Documente Academic
Documente Profesional
Documente Cultură
Testigo:
Son tratamientos de referencia, sirven para comparar los tratamientos propios del
experimento.
Pueden ser de dos tipos: Absoluto y Relativo. A veces un experimento lleva ambos
testigos. El tratamiento absoluto, permite medir la variable dependiente, ante la
ausencia de las tecnologías que se están probando. El tratamiento relativo puede
ser la tecnología tradicional, lo que se hace de manera corriente, me permite
valorar la mejora que producen las nuevas tecnologías, tomando como referencia
lo que se hace de forma tradicional.
Unidad experimental:
La unidad experimental es la pieza(s) o muestra(s) que se utiliza para generar un
valor que sea representativo del resultado del experimento o prueba.
Unidad de observación:
Es la unidad física que nos interesa estudiar u observar con fines de investigación.
Ejemplo: un paciente, una familia, una vivienda, una persona, un cajón de
manzanas, un pollo, un predio, etc. Cada uno de los elementos mencionados
puede ser considerado como unidad de observación cuando es nuestro particular
interés observarlo de manera sistemática. El conjunto de todas las unidades de
observación constituye la población en estudio.
Error experimental:
Componente del error aleatorio que refleja los errores del experimentador en la
planeación y ejecución del experimento.
Formas de reducir el error experimental:
Algunas de ellas son:
1.- El diseño experimental.
2.- El uso de observaciones concomitantes.
3.- La elección del tamaño y la forma de las unidades experimentales.
Repeticiones y función de las repeticiones:
Cuando un tratamiento aparece más de una vez en un experimento se dice que
está repetido.
Las funciones de la repetición son:
1.- Permitir una estimación del error experimental.
2.- Mejorar la precisión de un experimento mediante la reducción de la desviación
estándar de una media de tratamiento.
3.- Aumentar la precisión de un experimento a través de la selección y del uso
apropiado de unidades experimentales más variables.
4.- Ejercer control sobre la varianza anterior.
Variable de observación:
En el diseño de experimentos es lo que se observa o mide.
Diseño experimental:
El diseño experimental prescribe una serie de pautas relativas qué variables hay
que manipular, de qué manera, cuántas veces hay que repetir el experimento y en
qué orden para poder establecer con un grado de confianza predefinido la
necesidad de una presunta relación de causa-efecto.
El diseño experimental encuentra aplicaciones en la industria, la agricultura, la
mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc.
constituyendo una fase esencial en el desarrollo de un estudio experimental.
Referencias bibliográficas.
1. Cochran y Cox, (1985). Diseños experimentales, México: Trillas.
Corral, P. (2009). Diseños experimentales con aplicación a la agricultura y
la ganadería, México: Trillas.
2. Condo y Pazmiño, (2015). Diseño experimental en el desarrollo del
conocimiento científico de las ciencias agropecuarias, Riobamba, Ecuador:
Instituto de Investigaciones.
3. Domínguez y Castaño, (2016). Diseño de experimentos - Estrategias en
análisis en ciencias e ingeniería, México DF, México: Alfaomega.
4. Navarro, J., (2006). Diseño experimental: aplicaciones en agricultura, Costa
Rica: Universidad de Costa Rica.
5. O. Kuehl, R, (2001). Diseño de experimentos: Principios estadísticos de
diseño y análisis de investigación, Boston, EUA: Thomson Learning.
Unidad experimental.
Número de repeticiones.
3 repeticiones
Variables.
Rendimiento de fibra, rendimiento de hueso, peso de capullo, contenido de fibra,
índice de semilla, NCPP, altura de planta, peso de fibra y hueso, finura,
resistencia, longitud de fibra y GL.
Conclusiones.
Las variedades convencionales Cian Precoz, Cian 95, Juárez 91, Laguna 89 y
Nazas 87, a pesar de que no fueron superiores a Delta Pine, mostraron valores
superiores en calidad de fibra para satisfacer las exigencias del mercado actual.
Los materiales mencionados pueden ser una fuente importante de genes para
calidad de fibra en programas de mejoramiento genético; sin embargo, es
necesario definir zonas de adaptabilidad para mejorar los bajos rendimientos que
se reportan en el presente trabajo.
Bibliografía:
Bonilla, O., Leal, H., Chávez V., Buendía, M., Ramírez, B., Bautista, H., y Requejo,
I. (2020). Productividad y calidad de fibra de variedades convencionales de
algodón en la comarca lagunera, México. Fitotec. Mex. Vol. 43 (1): 3-9. ISSN:
2007-0934. Disponible en https://www.revistafitotecniamexicana.org/
Objetivo.
Unidad experimental.
26975 plantas
Número de repeticiones.
2 repeticiones
Variables.
Conclusiones.
