Beruflich Dokumente
Kultur Dokumente
1.- INTRODUCCION
1
Técnica experimental
Henry Esnor Valdez Huanca
Uno de los países que esta dentro de esta línea de investigación agrícola y que a
incrementados los rendimientos unitarios de los cultivos básicos es México,
según informe de la SAG. Mexico los rendimientos ton/ha, en 10 cultivos
básicos en los años de 1930 y 1974 son los siguientes.
2
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO I
DISEÑOS EXPERIMENTALES.
1.1 ASPECTOS GENERALES
El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald
A. Fisher, quién sentó la base de la teoría del Diseño Experimental y que a la
fecha se encuentra bastante desarrollada y ampliada. Actualmente las
aplicaciones son múltiples, especialmente en la investigación de las ciencias
agrícolas, ingeniería, laboratorios y casi todas las ramas de las ciencias sociales
La experimentación proporciona los datos experimentales, en contraste con los
datos de la observación; los datos de la observación se representan como su
nombre indica por observaciones de las unidades elementales de una población
o de una muestra, y no deben ser cambiados ni modificados por ningún intento
de parte de un investigador en el curso de la observación.
Por su parte Ostle (1965) define a un diseño experimental como la secuencia
completa de pasos que se toman de antemano para asegurar la obtención de
datos apropiados, tales que permitan un análisis objetivo que conduzca a
deducciones validas con respecto al problema establecido.
En forma mas simplificada, se puede decir que un diseño no es otra cosa que
una planeación anticipada de la forma en que se conducirá un experimento,
para obtener de el la información buscada.
El diseño es el arma de trabajo de investigación. Es el cambio del empirismo a
la evaluación.
3
Técnica experimental
Henry Esnor Valdez Huanca
Ventajas:
Se requiere una estrecha vigilancia entre el estadístico y el investigador o
producto científico, lo cual trae ventajas en el análisis e interpretación
de las etapas del programa.
Se pone énfasis en las alternativas anticipadas y en la planeacion
sistemática, permitiendo aun la ejecución por etapas y la producción
unida de datos para el análisis en combinaciones posteriores.
Puede dirigirse la atención a las interrelaciones y a la estimación y
cuantificación de fuentes de variabilidad en los resultados.
El número de pruebas requerido es determinable con certeza, y a
menudo reducible.
La comparación de los efectos de los cambios o estímulos es mas precisa,
debido a la agrupación de resultados.
La exactitud de las conclusiones se conoce con precisión matemática
definida.
Desventajas:
Los diseños y su análisis están usualmente acompañados de enunciados
que se basan en el lenguaje técnico del estadístico; seria mucho mejor si
tales enunciados se tradujeran en términos significativos, para la
generalidad de la gente. Además, el estadístico no debería subestimar el
valor de presentar los resultados en forma grafica como un paso
preliminar de un procedimiento mas analítico.
Muchos diseños estadísticos, especialmente los formulados por primera
vez, han sido criticados de muy caros, complicados y que requieren
mucho tiempo. Tales criticas , cuando son validas , deben aceptarse de
buena fe y debe hacerse un intento honesto para mejorar la situación,
siempre que no sea en detrimento de la solución del problema.
4
Técnica experimental
Henry Esnor Valdez Huanca
Efecto de Borde.
En los experimentos agrícolas, muchas veces existen diferencias en el
crecimiento y la producción de las plantas que están situadas en los perímetros
de la parcela en relación con aquellas plantas situadas en la parte central; esta
diferencia es llamado efecto de borde y puede causar sobre-estimación o sub-
estimación de las respuestas de los tratamientos llegando con esto a
comparaciones sesgadas entre ellos.
El efecto de bordes puede ser causado por:
Vecindad de las parcelas ó áreas no cultivadas, que hace que las plantas en los
perímetros tengan menor competencia de luz y nutrientes.
Competencia entre tratamientos, que depende de la Naturaleza de los
tratamientos vecinos.
Para controlar el efecto de borde se acostumbra a evaluar solamente las plantas
centrales para los fines experimentales. Estas plantas centrales constituyen lo
que se llama parcela neta experimental
5
Técnica experimental
Henry Esnor Valdez Huanca
6
Técnica experimental
Henry Esnor Valdez Huanca
7
Técnica experimental
Henry Esnor Valdez Huanca
8
Técnica experimental
Henry Esnor Valdez Huanca
a. Transformación logarítmica El modelo lineal (por ejemplo Yij= µ + τi+ βj+ eij)
indica que el efecto del bloque , el efecto del tratamiento y el error
experimental, son todos ellos aditivos. Si los bloques y los tratamientos
aumentan o disminuyen las mediciones en un determinado porcentaje en
lugar de una determinada cantidad, entonces se dice que los efectos son
multiplicativos y no aditivos. En estos casos, una transformación logarítmica
transformará en aditiva la relación multiplicativa y en consecuencia el modelo
lineal podrá ser aplicado a los nuevos datos. Para ciertos tipos de análisis, el
investigador prefiere la escala que elimina las interacciones mientras que
para otras puede preferir la escala que restituye los efectos lineales. Lo que
hay que recordar es que la relación entre las variables está muy influenciada
por las escalas con las que se miden dichas variables. Las interpretaciones de
los datos sólo son válidas en relación con la escala particular adoptada en un
caso determinado.
b. Transformación de la raíz cuadrada Cuando los datos están dados por
números enteros procedentes del conteo de objetos, como por ejemplo el
número de manchas en una hoja o el número de bacteria en una placa, los
números observados tienden a presentar una distribución de Poisson más que
una distribución normal. Las consideraciones teóricas conducen a la
transformación de la raíz cuadrada de los números observados. Normalmente
esta transformación determina que las varianzas de los grupos sean más
iguales. También es aplicable a las distribuciones sesgadas puesto que acorta
la cola larga. Si y es el número observado, para el análisis estadístico y la
prueba de significación utilizaremos y1/2. Cuando los números observados
son pequeños (de 2 a 10), se prefiere la transformación (y+0.5)1/2, en
especial cuando algunos de los números observados son cero.
CAPITULO: 2.
CARACTERISTICAS DE UN EXPERIMENTO BIEN PLANEADO Y MEDIDAS QUE
CONTRIBUYEN A ELEVAR LA PRECISIÒN.
La investigación científica consiste en la búsqueda permanente de la verdad
mediante métodos objetivos, adecuados y precisos. La experimentación es un
método científico de investigación que consiste en hacer operaciones y
9
Técnica experimental
Henry Esnor Valdez Huanca
10
Técnica experimental
Henry Esnor Valdez Huanca
11
Técnica experimental
Henry Esnor Valdez Huanca
12
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO:3.
ETAPAS FUNDAMENTALES EN LA EXPERIMENTACIÓN AGRÍCOLA.
El proceso de investigación agrícola puede ser analizado como un conjunto de
etapas, estas etapas interactúan dialécticamente constituyendo en si el
proceso investigativo.
La correcta concepción , planificación y control del proceso investigativo
contribuye al logro de resultados científicos, económicamente útiles factibles
de aplicación y que deriven en la obtención de mayor rendimiento y calidad
de los cultivos económicos.
El método científico sugiere que en el planeamiento de la experimentación se
debe tener presente las siguientes etapas :
PRODUCCIÓN AGRICOLA PRACTICA AGRICOLA
Elaboración de Determinación de
informe PROCESO DE objetivos
Organización y proceso de INVESTIGACI モ Selección del material
datos N AGRICOLA experimental
Ejecución técnica Selección de los
tratamientos
Selección de la unidad de Selección del diseño
observación
13
Técnica experimental
Henry Esnor Valdez Huanca
14
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO: 4.
