DISEOS

EXPERIMENTALES
EN LAS CIENCIAS AGRCOLAS
EXPERIMENTOS FACTORIALES
PRINCIPIOS FUNDAMENTALES
 CONCEPTOS IMPORTANTES1
} Experimentos factoriales se refiere al arreglo
de los tratamientos, no es un diseo.

} Los arreglos factoriales pueden ser usados en

DCA, BCA, Parcelas Divididas

} Los tratamientos estn formados por

combinaciones de dos o ms factores, los
cuales tienen dos o ms niveles.
 CONCEPTOS IMPORTANTES2
} Las combinaciones ocurren de tal forma que cada
nivel de cada factor ocurre con cada nivel del otro
factor

} Interaccin: Cuando dos factores no son

independientes. Los cambios de un factor son
condicionados por el nivel de otro factor.

} Cuando las interacciones son muy grandes, es

mas importante conocer el efecto de las
interacciones que el efecto principal
 VENTAJAS
} Establecer experimentos en los cuales se necesita
explorar varios factores y definir cuales son o no
son importantes

} Determinar la magnitud de las interacciones

} El efecto principal (efecto primario de inters para

el investigador) se estima con la misma precisin
como si se hubiera investigado un solo factor
 DESVENTAJAS
} A medida que aumenta el nmero de factores, se
incrementa el tamao del experimento

} Se incrementa el costo del ensayo

} La uniformidad del material experimental es ms

complicada

} Factoriales muy grandes pueden ser difciles de

interpretar, especialmente si hay interacciones a
todos los niveles
 FUENTE GL SC CM VALOR F Pr > F_
DOSIS 2 1922.000000 961.000000 59.24 <.0001
VARIEDAD 2 1022.000000 511.000000 31.50 <.0001
DOSIS*VARIEDAD 4 890.666667 222.666667 13.73 <.0001


Least Squares Means (Comparacin de medias ajustadas)

% CONTROL Standard LSMEAN
DOSIS VARIEDAD LSMEAN Error Pr > |t| Number__
0.2 A 66.0000000 2.3253833 <.0001 1
0.2 B 73.3333333 2.3253833 <.0001 2
0.2 C 98.3333333 2.3253833 <.0001 3
0.25 A 88.6666667 2.3253833 <.0001 4
0.25 B 95.3333333 2.3253833 <.0001 5
0.25 C 99.6666667 2.3253833 <.0001 6
0.3 A 99.0000000 2.3253833 <.0001 7
0.3 B 98.0000000 2.3253833 <.0001 8
0.3 C 99.6666667 2.3253833 <.0001 9_____

ANALISIS DE DATOS MEDIDOS VARIAS
VECES A TRAVES DEL TIEMPO

MEDIDAS REPETIDAS EN TIEMPO

 QU SON MEDIDAS REPETIDAS?
}Cuando una variable de reaccin (efecto
provocado por TRT) se mide en varios
momentos durante un ensayo y su
efecto es acumulativo
}Hay dos factores de variacin que se
deben analizar : TRT y Tiempo
}Modelo Lineal:

*
Yij= Trt + (Tiempoij) + Trt Tiempo + Eij +
 EJEMPLOS
Variables de reaccin que se miden en
varios momentos :
Reproduccin de una poblacin insectil
Mortalidad de una plaga
Porcentaje de dao
Porcentaje de control
Degradacin de ingrediente activo
Conteos microbiolgicos
Calidad de un alimento
 POR QU NO ANALIZAR CADA FECHA
APARTE?
Porque generalmente nos interesa el efecto
acumulativo de los TRT
Haciendo varios anlisis aumentara el
nmero de pruebas F
Cada prueba F adicional aumenta el riesgo de
cometer error de Tipo I (concluir que existen
diferencias Significativas entre TRT cuando,
en realidad, los TRT son iguales)
 POR QU NO ANALIZAR MEDIAS
PROMEDIADAS A TRAVES DEL TIEMPO?
El inters es el patrn de los TRT a travs del
tiempo
Pueden haber efectos escondidos al analizar
solamente las medias

*
Hay que analizar la interaccin Trt Tiempo,si
esta interaccin es significativa (P < 0.05), es
mejor analizar cada fecha aparte
Una interaccin puede esconder diferencias
verdaderas entre TRT

FUENTE GL SC CM VALOR F Pr > F__
BLOQUE 2 464.333333 232.166667 8.93 0.0092
TRT 1 288.000000 288.000000 11.08 0.0104
BLOQUE*TRT 2 60.333333 30.166667 1.16 0.3610
TIEMPO 2 1776.333333 888.166667 34.16 0.0001
TRT*TIEMPO 2 283.000000 141.500000 5.44 0.0322_


Duncan's MulEple Range Test for LARVAS
Means with the same leLer are not signicantly dierent.

