UNIVERSIDAD TÉCNICA DE COTOPAXI

FACULTAD DE CIENCIAS AGROPECUARIAS Y

RECURSOS NATURALES

DATOS INFORMATIVOS:
Nombres:
 Villacís Gabriela. Materia: Diseño Experimental.
 Zambrano Iván. Carrera: Ing. Agroindustrial.
Docente: Ing. Ana Maricela Travéz Castellano Mg. Facultad: CAREN.
Tema: Ensayo sobre el DCA, DBCA, DBCR, DBI. Fecha: 09/05/2018

INTRODUCCIÓN

El diseño experimental es un método efectivo que forma parte del proceso de investigación.

Es un método que se aplica para planear y organizar una serie de pasos y acciones
necesarios para realizar un experimento y de esta manera obtener datos confiables este se
caracteriza porque involucra el manejo de variables independientes y variables
dependientes. En el presente ensayo daremos a conocer el BCA, DBCA, DBCR y DBI.

Estos diseños son los más eficaces y el más conocido en el diseño experimental es el DCA
ya que este es uno de los diseños más simples puesto que solamente estudia el efecto de un
factor el cual varia en diferentes tratamientos o niveles en este se debe realizar una
ANAVA ya que esta es la que contrasta la hipótesis de igualdad de las medidas
poblacionales entre los distintos tratamientos de un DCA.

Después de un DCA se puede continuar con DBCA el cual se considera el efecto de un

factor de bloques que a su vez esté constituido por tratamientos en donde un diseño
experimental de bloques al azar está completo cuando cada bloque tiene el mismo número
de tratamientos. Una ANAVA es un DBCA constituye en analizar los cocientes de la
varianza para probar la hipótesis de igualdad o desigualdad entre las medidas debido a los
tratamientos o bloques, separando la variación total en las partes con que contribuyen cada
fuente de variación. Las fuentes de participación principales son las debidas a los
tratamientos, a los bloques y las debidas al error.

1
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

Diseño bloque completo randomizado (DCBR) podemos decir que generalmente este
diseño es utilizado en experimento de campo y aun se pueden utilizar en invernaderos.

Donde existen uno o más fuentes de variación. Este diseño es cocido también como diseño
de doble vía de clasificación, en este diseño las unidades experimentales se agrupan en
bloques o grupos siendo estas homogéneas dentro de cada bloque y heterogéneas entre
bloques. El Diseño de bloques incompletos (DBI) en algunos casos se utiliza en
experimentos que usan diseño por bloques y de esta manera no puedan realizarse los
ensayos de todas las combinaciones de tratamientos dentro de cada bloque. Situaciones
como estas ocurren debido a escasez en los recursos del experimento, o por el tamaño físico
de bloques.

DESARROLLO

Diseño completamente al azar (DCA)

El DCA Es el más simple de todos los diseños, solamente se estudia el efecto de un factor,
el cual se varía en diferentes tratamientos o niveles.

Es el aprovechamiento de la condición de homogeneidad de las unidades experimentales, se

puede trabajar con igual y desigual número de repeticiones por tratamiento, sin que medie
la necesidad de recuperación de parcelas o unidades experimentales inexistentes.
(Guadalupe, 2015)

DCA es el mejor diseño cuando las unidades experimentales son homogéneas, Se usa
comúnmente en ensayos de laboratorio o cuando se pueden establecer un mayor número de
repeticiones.

Este diseño consiste en asignar los tratamientos aleatoriamente dentro de cada bloque de
manera tal que cada tratamiento que representado una vez en cada bloque.

2
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

Prueba de hipótesis en DCA

Ilustración 1

En su conjunto, la ecuación representa a la media general, más el efecto proveniente de los

tratamientos, más la presencia de un efecto al azar, que es el error experimental para cada
observación. (Guadalupe, 2015)

Consiste en analizar los cocientes de las varianzas para probar la hipótesis de igualdad o
desigualdad entre las medias debidas a los tratamientos. Para lo cual se separa la variación
total en las partes con que contribuye cada fuente de variación. En el caso de DCA las
fuentes de variación principales son las debidas a los tratamientos y las debidas al error.

Con estas fuentes de variación se obtienen los cuadrados de las sumatorias de las
desviaciones, tanto del tratamiento como del error y se construye una tabla de ANOVA.