ELEMENTOS DEL EXPERIMENTO DE CAMPO SU INFLUENCIA EN SU PRESICION
En todo experimento de campo siendo simple o complejo en correspondencia
con los objetivos que se planten, estará conformado por los elementos
fundamentales siguientes.
Tratamientos o variantes experimentales
Parcelas experimentales
Replicas o repeticiones
15
Técnica experimental
Henry Esnor Valdez Huanca
16
Técnica experimental
Henry Esnor Valdez Huanca
17
Técnica experimental
Henry Esnor Valdez Huanca
18
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO 5
LOS DISEÑOS EXPERIMENTALES, CARACTERÍSTICAS, SU SELECCIÓN.
19
Técnica experimental
Henry Esnor Valdez Huanca
El experimento de campo para que cumpla con los objetivos propuestos debe ser
ante todo preciso. La precisión juega un papel fundamental en el desarrollo del
trabajo experimental, ya que de ello depende la objetividad y veracidad de los
resultados que se obtengan.
El nivel de la precisión está dado por los siguientes factores entre otros:
Selección del lugar adecuado.
Elección del diseño.
Correcta selección del tamaño, forma y orientación de las parcelas
experimentales.
Ejecución técnica óptima del experimento.
La selección correcta del diseño requiere de sumo cuidado, pues esta se
descubre por lo general cuando el experimento está desarrollándose.
El diseño representa la interdisposición de las variantes y réplicas en el esquema
del experimento, acorde con una ley o ecuación matemática que justifique tal
ordenamiento.
Requisitos:
Debe dar una comparación válida entre las variantes que se estudien
Dar la mayor información posible en la menor área, tiempo y trabajo empleado.
Que sea preciso y flexible, así como sencillo en su ejecución técnica.
Cada esquema requiere de su elaboración matemática específica.
Diseños experimentales clásicos.
Un diseño experimental es una regla que determina la asignación de las
unidades experimentales a los tratamientos. Aunque los experimentos difieren
unos de otros en muchos aspectos, existen diseños estándar que se utilizan con
mucha frecuencia. Algunos de los más utilizados son los siguientes:
5.1 DISEÑO COMPLETAMENTE ALEATORIZADO.
El experimentador asigna las unidades experimentales a los tratamientos al azar.
La única restricción es el número de observaciones que se toman en cada
tratamiento. De hecho si ni es el número de observaciones en el i-ésimo
tratamiento, i = 1,...,I, entonces, los valores n 1,n2,...,nI determinan por completo
las propiedades estadísticas del diseño. Naturalmente, este tipo de diseño se
utiliza en experimentos que no incluyen factores bloque.
Este diseño es sencillo de planificar, flexible en cuanto al número de réplicas y
tratamientos, se pueden tener diferentes números de réplicas por tratamientos
sin que el análisis se complique, el análisis de varianza es simple.
No se puede controlar el error experimental por lo que no es un diseño muy
preciso.
Se utiliza para experimentos de laboratorio y semi laboratorio.
D B C B
B C D A
D A B A
20
Técnica experimental
Henry Esnor Valdez Huanca
C A C D
REPLICACIONES.
Las réplicas dan un estimado del error experimental y aumentando su número es
el medio más sencillo para incrementar la precisión, se deben tener, como
mínimo 10 grados de libertad para estimar el error experimental.
En los experimentos de campo, por lo general, se usan de 3 a 4 réplicas, 2
réplicas resulta inadecuado, pero suelen ser suficientes para experimentos bien
controlados en el laboratorio.
Las consideraciones anteriores no son válidas para los experimentos factoriales,
pues aquí aparecen las “réplicas escondidas”.
ALEATORIZACIÓN.
La aleatorización asegura la validez de la estimación del error experimental, al
evitar sesgos que pueden ser introducidos. Permite que las variantes abarquen
mejor la variabilidad de la fertilidad del suelo.
Se elimina la influencia unilateral de la variante vecina, lográndose condiciones
iguales de comparación entre las variantes.
Se pueden aplicar métodos estadísticos más perfeccionados como es el análisis
de varianza.
CONTROL LOCAL.
Consiste en el bloqueo de las variantes, con el fin de controlar el error
experimental.
Todos los tratamientos del experimento deben ser aleatorizados dentro del
bloque, el objetivo es hacer los bloques lo más homogéneo posible.
En los experimentos de campo los factores que más influyen en la disposición de
los bloque son la fertilidad y humedad naturales del suelo.
21
Técnica experimental
Henry Esnor Valdez Huanca
BLOQUES AL AZAR
C A B D
D B A C gradiente
A C D B
22
Técnica experimental
Henry Esnor Valdez Huanca
B D A C
A C B D
D A C B
C B D A
Cada valor =una const efecto de + efecto + error + efecto + efecto + error
Observado general réplicas factor A a factor B AxB b
Factor Niveles
Variedad A B y C
Riego 1 y 2
A 1 B 2
C 1 A 2
B 1 C 2
A 2 C 1
B 2 A 1
C 2 B 1
C 1 A 2
B 1 C 2
23
Técnica experimental
Henry Esnor Valdez Huanca
A 1 B 2
DISEÑOS EN FRANJAS
DISEÑOS EN FRANJAS
Factores Niveles
Preparación del suelo 1 y 2 Variedad
Replica I Replica II
A C B B C A
1 1
2
2
Replica III
C B A
1
Se llaman así a los esquemas donde están presentes todas las combinaciones de
los niveles de los factores en estudio.
Ejemplo:
Estudio de cuatro variedades y tres sistemas de plantación (bifactorial).
24
Técnica experimental
Henry Esnor Valdez Huanca
Ejemplo:
Potasio K1 K2
25
Técnica experimental
Henry Esnor Valdez Huanca
En este caso los diseños apropiados son los Látices. Estos diseños son
comparables con los Cuadrados Latinos por la forma de extraer las variaciones
de la fertilidad del suelo.
El investigador debe conocer como varía el suelo para asegurar una mejor
selección del diseño por el cual montará su experimento.(Extraído del material
empleado en la maestría agroforesteria para el desarrollo sostenible- Lopez A.
2003)
CAPITULO 6
COMPARACION DE MEDIA PARA DOS GRUPOS( t de Student)
6.1 INTRODUCCION.- En Los procesos prácticos o investigación del área
agropecuaria es común tener que efectuar comparaciones entre dos medias de
muestras aleatorias de una misma o diferente población bajo algún parámetro
en estudio. Por ejemplo el comportamiento bajo una dieta para el macho y la
26
Técnica experimental
Henry Esnor Valdez Huanca
hembra de una especie, El maíz criollo de una zona contra algún material
mejorado, o la comparación entre diferentes razas de animales, o dos sistemas
de poda en una especie frutal en diferentes huertos.
3.- Determinar los grados de libertad del elemento en cuestión y los del error
experimental
XA XB
t
Sd
5.- Aceptación o rechazo de la hipótesis.
FC Ft NS
FC Ft * 5 %
FC Ft * * 1%
FC Ft *** 0,1 %
27
Técnica experimental
Henry Esnor Valdez Huanca
cuyo costo fue de 35 Bs., los datos en cuanto a la longitud de las raíces a los 3
meses de haber comenzado el experimento se detallan a continuación:
7,243
0,317
n n 1 72
XA XB 0,16
t = tc 0,5047
Sd 0,317
Ttabulada = 2,26 valor obtenido de la tabla estadística (distribución de t
STUDENT) con grados de libertad = gl n-1 donde n = al numero de parejas .
Conclusión: Como tc = 0,5047 es menor que Tt= 2,26 es posible afirmar que no
existe diferencia significativa entre los tratamientos para un nivel de
significación del 5% de probabilidad; por lo tanto rechazamos la Ho, pero si
tomamos en cuenta el aspecto económico se recomienda la utilización del
producto hormonal –biológico (PROBIOBAS) cuyo costo es menor que el ROTONE
.