Obrador Olán, J., Magaña Valenzuela, W., García López, E., Castelán Estrada, M.,
& Carrillo Ávila, E. (2020). Rendimiento comparativo de la yuca bajo fertilización
mineral y abono verde. Revista Mexicana De Ciencias Agrícolas, 11(6), 1259-
1271. https://doi.org/https://doi.org/10.29312/remexca.v11i6.2202.
Unidad experimental.
36 plantas.
Número de repeticiones.
4 repeticiones.
Variables.
Rendimiento de jima, peso seco aéreo, espesor de hoja, diámetro de piña, altura
de planta y longitud de piña.
Conclusiones.
Así mismo, la nutrición orgánica en las plantas de Agave tequilana A. Weber Var.
Azul, con la aplicación de 15 m3 ha-1 de L evasa permitió tener una asimilación de
fósforo y potasio,10 y 5% mayor que los testigos de fertilización química y
absoluto, respectivamente.
Bibliografía:
Arreola Tostado, J., Montoya Jasso, V., Arreola Nava, J., Castillo Valdez, X.,
Olivares Arreola, E., & Báez Pérez, A. (2020). Efecto de la aplicación de levasa
(mosto de caña de azúcar) en la producción y calidad de Agave Tequilana Weber.
Revista Mexicana De Ciencias Agrícolas, 11(6), 1311-1324.
https://doi.org/https://doi.org/10.29312/remexca.v11i6.2216.
Unidad experimental.
3 repeticiones.
Variables.
Tratamientos.
Unidad experimental.
Número de repeticiones.
3 repeticiones.
Variables.
Velasco-López, José, Soto Ortiz, R., Ail Catzim, C., Grimaldo Juárez, O., Avilés
Marín, S., & Lozano del Río, A. (2020). Rendimiento de biomasa y grano en
variedades de triticale en el valle de Mexicali. Revista Mexicana De Ciencias
Agrícolas, 11(5), 1097-1109.
https://doi.org/https://doi.org/10.29312/remexca.v11i5.2293.
El análisis de varianza fue ideado por Ronald Fisher, el mismo que menciona que
es un procedimiento matemático que desdobla una suma total de cuadrados en
componentes asociados o con fuentes de variación reconocida, usado con
provecho en todos los campos de la investigación con información cuantitativa.
El análisis de varianza es una técnica que permite descomponer la variabilidad
total de los resultados de un experimento en sus distintas fuentes de variación
(factores, tratamientos, bloques, interacciones, variables, error experimental), con
la finalidad de compararlas e identificar su importancia relativa en la explicación de
la variabilidad total.
De la misma manera podemos reportar que el análisis de varianza permite medir
la variabilidad en cada una de las fuentes de variación, incluso, desdoblar los
factores entre sí; de esta manera determinamos el nivel de significancia dentro de
los mismos factores, permitiendo aceptar o rechazar la hipótesis planteada al inicio
de la investigación.
Este análisis estadístico es lo que se llama análisis de varianza (ADEVA), que fue
introducido por Sir Ronald Fisher y es, en esencia, un procedimiento matemático
que consiste en desdoblar una suma de cuadrados total (variación total) dentro de
las fuentes de variación reconocidas, incluyendo la variación que no se ha podido
medir, fuente de variación a la que se conoce como residuo, resto o error
experimental.
El ADEVA es utilizado en todos los campos de la investigación cuando los datos
son medidos cuantitativamente, es decir, cuando las observaciones se hallan en
forma de números. Su uso ha significado una gran expansión para el diseño
experimental.
La relación que presenta el análisis de varianza y la hipótesis, es que el análisis de
la varianza es capaz de probar la hipótesis de igualdad de las k medias con un
solo estadístico de prueba, en todo trabajo experimental.
Referencias bibliográficas:
Cochran y Cox, (1985). Diseños experimentales, México: Trillas.
Corral, P. (2009). Diseños experimentales con aplicación a la agricultura y
la ganadería, México: Trillas.
O. Kuehl, R, (2001). Diseño de experimentos: Principios estadísticos de
diseño y análisis de investigación, Boston, EUA: Thomson Learning.
Palmer y Luis, (2009). Análisis de datos en diseños experimentales, Palma
de Mallorca, España: Edicions Uib.
Gutiérrez y De la Vara, (2008). Análisis y diseño de experimentos, México
DF, México: Mc Graw- Hill Interamericana.
Domínguez y Castaño, (2016). Diseño de experimentos - Estrategias en
análisis en ciencias e ingeniería, México DF, México: Alfaomega.
Douglas, C., (2004). Diseño y análisis de experimentos, México DF, México:
Limusa Wiley.
Navarro, J., (2006). Diseño experimental: aplicaciones en agricultura, Costa
Rica: Universidad de Costa Rica.
Condo y Pazmiño, (2015). Diseño experimental en el desarrollo del
conocimiento científico de las ciencias agropecuarias, Riobamba, Ecuador:
Instituto de Investigaciones.