Una vez que se rechaza la hipótesis nula y se acepta la hipótesis alternativa, se debe
investigar cuales tratamientos resultaron diferentes, o cuales tratamientos resultaron
diferentes, lo cual se puede realizar con diferentes métodos.

Ilustración 2

3
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

Análisis de varianza (ANOVA) en DCA.

Ilustración 3

Tabla 1

Ventajas Desventajas

Flexible en cuanto al número de TRT. Cuando la variación entre Unidades

El número de repeticiones de cada TRT Experimentales es grande se debe
puede ser diferente. escoger otro diseño porque el Error
Fácil análisis estadístico, especialmente si el Experimental resulta muy inflado
número de REP de cada TRT es igual.
Es el diseño con el que se obtener mayor
número de GL para el error. La precisión de un
EXPT aumenta con el número de GL para el
error.

Diseño de bloques completamente al azar (DBCA)

Considera el efecto de un factor por bloques que a su vez están constituidos por
tratamientos. A este diseño se le conoce como diseño de clasificación de dos vías.

El objetivo del diseño es reunir las unidades experimentales –a las que aplicará los
tratamientos– en bloques de cierto tamaño, de tal modo que los tratamientos participen por
igual, con condiciones tan uniformes como sea posible, dentro de cada bloque. (Guadalupe,
2015)

Un diseño experimental de bloques al azar está completo cuando cada bloque tiene el
mismo número de tratamientos.

4
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

La variabilidad entre unidades experimentales de diferentes bloques será mayor que entre
unidades dentro del mismo bloque. En consecuencia, las diferencias que se encuentren
entre unidades se deberá en su mayor parte a diferencias entre tratamientos; la diferencia
que no se debe a tratamientos es removida por el diseño y forma parte del error
experimental.

Prueba de hipótesis en DBCA

Ilustración 4

Análisis de varianza (ANOVA) en DBCA

Consiste en analizar los cocientes de las varianzas para probar la hipótesis de igualdad o
desigualdad entre las medias debidas a los tratamientos y los bloques, separando la
variación total en las partes con que contribuye cada fuente de variación. Las fuentes de
variación principales son las debidas a los tratamientos, a los bloques y las debidas al error.

Ilustración 5

Análisis de varianza (ANOVA) en DBCA

Ilustración 6

5
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

Tabla 2

Ventajas Desventajas

El bloqueo aumenta la precisión Datos perdidos causan dificultades en el

removiendo una fuente de variación
del Error EXPTL.
Se puede usar cualquier cantidad de
bloques y TRT’s y el análisis es
mucho más fácil cuando cada TRT se
repita el mismo número de veces en
cada bloque.
El análisis estadístico es
relativamente simple.
análisis
Asignación errónea de TRT’s a las UE puede
causar problemas en el análisis
Difícil el manejo cuando el número de TRT’ s
es elevado.
Si las UE son homogéneas DCA es más
eficiente

Diseño bloque completo randomizado (DBCR)

“El BNCR es conocido como diseño de doble vía de clasificación, en este diseño las
unidades experimentales se agrupan en bloques siendo éstas homogéneas dentro de cada
bloque y heterogéneas entre bloques. Generalmente este diseño es utilizado en experimento
de campo y aun se pueden utilizar en invernaderos. Donde existen uno o más fuentes de
variación.” (Poma)

Podemos hablar sobre las características as cuales se distribuyen en grupos o bloques bajo
criterios de homogeneidad dentro de grupos y heterogeneidad entre grupos. En cada uno de
los bloques el número de unidades experimentales es igual al número de tratamientos
(aleatoriamente).

6
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

Modelo aditivo lineal

Tabla 3

VENTAJAS
Al agrupar las unidades experimentales
dentro de bloques usualmente se obtiene
mayor precisión que el diseño completamente
al azar.
DESVENTAJAS
Cuando el número de tratamientos es
elevado dificulta tener bloques grandes y
homogéneos, debido a que se va
incrementar el error experimental.