28
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO 7
DISEÑOS COMPLEMENTARIOS ALEATORIO
7.1 INTRODUCCION.-El diseño completamente aleatorio es uno de los mas
simples de los diseños experimentales, las características de este diseño son
las siguientes.
Exige unidades experimentales homogéneas
Permite comparar cualquier número de tratamientos
Admite un factor de varios niveles de combinación o diferentes factores
Los tratamientos y sus replicas se asignan a las unidades experimentales al
azar.
La principal desventaja es su precisión que es baja , por cuanto no tiene
restricciones en lo que se refiere a la ubicación de los tratamientos, por lo que
estos no aparecen en grupos mas homogéneo. Como la aleatorizacion no es
restringida de manera alguna, para asegurar que las unidades que reciben un
tratamiento sean similares a las que reciben otro tratamiento, toda la
variación entre las unidades experimentales se refleja en el error experimental,
sin embargo, esto es compensado en parte por el mayor numero de grados de
libertad que se logran para el error, con un mismo numero de tratamientos y
unidades experimentales. Otro de los defectos de este diseño es que en su
estructura, no existe nada que tienda a reducir el error a un mínimo, ejerciendo
un control sobre el mismo.
El diseño aunque se usa raramente en experimentos de campo, porque hay
otros casi tan simples y muchos mas eficientes, es útil en ensayos preliminares
cuando el material experimental es limitado (poca semilla, etc.) Así como en
algunos tipos de experimentos en invernaderos y laboratorio, o sea en
condiciones controladas y semicontroladas.
El modelo matemático que justifica este diseño viene dado por:
Cada valor Observado = Constante general + Efecto de los tratamientos + Un
error
Yij = m + ti + eij
El modelo en el que se basa el análisis nos dice que una observación es el
efecto de una media general alrededor de la cual se encuentran los valores de
todas las observaciones (m), el efecto de tratamiento viene representado por (t i
) y un error experimental que viene dado por ( e ij)
Tratamientos t 1 ti 2 B
( 2)
2
r
Fc B t 1 3
29
Técnica experimental
Henry Esnor Valdez Huanca
Error C ---------
(3)
experimental t r 1 A B C t r 1
Donde:
t = tratamiento
r = replicas o repeticiones
y = observación individual
Fc = Factor de corrección
Fc
GT 2 = 1380 2 = 126
N 15
Suma de cuadrados totales
SCT Y 2 Fc 90 92 .................... 92 12696 60,0
2 2 2
30
Técnica experimental
Henry Esnor Valdez Huanca
SCt
t 2
Fc
459 ......... 461 12696 0,4
2
N r 5
Suma de cuadrados del Error
SCe SCT SCt 60 0,4 59,6
Cuadrado medio de los tratamientos.
SCt 0,4
CMt 0,20
Glt 2
Cuadrado medio del error.
SCe 59,6
CMe 4,96
Gle 12
F Calculada para los tratamientos
CMt 0,20
Fc 0,04
CMe 4,96
ANALISIS DE VARIANZA
Fuentes de Gl SC CM Fc 0,5 Ft 1%
Variación
Total 14 60,00
Tratamientos 2 0,4 0,20 0,04ns 3,88- 6,96
Error 12 59,60 4,96
Coeficiente de Variación
CMe 4,96
Cv *100 *100 2,42
X 92
CONCLUSION:
Como el valor de la F calculada es menor que la tabulada, aceptamos la
hipótesis nula,
por lo tanto, no hay diferencias significativas entre las temperaturas de
almacenajes, pero desde el punto de vista económico, se recomendaría la
utilización del cero grado de almacenamiento, pues se necesita menor energía
para mantener dicha temperatura.
Ejemplo.
31
Técnica experimental
Henry Esnor Valdez Huanca
TABLA DE RESULTADOS
Dosis de I II III IV V
H2SO4 (lts/ha)
0 28 27 26 28 25 134
10 30 32 32 31 30 155
20 40 42 40 43 44 209
30 41 43 42 41 40 207
40 52 50 53 52 54 261
966
Factor de corrección
Fc
GT 2 = 966 2 = 37326,24
N 25
Suma de cuadrados totales
SCT Y 2 Fc 28 30 .................... 54 37326,24 2037,76
2 2 2
SCt
t 2
Fc
134 2 .........151 37326,24 2000,16
N r 5
Suma de cuadrados del Error
SCe SCT SCt 2037,76 2000,16 37,6
Cuadrado medio de los tratamientos.
SCt 2000,16
CMt 500,04
Glt 4
Cuadrado medio del error.
SCe 37,60
CMe 1,88
Gle 20
ANALISIS DE VARIANZA
Fuentes de Gl SC CM Fc 0,5 Ft 1%
Variación
32
Técnica experimental
Henry Esnor Valdez Huanca
Total 24 2037,76
Tratamientos 4 2000,16 500,04 265,98** 2,87- 4,43
Error 20 37,60 1,88
Coeficiente de variación
CMe 1,88
Cv * 100 * 100 3,54
X 38,64
Tratamientos Medias
33
Técnica experimental
Henry Esnor Valdez Huanca
40 52,2
20 41,8
30 41,4
10 31,0
0 26,8
2.- Calculo del error típico
CMe 1,88
Sx 0,61
r 5
3.- Calculo de los Limites de Significación LS = q *Sx
2 3 4 5
q 2,95 3,10 3,19 3,26
Sx 0,61 0,61 0,61 0,61
LS 1,77 1,88 1,91 1,96
Dif. = X A - X B LS *
Dif. =XA - XB LS ns
Tratamientos Medias
40 52,2a
20 41,8b
30 41,4b
10 31,0c
0 26,8d
Prueba de Tukey
T= q * Sx
q = Se encuentra en la tabla de Valores de Tukey, se busca con los grados de
libertad del error y el rango mayor de medias a comparar.
T= 4,23 * 0,60 = 2,53
Dif. = X A - X B T *
Dif. =XA - XB T ns
34
Técnica experimental
Henry Esnor Valdez Huanca
Tratamientos Medias
40 52,2a
20 41,8b
30 41,4b
10 31,0c
0 26,8d
Ejemplo 3
Una empresa forestal realizo un experimento con el fin de comprobar la cantidad
de germinación (numero de plantulas) resultantes de la aplicación de tres
métodos de estratificación (A = inmersión por 10 minutos en H 2SO4 al 10% ; B =
inmersión por 5 minutos en H 2O a 96°C y C = inmersión por 30 minutos en
H2SO4 al 20%) a la semilla de una especie de paraíso. La superficie disponible del
vivero se dividió en18 unidades experimentales y se acordó aplicar semilla de
cada tratamiento a seis parcelas ( replicas)los resultados que se obtuvieron por
parcela y por tratamiento se resumen a continuación.
METODOS DE ESTRATIFICACION
18 58 33
14 63 45
22 48 40
36 55 20
15 46 10
5 38 26
110 308 174 592
X = 18,3 51,3 29
Factor de corrección
Fc
GT 2 = 592 2 = 19470,22
N 18
Suma de cuadrados totales
SCT Y 2 Fc 18 14 .................... 38 19470,22 5151,77
2 2 2
SCt
t 2
Fc
110 2 ......... 308 12696 5151,77
N r 6
Suma de cuadrados del Error
SCe SCT SCt 5151,77 3403,11 1748,66
Cuadrado medio de los tratamientos.
35
Técnica experimental
Henry Esnor Valdez Huanca
SCt 3403,11
CMt 1701,55
Glt 2
Cuadrado medio del error.
