

yijk = variable de respuesta observada en la ijk – ésima unidad experimental
𝞵 = efecto de la media general del experimento
𝞪i = efecto del i - ésimo nivel del factor situación estresante (factor A)
βj = efecto del j - ésimo nivel del factor medicamento (factor B)
(𝞪β)ij = efecto interacción i–ésimo nivel del factor A y el j–ésimo nivel factor B
eikj = error experimental asociado a la ijk-ésima unidad experimental

c) Plantee la hipótesis
Factor A (situación estresante)
Hipótesis nula:
H0: 𝞪1 = … = 𝞪a = 0 La situación estresante no influye significativamente
Hipótesis alterna:
Ha: algún 𝞪i  0 La situación estresante influye significativamente
Factor B (medicamento)
Hipótesis nula
H0: 𝞫1 = … = 𝞫b = 0 El medicamente no influye significativamente
Hipótesis alterna:
Ha: algún 𝞫i  0 El medicamento no influye significativamente

Interacción medicamento por situación estresante

hipótesis nula 3:
H0: (𝞪𝞫)11 = … = (𝞪𝞫)ab = 0 No hay interacción entre los factores
Hipótesis alterna:
Ha: algún (𝞪𝞫)ij  0 Hay interacción entre los factores

d) Realice el análisis de varianza utilizando la herramienta de análisis de

datos de Excel o en programa estadístico, informando cuál utilizó
Se realiza el análisis de varianza utilizando Excel
Cálculos:

a=3 b=3 n=2 N = 18

Suma de cuadrados total SCT

Suma de cuadrados factor A

Suma de cuadrados factor B

Suma de cuadrados de la interacción AB

Suma de cuadrados del error

Análisis de varianza utilizando la herramienta Análisis de datos

e) ¿Según el análisis de varianza hay diferencias significativas? Justifique
su respuesta
Hipótesis 1
F > Ft
Se rechaza la hipótesis nula y se concluye que el efecto del factor A es significativo.

Hipótesis 2
F < Ft
Se acepta la hipótesis nula y se concluye que el efecto del factor B no es
significativo.

Hipótesis 3
F < Ft
Se acepta la hipótesis nula y se concluye que la interacción de medicamento por
situación estresante no es significativa
 CONCLUSIONES

• El diseño experimental es importante en el que podemos enmarcar la intensión

de la investigación que pretendamos realizar, sin embargo, es importante tener
bien claro con que elementos contamos para poder identificar el diseño
experimental adecuado y de esta manera obtener un buen resultado.
• El planteamiento adecuado de las hipótesis y el análisis de varianza nos asegura
confiabilidad en el contexto de aceptar o rechazar los planteamientos contando
con una respuesta única del caso planteado.
• Los diseños experimentales son una valiosa herramienta para el estudio de
fenómenos o procesos que involucran distintas variables que ejercen un efecto
para producir un resultado.
• Los diseños experimentales son de gran importancia en profesiones
relacionadas con las ciencias agropecuarias, porque en estas áreas
normalmente se trabaja con seres vivos, que producen datos aleatorios, y que
además dependen de otras variables como el medio ambiente y los procesos
generados por el hombre.
 REFERENCIAS BIBLIOGRAFICAS

Burgueño, F., Martínez, G., Crossa, J. (2006). Diseños experimentales con testigos
repetidos. México, D.F., MX: Red Agrociencia. Recuperado de
http://www.colpos.mx/agrocien/Bimestral/2005/nov-dic/art-11.pdf
Carreño González, N. (2014). Diseño experimental Conceptos básicos. Colombia:
recuperado de http://hdl.handle.net/10596/11404
Herrera, V. (2013). Métodos estadísticos alternativos de análisis con variables discretas y
categóricas en investigaciones agropecuarias. Habana, CUBA: Editorial
Universitaria. Recuperado de
http://eduniv.reduniv.edu.cu/index.php?page=13&id=707&db=1
López, E., & Gonzales, B. (2014). Diseño y Análisis de Experimentos. Guatemala.
OVI Almeida, J. (2017). Diseño de Bloques al azar. Recuperado de
http://hdl.handle.net/10596/11293
Rusnak, J. (2020). Clase 9 - Diseño en Bloques Completo al Azar. [Archivo de video].
Obtenido de https://www.youtube.com/watch?v=XZTdPDDtPNU
Steel, R., & Torrie, J. (1985). Bioestadística Principios y Procedimientos. Bogotá:
Presencia Ltda.
UC3M. (s. f.). Modelo de diseños factoriales y diseños 2k. Obtenido de
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/tema3DE.pdf