Es simple y fácil de planificar. Cuandosepierdelasunidades

Se puede eliminar tratamientos o bloques sin
complicar el análisis.
Las unidades experimentales perdidas no
causan mucha dificultad.
Es flexible con relación al número de
tratamientos y repeticiones.
experimentales, se tiene que disminuir los
Grados de Libertad del error, lo cual trae
consigo un mayor valor del error
experimental
7
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

Diseño por bloques incompletos (DBI).

Cuando las comparaciones entre todos los tratamientos tienen la misma importancia, éstas
deben elegirse de manera que ocurran en forma balanceada dentro década bloque. Esto
significa que cualquier par de tratamientos ocurren juntos el mismo número de veces que
cualquier otro par. Por lo tanto, un diseño balanceado por bloques incompletos es un diseño
por bloques incompletos en el que cualquier par de tratamientos ocurren juntos el mismo
número de veces

Si se trabaja con un diseño factrial que consta de varios factores, se puede generar una gran
cantidad de grupos de tratamiento, de manera que la formacion de bloques con un numero
suficiente de sujetos como para que puedan ser asignados al azar a cada uno de tales grupos
puede resultar muy costosa. Asi, podemos encontrarnos ante una situacion en la que quiza
no se disponga de suficientes sujetos como para que cada bloque constituya una replicacion
completa del experimento.

Por otra parte, aun cuando el experimentador constase con la cantidad necesaria de sujetos
para elaborar tales bloques , la contrucción de bloques de gran tamaño incrementaria la
heterogeidad intrabloques, la construcción de bloques de gran tamaño incrementaria la
heterogeneidad intrabloque y, enconsecuencia , reduciria la precisión en la estimación de
los efectos experimentales.

Ante dichos inconvenientes, cabe recurrir a la tecnica de confusión,cuyo principio basico

consite en obtener bloques de menor tamaño que no constituye replicaciones completas.

8
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

CONCLUSIONES

 El diseño experimental por el método de DCA es uno de los diseños más simples de
todos los diseños ya que solamente se estudia el efecto de un factor, el cual se varía
en diferentes tratamientos o niveles.

 El diseño de DBCA considera el efecto de un factor por bloques que a su vez están
constituidos por tratamientos en donde un diseño experimental de bloques al azar
está completo cuando cada bloque tiene el mismo número de tratamientos.

 Como conclusión se puede decir que el diseño bloque completo randomizado (DCBR)
es utilizado en experimentos que se realicen en el campo donde existen uno o más
fuentes de variación los cuales se agrupan en bloques o grupos siendo estas
homogéneas dentro de cada bloque y heterogéneas entre bloque.

 El Diseño de bloques incompletos (DBI) se puede decir que este se utiliza en

experimentos que usan diseño por bloques ya que de esta manera no puedan realizarse
los ensayos de todas las combinaciones de tratamientos dentro de cada bloque.
Situaciones como estas ocurren debido a escasez en los recursos del experimento, o
por el tamaño físico de bloques. Por aquello debemos estar siempre pendientes de cada
una de los datos.

9
 UNIVERSIDAD TÉCNICA DE COTOPAXI
FACULTAD DE CIENCIAS AGROPECUARIAS Y
RECURSOS NATURALES

BIBLIOGRAFÍA

 Murga, R. T. (s.f.). dbcr. Obtenido de https://es.scribd.com/document/313911744/DBCR

 Saritajarma. (6 de 10 de 2011). scribd. Obtenido de

https://es.scribd.com/document/67760968/DBI

 Taipe, V. (29 de 11 de 2016). slideshare. Obtenido de

https://es.slideshare.net/veronicataipe904/clasificacin-de-los-diseos-experimentales-
69657856

 Miguel Sanz. (2016). DCA DBCA. 08/05/2018, de aulavirtual.agr Sitio web:

http://aulavirtual.agro.unlp.edu.ar/pluginfile.php/16710/mod_resource/content/1/Mo
delos%20de%20ANOVA%20de%20un%20Factor.pdf

 Guadalupe, L. A. (22 de 04 de 2015). espoch.edu. Quito: ESPOCH.

 María del mar. (2015). DISEÑO DE BLOQUES COMPLETOS AL AZAR: DBCA

. 08/05/2018, de tarwi.lamolina Sitio web:
http://tarwi.lamolina.edu.pe/~fmendiburu/indexfiler/
academic/metodos1/Bloques.pdf

10