SCe 1748,66
CMe 116,577
Gle 15
F Calculada para los tratamientos
CMt 1701,55
Fc 14,59
CMe 116 ,57
ANALISIS DE VARIANZA
Fuentes de Gl SC CM Fc 0,5 Ft 1%
Variación
Total 17 5151,77
Tratamientos 2 3403,11 1701,55 14,59** 3,63- 6,36
Error 15 1748,66 116,57
Coeficiente de Variacion
CMe 116 ,57
Cv * 100 * 100 32,9
X 32,8
51,3 29
18,33 32,97/13,27* 10,67/13,27ns
29 22/13,27*
Letras iguales según MDS no difieren a 5% de probabilidad
Tratamientos Medias
A 51,3 a
B 29 b
C 18,3 c
36
Técnica experimental
Henry Esnor Valdez Huanca
Tratamientos Medias
A 51,39
B 29,00
C
18,33
2.- Calculo del error típico
2 3
q 3,01 3,16
Sx 4,4 4,4
LS 13,23 13,09
Dif. = X A - X B LS *
Dif. =XA - XB LS ns
51,3 29
18,33 32,97/13,09* 10,67/13,23ns
29 22/13,13,23*
Tratamientos Medias
A 51,3 a
B 29 b
C 18,3 c
Se recomienda en primera instancia tratar las semillas con inmersión por 10
min. En H2SO4 al 10% así se obtendrán mayor cantidad de germinación en la
especie de paraíso
Prueba de Tukey
T= q * Sx
37
Técnica experimental
Henry Esnor Valdez Huanca
51,3 29
18,33 32,97/16,1* 10,67/16,1ns
29 22/16,1*
CAPITULO 8
ANALISIS ESTADISTICO E INTERPRETACIÓN DE LOS DATOS DE EXPERIMENTOS
CONDUCIDOS CON DISEÑOS TOTALMENTE ALEATORIO (NO BALANCEADO).
A veces se presenta el caso de que por insuficiencia del material para todos los
tratamientos, o porque se han perdido unidades experimentales, no se dispone
de igual numero de observaciones por tratamiento. Esta es una de las ventajas
del diseño completamente al azar, ya que los datos se pueden analizar
directamente sin tener que estimar parcelas perdidas.
Por ejemplo: de analizo un experimento donde se estudiaron comparativamente
tres variedades, A,B,C con un diseño completamente aleatorio, la variable
analizada fue rendimiento. Durante el desarrollo del mismo se presento una
plaga por lo que se perdieron 9 parcelas del total. La hipótesis por probar es:
Ho; No existen diferencias entre los tratamientos
38
Técnica experimental
Henry Esnor Valdez Huanca
Replicas A B C
1 49 34 31
2 30 4 34
3 26 41 28
4 53 19 27
5 27 19 43
6 39 36 24
7 41 29 18
8 38 36 -
9 - 33 -
10 - 34 -
11 - 32 -
12 - 39 -
303 356 205
37.9 29.7 29.3
ANALISIS DE VARIANZA
Fuentes de SC GL CM FC FT 5% FT
variación 1%
Total 2690 26
Tratamientos 393,03 22 196,52 2,054NS 3,40 5,61
Error 2296,97 24 95,71
SUMAS DE CUADRADOS
Factor de corrección
(GT ) 2 (864) 2
Fc 27648
N 27
Suma de cuadrados totales
SCT y Fc 49 39 ................18 27648.0 -30338 – 27648.0 =2690
2 2 2 2
SCt
t 2 Fc 303 2 356 2 205 2 27648.0 339.03
r 8 12 7
Suma de cuadrados del error
SCe SCT SCt 2690 393.03 2296.9 7
En general en estos experimentos se estima mejor el tratamiento que tiene mas
replicas
GRADOS DE LIBERTAD
Grados de Libertad para un total
GLT n 1 27 1 26
Grados de Libertad para tratamientos
GLt t 1 3 1 2
Grados de Libertad para el error
39
Técnica experimental
Henry Esnor Valdez Huanca
“F” CALCULADA
CMt 196,52
Fc = = = 2,05
CMe 95,71
Fc Ft 2,05 3,40
Fc = 2,05 NS
COMPARACION DE PROMEDIOS
1 1
MDS =t glE
5%
x S 2
n1 n2
303
XA = 37,9 VARIEDADES
8
A 37,9
356
29,7
XB 12 B 29,7
----------------------
8,2MDS
1 1
= 2,064 95,71 9,20 kg.
8 12
A - B MDS 9,20 NS
PRUEBA DE DUNCAN
40
Técnica experimental
Henry Esnor Valdez Huanca
S2 1 1
LSA =qx n1 = 8 n2=12
2 n1 n2
C
PRUEBA DE TUKEY
S2 1 1
TA =qx n1 = 8 n2 =12
2 n1 n2
C
CAPITULO 9
DISEÑO DE BLOQUES COMPLETOS AL AZAR.
9.1 INTRODUCCION Se lo denomina generalmente diseño de bloques al azar o
de Fisher por sus características flexibles , este diseño es el mas universalmente
utilizado en experimentos con plantas , también se utilizan en experimentos
con animales.
Se trata de un diseño de bloques completos, o sea, cada bloque contiene
tantas unidades experimentales como tratamientos se investiguen, por ello
cada boque constituye una replica del experimento.
Determinados por los objetivos de la investigación y la precisión deseada, los
tratamientos y replicas necesarios, el lote experimental o el total de animales
se divide en tantas partes iguales como replicas se vayan a tener en el
experimento, a su vez, cada replica o bloque se divide en tantas unidades
elementales (parcelas , animales o grupos de animales) de iguales dimensiones
como sea el numero de tratamientos o variantes experimentales, los cuales son
ubicados de forma aleatoria e independientemente un bloque del otro.
Las parcelas pueden tener diferentes formas y tamaños, y el bloque igual
tratando siempre de que la superficie que abarque cada bloque o replica sea
lo mas homogénea posible, porque las variaciones del suelo pueden ser
detectadas y removidas del error experimental de bloque a bloque, pero no la
41
Técnica experimental
Henry Esnor Valdez Huanca
Los tratamientos son asignados al azar dentro de cada bloque y pueden ser de
varios niveles, de un solo factor o combinaciones de niveles de varios factores
La aleatorizacion se hace de los tratamientos dentro de cada repetición y luego
de las repeticiones mismas .
Yij = m + ti + ri + eij
42
Técnica experimental
Henry Esnor Valdez Huanca
r = replicas o repeticiones
Y = observación individual
Fc = Factor de corrección.
9.1 ANALISIS ESTADISTICO E INTERPRETACION DE LOS DATOS DE EXPERIMENTOS
CONDUCIDOS CON DISEÑOS DE BLOQUES AL AZAR
Ejemplo
En un ensayo comparativo de rendimiento en 7 variedades de papa conducido
en bloques al azar, las producciones obtenidas, en t/ha, fueron las siguientes.
Factor de corrección
Fc
GT 2 = 630.8 2 12.434,65
N 32
Suma de cuadrados totales
SCT Y 2 Fc 9.2 21.1 .......... .......... 24.6 12434,6 1149,71
2 2 2
SCt
t 2
Fc
42.8 2 ......... 91.2 12434,65 919,72
N r 4
Suma de los cuadrados de los bloques
SCb
b 2
Fc
142.1 2 .........158.3 12434,65 50,53
N t 8
43
Técnica experimental
Henry Esnor Valdez Huanca
CMt 131,39
Fc 15.37
CMe 8,55
Para el nivel del 1% de probabilidad, el valor de tabla de limites unilaterales de
F con 7 y 21 grados de libertad es 3,65. Luego, el valor obtenido (15,37) es
significativo al nivel del 15 de probabilidades, lo que se indica con dos
asteriscos.
