Documente Academic
Documente Profesional
Documente Cultură
1
Ejercicios en INFOSTAT
Desventaja:
La principal desventaja que presenta este diseo est relacionado a la
homogeneidad del material experimental; el cual es difcil de encontrar
en experimentos de campo, por lo que su uso se restringe con mucha
frecuencia a experimentos de laboratorio, o donde se pueda tener
control de los efectos no considerados en el estudio (ambiente,
temperatura, luz, etc.)
Recomendaciones:
1. Como la homogeneidad es un supuesto importante para la eficiencia de
este diseo, se debe tener mucho cuidado en la seleccin del material
experimental.
2. Debe seleccionarse cuidadosamente los tratamientos a estudiar y
planear ante mano las comparaciones o contrastes de inters
2
3. Es preferible trabajar con un grupo selecto de tratamientos con el
mayor nmero de repeticiones que trabajar con muchos tratamientos
y pocas repeticiones.
HIPOTESIS ESTADISTICA
3
Para realizar un anlisis de varianza en INFOSTAT se debe crear primero un
archivo en el programa Excel. A continuacin se realizar un ejercicio con los
siguientes datos:
Animales
(repeticiones) R1 R2 R3
1 28 18 22
2 27 17 18
3 25 19 19
4 21 16 22
5 23 22 17
Totales 124 92 98
Se tienen los datos de tres raciones y se quiere saber si se debe aceptar que
los promedios de ellas en la poblacin no difieren entre s. Los rendimientos en
kilogramos observados de cinco animales de cada variedad son iguales:
Con base a estos datos creamos un archivo en el programa Excel el cual
quedar de la siguiente forma:
Raciones Rendimiento
1 28
1 27
1 21
1 21
1 23
2 18
2 17
2 19
2 16
2 22
3 22
3 18
3 19
3 22
3 17
4
desplegar una tabla en blanco. Damos un Click derecho sobre esta tabla y
seleccionamos la opcin Pegar incluyendo nombre de las columnas. El
programa pegara la tabla que creamos en Excel considerando la primera fila
como los nombres de la columna.
5
Damos aceptar y se despliega una ventana donde Comparaciones. En este
cuadro debemos seleccionar el tipo de prueba de comparacin de medias que
deseamos que se haga en el anlisis, el nivel de significancia y el orden de los
grupos de medias que desea que aparezca en la tabla de resultados , para este
caso debemos seleccionar Duncan, con un nivel de 0.05 y en orden de lista
descendente. Seleccionamos aceptar y se desplegar una ventana con los
resultados del anlisis con los datos siguientes:
6
Como podemos observar en los resultados el valor de p para el modelo es
0.0153 igual que el valor de p para la racin lo que significa que esta es la nica
fuente de variacin para el modelo usado. El valor de p = 0.001532 para la
racin indica que hay diferencia significativa con un nivel de confianza de 95%.
El valor de R2 = 0.50 indica que el 50% de los datos se ajustan al modelo. El CV
(Coeficiente de Variacin) es de 12.98. Recuerde que coeficientes mayores de
30 indican que existe problema con el modelo que se est aplicando a los datos
o en algunos casos la muestra tomada es muy pequea.
7
tratamientos haya en estudio. Como el DBCA especifica que todos los
tratamientos deben aparecer una vez en cada replicacin, la aleatorizacin se
hace separadamente en cada bloque.
Ventajas
Puede proveer resultados ms precisos que un DCA del mismo tamao si
los agrupamientos son efectivos.
Sirve para cualquier n de tratamientos y replicaciones.
Los tratamientos no necesitan tener tamaos de muestras iguales.
(Bloque Incompleto)
El anlisis no se complica si se debe descartar, por alguna causa, un
tratamiento o algn bloque.
Se puede introducir, deliberadamente, variabilidad en las unidades
experimentales para ampliar el rango de validez de los resultados sin
sacrificar la precisin de los resultados.
Desventajas
Las observaciones faltantes dentro de un bloque requiere clculos ms
complejos.
Los grados de libertad para el error experimental no son tantos como en
el DCA.
Se requieran ms presunciones para el modelo: no interaccin entre
tratamientos y bloques, varianza constante de bloque a bloque.
