Documente Academic
Documente Profesional
Documente Cultură
Tutora
Marzo de 2019
CUESTIONARIO
Parcelas divididas.
Un diseño de parcelas divididas es un experimento diseñado que incluye al menos un factor
difícil de cambiar que es difícil de aleatorizar completamente debido a limitaciones de tiempo o
costo. En un experimento de parcelas divididas, los niveles del factor difícil de cambiar se
mantienen constantes durante varias corridas experimentales, las cuales se tratan colectivamente
como una parcela completa.
Posibles usos: En aquellos ensayos que se usa maquinaria agrícola o riego, ensayos de cultivares
por ejemplo de maíz, es aconsejable usar algún tipo de diseño de parcela o bloque dividido.
Desventajas:
1.- Si el número de tratamientos o de repeticiones es muy elevado, a veces resulta difícil
conseguir unidades experimentales homogéneas.
2.- Si el número de repeticiones o de tratamientos es muy bajo, se pierde sensibilidad en el
experimento.
5. ¿Explique en qué situaciones se aplica un diseño en bloques al azar, cuáles son sus
ventajas y desventajas?
Nuestro objetivo es tener comparaciones precisas entre los tratamientos bajo estudio. Utilizar
bloques es una forma de reducir y controlar la varianza del error experimental para tener mayor
precisión.
Usar bloques estratifica a las unidades experimentales en grupos homogéneos. Una buena
elección del criterio de bloqueo resulta en menor variación entre las unidades experimentales
dentro de los bloques comparada con la variación entre unidades experimentales de diferentes
bloques. Generalmente los criterios de bloqueo son:
Proximidad (parcelas vecinas)
Características físicas (edad, peso, sexo)
Tiempo
Manejo de las unidades experimentales en el experimento
Ventajas:
Es fácil de analizar
Extrae del error experimental la variación debida a los bloques además de la variación
debida a los tratamientos.
Desventajas:
Menor número de grados de libertad para el error experimental.
Si el número de tratamientos es muy elevado (25) se hace muy difícil conseguir un buen
agrupamiento de las parcelas experimentales.
Un diseño factorial es utilizado generalmente por los científicos que desean comprender el efecto
de dos o más variables independientes respecto de una única variable dependiente.
Es común que en las ciencias agrarias se utilicen diseños factoriales por la necesidad de las
pruebas de campo para probar el efecto de las variables en los cultivos. En esos estudios a gran
escala, es difícil y poco práctico aislar y probar cada variable individualmente.
Los experimentos factoriales permiten manipulaciones sutiles de un número mayor de variables
interdependientes. Si bien el método presenta limitaciones, es útil para una investigación más
eficiente y para permitir que los métodos estadísticos fuertes expongan todas las correlaciones.
Estas pruebas utilizan datos paramétricos, es decir, datos numéricos de una distribución normal.
Para los datos no paramétricos, como las clasificaciones nominales o los datos que no se
distribuyen normalmente, se utilizan pruebas no paramétricas.
Pruebas T
La prueba T para una muestra indica la probabilidad de que la diferencia entre la media muestral
y un valor de prueba se deba al azar. Las probabilidades de 0,05 o inferiores normalmente se
consideran significativas.
Creación de una prueba T para una muestra
Puede utilizar una prueba T para una muestra para probar si la media de una variable difiere de
un valor de prueba determinado. Por ejemplo, quizá le interese probar si los ingresos familiares
medios de los clientes de un banco difieren de la media nacional.
Uso de ANOVA de una vía para comparar las medias
Puede utilizar ANOVA de una vía para evaluar si existe una diferencia significativa entre grupos
de medias.
Opciones de ANOVA
Aparte de especificar cómo tratar los valores que faltan y si se mostrará una tabla de estadísticos
descriptivos para la variable independiente, puede especificar las siguientes opciones en el
informe.
Puede comparar las medias de dos o más grupos para determinar si la diferencia entre los grupos
es significativa estadísticamente, es decir, si se debe a algo más que al azar.
Existen varios procedimientos para determinar cuáles son los pares de medias que son diferentes.
El primero de estos procedimientos, y el más utilizado en el pasado, es el de la Diferencia
Significativa Mínima (DSM) de Fisher publicada en 1935 en su libro The Design of
Experiments. Este procedimiento es una extensión de la prueba t de Student para el caso de
comparación de dos medias con varianza ponderada.
Otros procedimientos más recientemente usados para el mismo propósito son: la prueba de
Student-Neuman-Keuls, la prueba de Diferencia Significativa Honesta de Tukey (DSH), la
prueba del Rango múltiple de Duncan, la prueba de Dunnett y la prueba de Scheffé, entre otras.
Véase Steel and Torrie y Federer.
11. ¿Cuál es la diferencia entre la prueba de Tukey y la prueba de Duncan?
El Test de Duncan es un test de comparaciones múltiples. Permite comparar las medias de los t
niveles de un factor después de haber rechazado la Hipótesis nula de igualdad de medias
mediante la técnica ANOVA. Todos los tests de comparaciones múltiples son tests que tratan de
perfilar, tratan de especificar, tratan de concretar, una Hipótesis alternativa genérica como la de
cualquiera de los Test ANOVA.
El Test de Duncan es muy similar al Test HSD de Tukey pero en lugar de trabajar con un umbral
fijo trabaja con un umbral cambiante. Un umbral que dependerá del número de medias
implicadas en la comparación.
BIBLIOGRAFIA / WEBGRAFIA