Obsérvese que el efecto de los tratamientos es enteramente independiente de
que sea o no significativo el efecto de los bloques.
Luego para comparar las medias y determinar cual es el mejor tratamiento
podemos usar el tes o prueba de Tukey o Duncan de la misma manera que el
el capitulo anterior.
44
Técnica experimental
Henry Esnor Valdez Huanca
rb tT Gt
X
r 1 t 1
Donde:
X = parcela estimada.
r = Numero de repeticiones.
b =Total de bloques donde se perdió la parcela.
t = Numero de tratamientos.
T = Total de tratamientos donde se perdió la parcela.
Gt = Gran total
Cuando ya se estimo este valor, se coloca en la parcela faltante y se analiza el
experimento normalmente, solo que los grados de libertad del error y total se
disminuyen una unidad, esto se debe a que dicho valor o valores estimados no
tienen desviaciones, por tal razón, no contribuyen a la suma de cuadrados del
error. Por lo tanto, en el total , la suma de cuadrados del tratamiento esta
aumentada la cantidad dada por la siguiente ecuación ( siempre y cuando el
numero de tratamiento sea mayor a 10)
Supongamos que el experimento anterior se perdió la parcela con la variedad A
en el primer bloque (9,2), el análisis puede ser hecho mediante la estimativa de
un valor que sustituirá al que debería sido obtenido en esa parcela . Esta
estimativa de ninguna manera representa el valor que seria obtenido, ya que
nadie puede saber cual es, pero es un artificio de calculo que conduce al
mismo resultado, al que se llegaría por procesos muchos mas complejos,
considerando apenas los datos realmente obtenidos.
4132,9 8 33,6 621,6
En el caso de nuestro experimento seria: X 8,5
4 1 8 1
Este valor es la estimativa del dato perdido y para el análisis se procede como
anteriormente , con la única diferencia que se pierde un grado de libertad para
el error. Obtendremos así, el siguiente análisis de Varianza.
Fuentes de V. SC GL CM Fc F5% F1%
Total 1164,91 30
Bloques 53,31 3 17,77 1,98 3,10 4,94
Tratamiento 932,45 7 133,21 14,87** 2,52 3,71
Error 179,15 20 8,96
Ejercicio:
Trast/Bloques I II III IV V X
A 8 10 9 8 10 4 9,0
5
B 12 13 11 13 11 6 12,0
0
C 10 11 10 11 13 5 11,0
5
45
Técnica experimental
Henry Esnor Valdez Huanca
D 14 14 18 16 18 8 16,0
0
44 48 48 48 52 24 12,0
0
ANOVA
Fuentes de V. SC GL CM Fc F5% F1%
Total 16 19
Factor de corrección
Fc
GT 2 = 240 2 2880
N 20
Suma de cuadrados totales
SCT Y 2 Fc 8 12 ....................18 2880 160
2 2 2
SCt
t 2
Fc
45 2 ......... 80 2280 130
N r 5
Suma de los cuadrados de los bloques
SCb
b 2
Fc
44 2 ......... 52 2280 8,0
N t 4
Suma de cuadrados del Error
SCe SCT SCt SCb 160 8 130 22
Cuadrado medio de los tratamientos.
SCt 130
CMt 43,33
Glt 3
Cuadrado medio de los bloques
SCb 8
CMb 2 Cuadrado medio del error.
Glb 4
SCe 22
CMe 1,83
Gle 12
F Calculada para los tratamientos
CMt 43,33
Fc 23,68
CMe 1,83
46
Técnica experimental
Henry Esnor Valdez Huanca
CMb 2,0
Fc 1,09
CMe 1,83
CONCLUSIONES:
- Al no existir diferencias significativas entre bloques existe una relativa
homogeneidad del suelo de bloque a bloque.
- Se observan diferencias altamente significativas entre los tratamientos hay
necesidad de pasar a otras pruebas de comparación de medías para
determinar su orden o clasificación y se harán MDS, DUNCAN Y TUKEY.
PRUEBA DE MDS.
TRATAMIENTOS x
D = 400m3 ha 16,0
B = 200m3 ha 12,0
C = 300m3ha 11,0
A = 0 m3ha 9,0
Dif. XA – XB MDS *
2 CM
MDS = E
t 0.05 GLe
R
2 1.83
MDS = 2.179 = 1,85 Kg.
5
16 12 11
9 * * *
11 * NS
12 *
TRATAMIENTOS X
D 16ª
B 12b
C 11b
A 9c
CONCLUSIONES:
El mejor tratamiento fue el de 400 m 3 ha el cual difiere del resto, en segundo
lugar se observan los tratamientos de 200 y 300 m 3ha que entre ellos no hay
diferencias significativas y por último aparece la no aplicación del riego, se
puede deducir que siempre que se aplique el riego existirá respuesta y
significativa en este cultivo y bajo estas condiciones .
PRUEBA DE DUNCAN
1ro. Orden descendente de medías y establecimiento de rangos.
47
Técnica experimental
Henry Esnor Valdez Huanca
TRAT. X
D 16
B 12
C 11
A 9
Se busca con No. De médias y grados de libertad del error del ANOVA.
No. de X 2 3 4
Q 3,08 3,23 3.33
Sx 0,60 0,60 0,60
LS 1,85 1,93 1,99
16 12 11
9 * * *
11 * NS
12 *
TRAT X
D 16a
B 12b
C 11b
A 9c
48
Técnica experimental
Henry Esnor Valdez Huanca
TRAT X
D 16ª
B 12b
C 11b c
a 9c
a b c letras iguales no difieren al 5% de probabilidad
COMPARACION ENTRE LAS TRES PRUEBAS
LS
MDS 1,85
DUNCAN 1,85 1,93 1,99
TUKEY 2,52
CAPITULO 10
DISEÑO CUADRADO LATINO
El diseño cuadrado latino resulta ser una modificación del diseño bloques al
azar y en cierto sentido una modificación del mismo, además se caracteriza por
su estructura bidireccional, o sea, el control local o técnica de bloqueo se
realiza en dos sentidos perpendiculares al ubicárseles aleatoriamente todos
los tratamientos en cada fila y en cada columna.
Para una mejor comprensión de las características del diseño cuadrado latino ,
aclaramos que se da la denominación de fila al conjunto de unidades
elementales (parcelas) ubicadas horizontalmente y se llama columna al
49
Técnica experimental
Henry Esnor Valdez Huanca
50
Técnica experimental
Henry Esnor Valdez Huanca
Ejemplo.
∑
12.0 10.6 10.6 9.3 11.0 9.0 11.2 73.7
F B D C E A G
8.7 8.6 8.3 9.6 7.5 9.0 8.2 59.9
B E G F A D C
9.3 7.9 7.9 8.2 8.6 9.9 10.1 61.9
G C E D F B A
7.0 7.9 8.0 8.1 9.1 10.8 12.7 63.6
C F A G B E D
8.6 9.9 8.8 8.1 8.9 10.7 10.0 65.0
D G B A C F E
7.7 7.1 6.6 6.6 7.3 7.5 8.7 51.5
A D F E G C B
6.3 6.6 7.8 8.2 7.1 8.6 7.3 51.9
E A C B D G F
59.6 58.6 58.0 58.1 59.5 65.5 68.2 427.