8
El
9
1 4 39.9
1 5 42.9
1 6 43.6
2 1 39.8
2 2 40.1
2 3 40.5
2 4 42.3
2 5 42.5
2 6 43.1
3 1 40.2
3 2 40.5
3 3 41.3
3 4 43.4
3 5 44.9
3 6 45.1
4 1 42.3
4 2 43.2
4 3 44.5
4 4 45.2
4 5 46.9
4 6 43.3
Se procede de igual manera que se hizo para el DCA a diferencia que en este
anlisis para BCA se incluye como variable de clasificacin a Bloque y
Tratamiento. La ventana de resultados muestra los siguientes datos.
10
Como se puede observar en la tabla de anlisis de varianza existe diferencia
entre los bloques (operario) lo que indica que el bloqueo hizo efecto en el
modelo (era necesario bloquear). Adems se puede observar que existe
diferencia entre los tratamientos (maquinas).
Este diseo es una extensin del bloque completo al azar puesto que en l se
impone la misma restriccin en la distribucin al azar de los tratamientos para
formar los bloques de este diseo, ms otra retribucin igual para hileras. Este
11
diseo es recomendable cuando las unidades experimentales pueden agruparse
de acuerdo a los niveles de dos fuentes de variabilidad. En el cuadrado latino
cada tratamiento est una vez y al azar en bloque y en cada hilera.
USOS:
Es ms usado en el campo agrcola
Es ms difcil su uso en el campo pecuario, por que demanda la existencia
y 2 fuentes de variabilidad
Igualmente puede aplicarse este diseo en experimentos con animales
cuando hay restricciones como: edad y peso de los animales, raza de los
animales y establos, produccin de leche y nmero de partos.
El cuadrado latino se puede emplear siempre que haya homogeneidad
dentro de bloques e hileras, pero alta heterogeneidad entre bloques y
entre hileras.
VENTAJAS:
Controla la FV en dos direcciones, hileras y bloques; es decir extrae del
error experimental la variacin debido a tratamientos, hileras y bloques.
DESVENTAJAS:
Se pierde GL en el error experimental, sacrificando, nmeros limitados
de tratamientos, porque el nmero de hileras y bloque deben ser igual al
de tratamientos
RESTRICCIONES:
Un tratamiento debe de estar solamente una vez en la columna o bloque.
12
Debemos recordar que el cuadrado latino se usa para bloquear en dos sentidos
por tanto se debe formar bloques en dos direcciones. El uso de CL aumenta la
precisin en los experimentos
Para crear un archivo de un diseo de cuadrado latino en Excel procederemos
de igual manera que lo hicimos anteriormente. Supongamos que tenemos un
diseo de CL que tiene cinco tratamientos (las letras indican las variedades y el
valor indica los rendimientos de maz por parcela).
Ejemplo:
Se prob 4 nuevas raciones para evaluar la produccin de leche durante el
primer mes de lactacin en vacas de 1, 2, 3 y 4 parto, se emplearon 16 vacas
de 4 razas distintas: 4 Holstein, 4 Brown Swiss, 4 Jersey y 4 Gyr. Se desea
probar el efecto de las cuatro raciones.
13
Copiamos este archivo y lo pegamos, incluyendo el nombre de las columnas, en
una nueva tabla de INFOSTAT. Posterior hacemos el anlisis de varianza
considerando razas, lactaciones y tratamientos como variables de clasificacin
y rendimiento como variable como variable dependiente (variable de
respuesta); lo dems procedemos de igual manera que en los ejercicios
anteriores. La ventana de los resultados nos muestra los siguientes datos:
Anlisis de la varianza
Variable N R R Aj CV
Rendimiento 16 0.95 0.87 5.78
14
De los resultados de la prueba de Tukey se observa que las medias de los
tratamientos A, B y C no difieren estadsticamente entre s, pero A y B son
diferentes a la media de D, La media de C y D no difieren estadsticamente.
4. Arreglos factoriales
Ventajas:
Permiten estudiar los efectos principales, efectos de interaccin de
factores, efectos simples y efectos cruzados y anidados
15
Todas las unidades experimentales intervienen en la determinacin de
los efectos principales y de los efectos de interaccin de los factores,
por lo que el nmero de repeticiones es elevado para estos casos
Desventajas:
Se requiere un mayor nmero de unidades experimentales que los
experimentos simples y por lo tanto se tendr un mayor costo y trabajo
en la ejecucin del experimento.