Duncan Grouping Mean N TRT
a 27.333 9 X
b 9.333 9 Y

Duncan Grouping Mean N TIEMPO
a 36.667 6 1
b 20.500 6 2
c 12.833 6 3


Duncan's MulSple Range Test for LARVAS
TIEMPO=1
Duncan Grouping Mean N TRT
a 38.000 3 X
a 35.333 3 Y



TIEMPO=2
Duncan Grouping Mean N TRT
a 25.667 3 Y
a 15.333 3 X



TIEMPO=3
Duncan Grouping Mean N TRT
a 21.000 3 Y
b 4.667 3 X
DISEO COMPLETAMENTE AL AZAR
DCA
 INTRODUCCION
La asignacin de los TRT a las UE es
completamente al azar, no existe ninguna
restriccin en la aleatorizacin

DCA es el mejor diseo cuando las UE son
homogneas (Se usa comnmente en ensayos
de laboratorio o cuando se pueden establecer un
mayor numero de repeEciones)
 VENTAJAS DEL DCA
Flexible en cuanto al nmero de TRT

El nmero de repeEciones de cada TRT puede ser diferente

Fcil anlisis estadsEco, especialmente si el nmero de REP

de cada TRT es igual

Es el diseo con el que se obEene mayor nmero de GL para

el error. La precisin de un EXPT aumenta con el nmero de
GL para el error
 DESVENTAJA DEL DCA
En si no Eene ninguna desventaja

Cuando la variacin entre Unidades

Experimentales es grande se debe escoger otro
diseo porque el Error Experimental resulta muy
inado
BLOQUES COMPLETOS AL AZAR

BCA
 INTRODUCCION
Bloque es un grupo de unidades homogneas
usadas para corregir fuentes de variacin debido a
gradientes (suelo, ferSlidad, pendiente, Sempos,
personas, comunidades, ambientes, etc.)
Los bloques forman una UE ms homognea para
comparar el efecto de los TRT
En BCA cada bloque conSene todos los TRTS
Bloques Incompletos al Azar(BIA). Los bloques no
conSenen todos los tratamientos del experimento
 VENTAJAS BCA
El bloqueo aumenta la precisin removiendo
una fuente de variacin del Error EXPTL

Se puede usar cualquier canSdad de bloques

y TRTs y el anlisis es mucho ms fcil
cuando cada TRT se repita el mismo nmero
de veces en cada bloque

El anlisis estadsSco es relaSvamente simple

 DESVENTAJAS BCA
Datos perdidos causan dicultades en el anlisis

Asignacin errnea de TRTs a las UE puede causar

problemas en el anlisis

Diicil el manejo cuando el nmero de TRTs es

elevado

Si las UE son homogneas DCA es mas eciente


EFICIENCIA DE BLOQUES EN
EXPERIMENTACION



Si P > .05 o (P > .10) no es signicaSvo : NO
SE JUSTIFIC EL USO DEL BLOQUEO

Si P < .05 o (P < .10) si es signicaSvo: EL USO
DE BLOQUES SE JUSTIFIC
DISEO DE PARCELAS DIVIDIDAS
PRINCIPIOS Y FUNDAMENTOS
 INTRODUCCION
Parcelas divididas son experimentos mulSfactoriales en
los cules la naturaleza de las unidades experimentales
hacen diicil manejar de la misma manera todas las
combinaciones posibles de los factores involucrados

El InvesSgador desea aumentar precisin en la

esSmacin de algunos efectos, y sacricar precisin en
la esSmacin de otros

 CONCEPTOS BASICOS1
Dos tamaos de unidades experimentales (Parcela y
sub-parcela). En algunos casos hay sub-sub-parcelas.
Dos factores de inters A y B
Las parcelas principales estn divididas en unidades
mas pequeas; sub-parcelas, a las cuales diferentes
niveles del factor B son aplicadas
Los tratamientos aplicados a las sub-parcelas
consStuyen un arreglo factorial de los tratamientos
 CONCEPTOS BASICOS2
Se asignan aleatoriamente los tratamientos del
factor (A) a las parcelas principales arregladas
en un DCA, BCA
Los tratamientos del segundo factor (B) se
asignan aleatoriamente a las sub-parcelas
dentro de las parcelas principales
 CONCEPTOS BASICOS3

Se sacrica precisin al esSmar los efectos promedios

del factor (A) o parcelas principales
Mejor precisin para comparar el efecto del factor (B)
o sub-parcelas
El error para la Parcela Principal es mayor que el de la
Sub-parcela. Esto indica una menor oportunidad de
encontrar diferencias entre los niveles del factor
asignados a las Parcelas Principales
 VENTAJAS
Permiten el uso eciente de algunos TRT que
requieren Unidades Experimentales de mayor
tamao

Proveen mayor precisin en la esSmacin del
efecto de algunos factores

DESVENTAJAS

Tamao del ensayo

Uniformidad experimental

Interpretacin de las interacciones

 MODELO LINEAL

Error a Error b
Yijk = + i+ j + ()ij + k + ()ik + ()jk + ()ijk
Parcela Principal Sub-parcela
 TEMAS VARIOS DE INTERES EN
EXPERIMENTACIN AGRICOLA
InvesSgacin aplicada a nivel de nca
Parcelas DemostraSvas
El productor-invesSgador
Programas de anlisis estadsSco
SAS
Jump
Minitab
Infostat
SPSS