5
A B C D E F G
9.0 10.6 9.3 10.6 11.0 12.0 11.2
7.5 8.7 8.2 9.0 8.6 9.6 8.3
10.1 9.9 7.9 8.2 7.9 8.6 9.3
8.0 9.1 7.0 12.7 10.8 7.9 8.1
8.1 8.8 8.9 8.6 10.0 10.7 9.9
51
Técnica experimental
Henry Esnor Valdez Huanca
Fc
GT 2 = 427,5 2 = 3729.72
N 49
Suma de cuadrados totales
SCT Y 2 Fc 9.0 6.62 .................... 7.3 3729.72 102.17
2 2 2
SCt
t 2
Fc
57.0 ......... 62.7
2
3729.72 7.29
N r 7
SCh
h 2
Fc
73.72 2 ......... 51.9 3729.72 51.30
N r 7
Suma de cuadrados de las columnas
SCc
c 2
Fc
59.62 2 ......... 68.2 3729.72 14.20
N r 7
Suma de cuadrados del Error
SCe SCT SCt SCh SCc 102.17 7.92 51.30 14.20 28.75
Fuentes de SC GL CM FC FT 5% FT
variación 1%
Total 102.17 48
Tratamientos 7.92 6 1.320 ns 1.38 2,46 3,56
Hileras 51.30 6 8,55 8,925 2,46 3,56
Columnas 14.20 6 2,36 2,46 2,46 3,56
error 28.75 30 0.958
52
Técnica experimental
Henry Esnor Valdez Huanca
Ejercicio
Se llevo a cabo un estudio comparativo de 4 variedades de tomate en un diseño
Cuadrado Latino. La variable respuesta fue rendimiento.
A2 B5 C8 D1 16
B6 C7 D2 A1 16
C6 D3 A3 B7 19
TRAT. D2 A2 B4 C7 15
16 17 17 16 66
x
A 8 2,0
B 22 5,5
C 28 7,0
D 8 2,0
Factor de corrección
Fc
GT
2
=
66
2
= 272.25
N 16
Suma de cuadrados totales
SCT Y 2 Fc 2 7 272.25 87.75
2 2
SCt
t 2
Fc
8 2 ......... 8 272.25 76.75
N r 4
SCh
h 2
Fc
16 2 .........15 272.25 2.25
N r 4
Suma de cuadrados de las columnas
SCc
c 2
Fc
16 2 .........16 272.25 0.25
N r 4
Suma de cuadrados del Error
SCe SCT SCt SCh SCc 87.75 76.75 2.25 0.25 8.50
Fuentes de SC GL CM FC FT 5% FT
variación 1%
Total 87.75 15
Tratamientos 76.75 3 25.58 18.14** 4.76 9.78
Hileras 2.25 3 0.75 0.53ns 4.76 9.78
53
Técnica experimental
Henry Esnor Valdez Huanca
CUADRADOS MEDIOS o S2
SC
CM Grados de Libertad
GL
N - 1“F” Calculada
CM conocida
Fc
CM error desconocido
Conclusiones del análisis de varianza.
Se detectan diferencias altamente significativas entre los tratamientos,
por lo que se debe pasar a una segunda prueba para clasificar sus
medias.
Al no existir diferencias significativas entre las filas y columnas existe una
relativa homogeneidad del suelo entre estos dos efectos.PRUEBA DE
DUNCAN
TRAT.
x
C 7.0a
B 5.5a
AyD 2.0b
No. de
x 2 3
q 3.46 3.59
S
x 0.59
LS 2.04 2.11
1.41
Sx 4
0.59 Dif. X a - Xb
> LS *
2.0 5.5
7.0 5* 1.5 NS
2.11 2.04
5.5 3.5 *
2.04
PRUEBA DE TUKEY
T = q · Sx Trat. X
Sx = 0.59 C 7.0 a
q5 = 4.34 B 5.5 a
54
Técnica experimental
Henry Esnor Valdez Huanca
T = 2.56 AyD 2.
Sx = 0.59 *
2 5.5
7 5* 1.5 NS
2.56 2.56
5.5 3.5 *
2.56
Total
hileras
2B 3D 6A 8C 19
7A 5C 5B ……. 24
5D 4B 9C 10A 28
6C 9A 5D 5B 25
Total 20 21 25 30 96
columnas
55
Técnica experimental
Henry Esnor Valdez Huanca
H= 24-7=17
C= 30-7=23
T= 20-7=13
GT= 96
r= 4
Entonces aplicando la formula tenemos.
4 24 30 20 2 * 96
X
3x 2
Ese dato es el estimado y corresponde a la parcela perdida.
CAPITULO 11
EXPERIMENTAOS FACTORIALES
ANALISIS ESTADISTICO E INTERPRETACION DE LOS DATOS DE UN EXPERIMENTO
BIFACTORIAL EN BLOQUES AL AZAR.
Ejercicio:
Se trata de un experimento en el cual se estudió la influencia del riego y la
fertilización nitrogenada en el cultivo del maíz. La descripción de las variantes es
la siguiente:
Factores Niveles Tratamientos
56
Técnica experimental
Henry Esnor Valdez Huanca
0 19 20 15 15 69 17.3
M1 30 20 20 20 18 78 19.5
60 18 20 18 18 74 18.5
120 20 19 18 19 76 19.0
0 32 29 18 21 100 25.0
M2 30 40 39 33 34 146 36.5
60 39 38 40 37 154 38.5
120 44 42 40 39 165 41.3
0 30 31 21 17 99 24.8
M3 30 42 35 28 33 138 34.5
60 38 38 36 35 147 36.8
120 48 51 50 48 197 49.3
Bloq. 390 382 337 334 1443
Riego/Ni 0 30 60 120 X
t.
M1 69 78 74 76 297 18,5
M2 100 146 154 165 565 35,3
M3 99 138 147 197 581 36,3
268 362 375 438 1443
X 22,3 30,1 31,2 36,5
ANALISIS DE VARIANZA
GT2 (1443)2
FC = = = 43380.18
N 48
57
Técnica experimental
Henry Esnor Valdez Huanca
SUMAS DE CUADRADO
TRATAMIENTO X
ª
M3 120 49,3
M2 120 41,3 b
M2 60 38,5 bc
M3 60 36,8c
M2 30 36,5 c
M3 30 34,5 c
M2 0 25,0 d
M3 0 24,8d
M130 19,5e
M1120 19,0e
M1 60 18,5e
M1 0 17,3e
58
Técnica experimental
Henry Esnor Valdez Huanca
2CM e
MDS x t00.5
R
2 x 7.73
MDS = x 2.04
4
CAPITULO 12
DISEÑO DE PARCELAS DIVIDIDAS
ANALISIS ESTADISTICO E INTERPRETACION DE LOS DATOS DE UN
EXPERIMENTO CONDUCIDO CON UN DISEÑO DE PARCELAS DIVIDIDAS.
59
Técnica experimental
Henry Esnor Valdez Huanca
EJEMPLO
60
Técnica experimental
Henry Esnor Valdez Huanca
Datos de rendimiento.
TRAT./ I II III IV
Rep.
A- 1 3 2 4 3 12
A-2 2 3 2 4 11
PM 5 5 6 7 23
B-1 4 5 2 3 14
B-2 3 4 5 4 16
Pm 7 9 7 7 30
C-1 2 3 2 3 10
C-2 4 2 3 3 12
PM 6 5 5 6 22
T 18 19 18 20 75
Tabla resumen.