Como en los experimentos factoriales cada uno de los niveles de un
factor se combinan con los niveles de los otros factores; a fin de que
exista un balance en el anlisis estadstico se tendr que algunas de las
combinaciones no tiene inters prctico pero deben incluirse para
mantener el balance.
Variedades
Fertilizacin V0 V1 V2
F0 66.52 61.45 68.60
Bloque I F1 68.98 62.55 64.54
F2 75.95 57.90 68.09
F0 56.50 53.45 58.50
Bloque II F1 58.95 51.55 54.54
F2 66.95 47.90 58.19
16
Bloque Fertilizacin Variedades Rendimiento
I F0 V0 66.25
I F0 V1 61.45
I F0 V3 68.6
I F1 V0 68.98
I F1 V1 62.55
I F1 V3 64.54
I F2 V0 75.95
I F2 V1 57.9
I F2 V3 68.09
II F0 V0 56.5
II F0 V1 53.45
II F0 V3 58.5
II F1 V0 58.95
II F1 V1 51.55
II F1 V3 54.54
II F2 V0 66.95
II F2 V1 47.9
II F2 V3 58.19
17
Dentro del cuadro de especificaciones del modelo, al final se deber digitar
(bien escrito) Fertilizacin*Variedades
18
La salida en la ventana de resultados muestra los siguientes datos:
Anlisis de la varianza
Variable N R R Aj CV
Rendimiento 18 1.00 0.99 0.96
19
Aunque los efectos principales variedad (0.0001) y fertilizante (0.0004), son
significativos no se le puede estudiar por separado, debido a que la mejor dosis
de fertilizacin depende de la variedad que se est investigando, segn se
deduce que la interaccin Variedad - fertilizante es significativa (0.0001). Lo
ms recomendable en este caso sera hacer un anlisis de la tendencia de la
respuesta de cada variedad a la fertilizacin; para esto se debe calcular los
componentes lineal y cuadrtico para cada variedad.
Variedad
Irrigacin
1 2 3 4
Bloque I Alta 123.2 132.3 123.2 128.8
Moderada 118.2 123.2 115.2 116.3
Bloque II Alta 128.2 138.3 128.2 125.8
Moderada 119.2 120.2 117.2 121.3
Bloque III Alta 118.2 122.3 121.2 124.8
Moderada 111.2 117.2 113.2 113.3
Bloque IV Alta 128.2 123.3 128.2 132.8
Moderada 113.2 122.2 114.2 116.3
20
La tabla para realizar el anlisis de varianza que se debe realizar en
INFOSTAT quedar de la siguiente manera:
21
constituyen como nuevas fuentes de variacin en comparacin con los anlisis
de BCA y DCA. Para seleccionar las interacciones debemos dar clic opcin de
Interacciones del anlisis de varianza. Para este caso nos interesa un modelo
que considere las siguientes fuentes de variacin:
Bloque
Irrigacin
Variedad
Bloque*Irrigacin
Irrigacin*Variedad.
Anlisis de la varianza
Variable N R R Aj CV
Rendimiento 32 0.85 0.75 2.70
22
1 119.95 8 B
Letras distintas indican diferencias significativas (p<= 0.05)
Como se mencion anteriormente existen una serie de datos que no pueden ser
analizados mediante la comparacin de medias como por ejemplo niveles de
fertilidad, dosis de producto, niveles de inclusin de un producto alimenticio,
niveles de urea en la alimentacin del ganado, etc. Las curvas de respuestas o
curvas de regresin son la alternativa ms segura para analizar correctamente
estos datos, las cuales nos reflejarn la respuesta o comportamiento que tiene
un factor de estudio con respecto a los diferentes niveles de un tratamiento.
23
Adems estas permiten representar matemticamente por medio de una
ecuacin la relacin entre las variables. Miremos algunas de las curvas de
respuestas ms usadas.