R \ Var. 1 2 X
A 12 11 23 2.9
B 14 16 30 3.8
C 10 12 22 2.8
36 39 75
X 30 3.3
SUMA DE CUADRADOS
GT 2 752
FC = 234.38
N 24
61
Técnica experimental
Henry Esnor Valdez Huanca
SCPM
N niv.SP 2
Suma de cuadrados factor sistema de riego
Sr 23 2 ............. 22 2 234,38 4,75
2
SCSr
r * N niv.F var . 4*2
Suma de los cuadrados de los bloques
SCb
b 2
Fc
18 2 ......... 20 234,38 0,45
N t 6
Suma de cuadrados del Error a
SCea SCPM SCb SCSR 8,12 0,45 4,75 2,92
Suma de cuadrados de la sub parcela
SCsp SCT SCPM 20,62 8,12 12,50
Suma de cuadrados para el error b
Var 36 2 .... 39 2 234,38 0,37
2
SCVar .
r * N nivF .Sr 4*3
Suma de cuadrados para la interacción sistema de riego por variedad
SCSr / Var SCt SC var SCSr 0,75
Suma de cuadrados para los tratamientos.
t 12 2 ....12 2 234,38 5,87
2
SCt
r 4
SCeb SCsp SCv SCSr / Var 12,50 0,37 0,75 11,38
GRADOS DE LIBERTAD
GlT N 1 24 1 23
GLPM N 1 12 1 11
GlSr N 1 3 1 2
Glb N 1 4 1 3
Glea GlPM (Glb GlSr ) 11 (3 2) 6
GlSp GlT GlPM 23 11 12
GlVar 2 1 1
GlSr / Var 2 * 1 2
Gleb GlSp ´(Gl var GlSr / Var ) 9
CUADRADOS MEDIOS (S2)
SC
CM
Gl
“F” CALCULADA
62
Técnica experimental
Henry Esnor Valdez Huanca
CMSr 2,38
FcSr 4,86
CMea 0,49
CM var 0,37
FcVar 0,29
CMeb 1,26
CMSr / Var 0,38
FcSr / Var 0,30
CMeb 1.26
ANALISIS DE VARIANZA
Fuentes de Variación SC GL CM Fc Ft 5% Ft 1%
Total 20.62 23
P. mayores 8.12 11
Bloques 0.45 3 0.15 0.31 ns 4.76 9.78
S.de riego 4.75 2 2.38 4.86 ns 5.14 10.9
Error (a) 2.92 6 0.49
Sub - Parcela 12.50 12
Variedad 0.37 1 0.37 0.29 ns 5.12 13.7
R/V 0.75 2 0.38 0.30 ns 4.26 8.02
Error (b) 11.38 9 1.26
63
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO 13
ANALISIS ESTADISTICO E INTERPRETACION DE DATOS DE UN EXPERIMENTO
CONDUCIDO CON UN ARREGLO EN FRANJAS
DATOS
VAR/ REP I II III X
A1 1 2 2 5 1,6
A2 4 5 3 12 4
A3 6 7 5 18 6
11 14 10 35
B1 8 9 7 24 8
B2 10 11 12 33 11
B3 2 1 1 4 1,3
20 21 20 61
b 31 35 30 96
TABLAS DE INTERACCION.
Var / bloq I II III
a 11 14 10 35
b 20 21 20 61
31 35 30 96
R/V 1 2 3
x
A 5 12 18 35 3,88
B 24 33 4 61 6,7
64
Técnica experimental
Henry Esnor Valdez Huanca
29 45 22 96
X 4,83 7,5 3,6
Factor de corrección
Fc
GT 2 = 96 2 512
N 18
Suma de cuadrados totales
SCT Y 2 Fc 1 2 ....................1 512 222
2 2 2
SCb
b 2
Fc
31 ......... 30
2
512 2,33
N t 6
Suma de cuadrados del error(a)
SCea SCBloq / Var SCb SC var 0,78
SC var
r * N niv.Fr 3*3
Suma de cuadrados del factor riego
rieg 2 29 ......... 22
2 2
65
Técnica experimental
Henry Esnor Valdez Huanca
Variedades X
B 6,70 a
A 3,88 b
CME a
SX= 0.20
33
0.39
= 0.20
9
LS = 1.25
PRUEBA DE Duncan para riego.
0.33
Sx = 0.23
6
PROM 2 3
Q 3.93 4.01
Sx 0.23 0.23
Ls 0.90 0.92
RIEGO
x
2 7.50a
1 4.83b
3 3.6c
Sx 0.23
*
Duncan para la interacción VAR/RIEGO
TRAT. x
B2 11.0a
B1 8.0b
A3 6.0bc
A2 4.0cd
A1 1.6de
B3 1.3e
Sx 0.63
*
1.22
Sx = 0.63
3
Prom. 2 3 4 5 6
66
Técnica experimental
Henry Esnor Valdez Huanca
CAPITULO 14
REGRESIÓN LINEAL SIMPLE
14.1 INTRODUCCIÓN.
Frecuentemente estamos interesados en estudiar la manera como dos
variables están asociadas y cuantificar ese grado de asociación. Por ejemplo:
¿Será que plantas con la parte aérea mas desarrollada tienden a tener el
sistema radicular mas desarrollado?
¿Será que la materia seca de la parte aérea de una planta esta
relacionada con la materia seca de las raíces? O aun, será que estas dos
variables crecen en un mismo sentido?
¿Será que el contenido de azúcar en plantas de caña esta asociado con
el contenido de humedad en el suelo?
¿Será que las variables largas del cuerpo y profundidad del tórax en vacas
lecheras están asociadas?
67
Técnica experimental
Henry Esnor Valdez Huanca
de ahí que sea importante observar la relación y el efecto que existen entre las
variables involucradas.
La relación y el efecto entre dos variables pueden ser exactos cuando la
variación o los errores son mínimos o despreciables; sin embargo, en los
procesos biológicos esto generalmente no ocurre, en virtud de la cantidad de
variables que intervienen en un proceso, además de la heterogeneidad del
material con que se trabaja. Por otra parte, la relación puede ser aproximada;
así, cuando la tendencia de las observaciones puede ser “descrita” por una línea
recta, decimos que la relación es un caso particular de al regresión lineal simple,
la cual puede ser descrita por el siguiente modelo.
yˆ ˆ ˆ x
68
Técnica experimental
Henry Esnor Valdez Huanca
i i n i i n
n n
n xi yi
Sxy xi yi i i i i
i i n
69
Técnica experimental
Henry Esnor Valdez Huanca
Altura Peso
X Y X2 Y2 XY
247 1235 61009 1525225 305045
250 1250 62500 1562500 312500
235 1175 55225 1380625 276125
242 1210 58564 1464100 292820
227 1135 51529 1288225 257645
236 1178 55696 1387684 278008
261 1316 68121 1731856 343476
270 1356 72900 1838736 366120
234 1168 -54756 1364224 273312
225 1120 50625 1254400 252000
10 10 10 10 10
x 2427 x 12143 x
i i
i
i i
i
i i
2
i 590925 y
i i
2
i 14797575 x y 2957051
i i
i i
COEFICIENTE DE CORRELACIÓN
Primeramente, definimos si existe relación entre las variables involucradas por
medio del coeficiente de correlación, cuyo parámetro está definido por p,
estimado por mínimos cuadrados como r. Él mismo nos describe el grado de
relación entre las variables, dado que - p 1; esto implica que puede ser una
relación positiva o negativa, y conforme p 0 la relación entre las variables se
minimiza. Por lo anterior, la hipótesis a probar se define así;
Ho:p= 0
Ha p = 0
El estadístico de prueba está basado en una t-student, bajo las siguientes
características:
r n2
tc t / 2 n 2 gl
1 r 2
Donde:
r2
Sxy 2 ; así que r =
r2
Sxx Syy
La regla de decisión para la hipótesis planteada es:
Si tc > t /2 (n -2 )gl rechazamos Ho (existe relación)
Si tc < t /2 (n -2 )gl rechazamos Ha (no existe relación).