456.31 433.63
496.68 415.49
461.76 428.19
466.75 469.92
458.58 478.09
455.41 418.67
455.86 425.47
509.84 454.95
435.90 407.78
475.36 426.83
4672.45 4359.02
24
Copiamos esta tabla y la pegamos incluyendo los nombres de las columnas en
una tabla nueva en INFOSTAT. Vamos a Anlisis y seleccionamos regresin
lineal. Asignamos como Variable dependiente a peso de cra y Variable
regresora o independiente a peso del padre. La salida en este anlisis genera
tres ventanas: una sobre anlisis de varianza de la regresin, la segunda un
grafico representado la regresin en un plano x, y, la tercera es una ventana
de herramientas para mejorar la calidad del grfico al gusto del investigador.
Las tres ventanas se muestran en la siguiente imagen.
25
Observando la ventana de anlisis de varianza podemos afirmar que la ecuacin
de regresin lineal explica claramente la relacin entre el peso del padre y el
peso de la cra. El coeficiente de correlacin de Pearson (R) es igual a la raz
cuadrada del coeficiente de determinacin (R= R 2). Por tanto el Coeficiente
de correlacin de Pearson es R= 1, lo que significa que el 100 % de los cambios
del peso de la cra son explicados por un cambio en el peso del padre.
Por otra parte podemos observar el modelo de regresin lineal es significativo
para esta relacin lineal con un nivel de confianza de 95%. La regresin lineal
se define con la ecuacin
y = a + b X.
y = Peso de la cra
a = Intercepto
b = Coeficiente de regresin lineal del volumen
x = Peso del padre
7. Grficos en INFOSTAT
Una de las cosas importantes que se debe recordar es la frase trillada pero
muy cierta es que un Un grfico dice ms que mil palabras. Para el diseo de
los grficos, INFOSTAT posee herramientas suficientes y necesarias para
generar grficos de excelente calidad que pueden ayudar a mejorar la calidad
de presentacin de los datos de sus investigaciones.
26
2 Nit/Azu10:1 10 10.7 11.1 11.7 10.9 11.5 11.3 11.5 11.4 11.3
3 Nit/Azu10:1 10.5 10.8 11 11.3 11.1 11.4 11.1 11.3 11.6 11.2
4 Nit/Azu10:1 11.2 11.4 11.3 11.1 11.5 11.5 11.2 11.6 11.3 11.4
1 Nit/Azu15:1 12.8 13 12.8 12.6 12.8 13.1 13 13.1 13 12.9
2 Nit/Azu15:1 13 12.6 12.6 12.9 13 13.1 13.2 13 12.8 13.1
3 Nit/Azu15:1 12.8 12.9 12.9 13.2 13.1 13.2 12.9 13 12.7 12.9
4 Nit/Azu15:1 12.7 13.1 13 13.1 12.9 13 12.8 13.2 12.9 12.7
1 Nit/Azu20:1 12 12.8 12.1 12.4 12.3 12.8 12.8 12.5 12.4 12.2
2 Nit/Azu20:1 12.6 12.3 12.9 12.4 12.1 12.9 12.7 12.9 11.9 12.1
3 Nit/Azu20:1 12.1 12.7 12.8 12 12.5 12.3 12.4 12.8 12.3 12.1
4 Nit/Azu20:1 12.3 12.5 12.7 12.9 12.4 12 12.7 12.3 12.1 11.9
1 Mel/urea 11 11.2 9.9 10.3 10.3 10.7 11.1 11.2 11.3 11.6
2 Mel/urea 11.5 11.4 10.6 10.8 11 11.2 12.1 11.8 11.4 11
3 Mel/urea 11.2 10.5 11.2 11.4 11.1 11 11.7 11.4 11.7 11.3
4 Mel/urea 11.1 11 10.7 11 10.9 11.3 11.6 11.3 11.4 11.9
1 Test/pasto 12 11.8 11.4 11.2 11 11.3 12 11.3 11.1 11.5
2 Test/pasto 11.1 11 11.3 10.8 10.9 11.5 11.2 11.4 11.2 11.7
3 Test/pasto 11.4 11.7 11.1 11 10.7 11.6 11 11.5 11.3 11.6
4 Test/pasto 11.7 11.9 11.4 11.3 11 11 11.7 11.7 11.9 11.5
27
Con estas indicaciones el grfico generado ser el siguiente:
28
n Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
n Estudiantil Versin Estudiantil Versin Estudiantil TtuloEstudiantil
Versin Versin Estudiantil
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
13.11
n Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
n Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
12.47
E s c a la c o m n
29
30