70
Técnica experimental
Henry Esnor Valdez Huanca
0.9993 10 2
tc 81.592 t 0.5/2(10-2)gl=2.306
1 0.9988
Como se puede observar, el valor de tc es mayor que el de t tabulada; por lo
tanto, rechazamos Ho. Si la muestra fuera representativa, podríamos afirmar que
existe relación entre la altura y el peso de la planta de maíz (P 0.05).
El coeficiente de determinación (r 2) tienen un valor de 99.88%, lo cual implica
que un modelo lineal explica en un porcentaje como el descrito la tendencia de
los datos observados, considerando esto como muy aceptable.
ECUACIÓN DE PREDICCIÓN
Para encontrar el grado de cambio en el peso de la planta de maíz por cada
cambio unitario en la altura de la misma, es necesario estimar la ecuación ya
mencionada:
yˆ i ˆ xi
Donde:
Sxy
ˆ y ˆx oy x 1214.3 5.256 242.7 61.331
Sxx
Sxy 9944.9
ˆ 5.256
Sxx 1892.1
71
Técnica experimental
Henry Esnor Valdez Huanca
ANÁLISIS DE REGRESIÓN
El coeficiente de regresión puede ser de gran cuantía o no serlo; es decir, en
ocasiones el cambio que la variable independiente provoca sobre la dependiente
puede no ser muy drástico o significativo. En consecuencia, si queremos haber
qué tan impactante es el efecto de la variable independiente, tendremos que
probar una hipótesis sobre el coeficiente de regresión:
Ho: = 0
Ha: 0
Esta hipótesis puede ser probada a partir del análisis de regresión- por medio de
una F de Snedecor- o con un estadístico basado en la t de student, en función de
que cuado existe un grado de libertad en el numerado de Ji cuadrada del
cociente para el estadístico de prueba con F se Snedecor, resultad que t 2 = Fc.
En el análisis de regresión, la suma de cuadrados total se particiona en la suma
de cuadrados de la regresión o pendiente y en la suma de cuadrados debida a la
variación aleatoria o residual. Lo mismo sucede con los grados de libertad, ya
que regresión cuenta con un grado de libertad en virtud de ser un parámetro
dependiente el que se estudia: n-2 grados de libertad para el residual y, por
consecuencia, n-1 grados libres para el total. En resumen, el análisis de
regresión es el siguiente:
El estadístico (Fc) se compara con una F tabular para 1 y n-2 grados libres, bajo
la siguiente regla de decisión:
Si Fc > F , existe significancia, rechazamos Ho
Si Fc < F , no hay significancia; rechazamos Ha
Del ejemplo propuesto, se obtiene análisis de regresión
FV gl Sc CM Fc F
Regresión 1 52 270.1 52 270 .1 6 969.34** 0.05 0.01
Residual 8 53 60 7.5 5 32 11.26
Total 9 52 330.1
Sumas de cuadrados.
72
Técnica experimental
Henry Esnor Valdez Huanca
SC regresión = (9 944.9)2
1 892 .1
SC total = 52330.1
SC residual = 52330.1 – 52 270.1
Como se puede observar, Fc es mayor que F tabular al 0.05 y 0.01, lo cual
implica a la significancia; por tanto, hay posibilidad de rechazar Ho. De lo
anterior, concluimos que el efecto de la altura sobre el peso de la planta es muy
impactante.
El estadístico bajo una t-student se define de la siguiente manera:
ˆ
tc t / 2 n 2 gl
Sˆ
La regla de decisión es:
Si tc > t , existe significancia; rechazamos Ho
Si tc < t , no hay significancia; rechazamos Ha
Lógicamente, aquí resulta que tc > t ,lo cual implica significancia; por tanto,
rechazamos Ho.
La razón de la relación mencionada entre tc 2 y Fc puede demostrarse numérica y
algebraicamente.
a) Demostración numérica:
Tc2 = Fc
(83.561)2 = 6969.34
6982.4 = 6 969.34
b) Demostración algebraica
tc2 = Fc
2
ˆ
CMreg
Sˆ CMres.
Sxy
ˆ
ˆ 2 Sxx ˆSxy CMreg
CMres CMres CMres CMres.
Sxx Sxx
INTERVALO DE CONFIANZA PARA
El coeficiente de regresión ( ̂ ) es un estimador a partir de una muestra; por
tanto, para definir el parámetro habrá que utilizar un intérvalo bajo cierta
probabilidad. Tal intervalo se define de la siguiente manera:
73
Técnica experimental
Henry Esnor Valdez Huanca
P ˆ t / 2 n 2 glSˆ ˆ t / 2 n 2 glSˆ 1
Sxy 9944.9
ˆ 5.256
Sxx 1892.1
CMres . 7.5
Sˆ 0.0629
Sxx 1892.1
P 5.256 2.306 0.0629 ˆ 5.256 2.306 0.0629 95%
P. 5.11 5.4095%
CAPITULO 16
ANALISIS DE COVARIANZA.
16.1 INTRODUCCION
74
Técnica experimental
Henry Esnor Valdez Huanca
75
Técnica experimental
Henry Esnor Valdez Huanca
TOTALES DE TRATAMIENTO
X Y
68.50 171.00
63.80 156.66
69.70 212.34
73.00 193.50
69.40 186.60
74.70 198.72
60.40 155.82
59.00 121.56
Fcx
GTx 2 538.50 2 12082.59
Nx 24
76
Técnica experimental
Henry Esnor Valdez Huanca
tx 2 68.52 ...............592
SCtx N rx Fcx 3
12082.59 75.869
SCex SCTx SCtx 189.496 75.869 113 .627
Fcx
GTy 2
1396.2 2 81223.935
Ny 24
Fc
x y 538.50 *1396.2 31327.23
tr 24
STxy x y ... .......... ... x y Fcxy 21.50 53.64 ...18.90 40.08 31327.23 672.077
Stxy
tx ty Fcxy 68.50 *171.0 59.00 *121.56 3127.23 343.429
r 3
Sexy STxy Stxy 672.077 343.429 328.648 .
77
Técnica experimental
Henry Esnor Valdez Huanca
0 0 0
La respuesta para el ejemplo propuesto se encuentra en el siguiente analisis de
regresión y en la sumas de los cuadrados.
Análisis de regresión
Fuentes de gl SC CM Fc 5% Ft 1%
variacion
Regresión 1 950.562 950.562 34.766* 4.54 8.68
Residual 15 410.120 27.341 *
Total 16 1360.682
Suma de cuadrados.
SC regresión =
SCexy 2 328.648 2 950.562
SCx 113 .627
SCT SCey 1360.682.
SC residual = SCT – SC regresión = 1360.682 - 950.562 = 410.120
Como se puede apreciar, numéricamente Fc es mayor que Ft P 0.01 ;Asi que
estamos en condición de rechazar la Ho, lo cual implica que la variable peso
inicial tiene efecto sobre el consumo de alimento. Entonces , para analizar la
respuesta acerca de la hipótesis objetivo – tratamiento- será necesario utilizar
un análisis de varianza ajustado, que permita corregir el efecto mencionado. Por
otra parte, cuando el estadístico de prueba de Fc no presenta significancía,
podemos decir que la variable concomitante no modifica el efecto de los
tratamientos, por lo que basta analizar la respueta por el diseño normal sobre el
cual se esta trabajando.
Fuentes de gl SC CM Fc 5% Ft 1%
variacion
Tratamientos 7 569.596 81.370 2.976* 2.70 4.14
Error 15 410.120 27.341
experimental 22 979.716
Total
Suma de cuadrados.
SCT SCey
SCxy 2 3363.342 672.077 2 979.716
SCex 189.496
78
Técnica experimental
Henry Esnor Valdez Huanca
SCT SCey
SCexy 2 1360.682
328.648 2 410.120
SCex 113 .627
79
Técnica experimental
Henry Esnor Valdez Huanca
80