ERROR EXPERIMENTAL
El error experimental viene a constituir la variabilidad motivada por las diferencias que se producen en los
resultados de unidades experimentales tratadas en forma similar.
Las principales fuentes de error experimental son:
La variabilidad inherente al material experimental (unidades experimentales).
Falta de homogeneidad en la técnica experimental.
Errores de experimentación.
Errores de observación y medición.
Efectos combinados de todos los factores extraños que puedan influir sobre los resultados del experimento
FORMAS DE DISMINUCIÓN DEL ERROR EXPERIMENTA
2. Factores Cualitativos. Son aquellos factores cuyos niveles son procedimientos o cualidades.
Ejemplo:
Factor A: Variedad de Cultivo
Niveles: Variedad1 (a0), Variedad 2(a1).
Hipótesis Estadística.- Es el supuesto que se hace sobre el valor de un parámetro (constante que caracteriza a una
población) el cual puede ser validado mediante una prueba estadística.
En la investigación agraria al realizar un análisis estadístico utilizando el ANOVA de un diseño experimental, la
hipótesis a probar es si los tratamientos tienen el mismo efecto sobre la variable que se estudia, es casi como se
tienen las hipótesis nula (H0) e hipótesis alterna (H1):
H0: ti = 0 (los i tratamientos tienen el mismo efecto sobre la variable en estudio).
H1: ti 0 (No todos los i tratamientos tienen el mismo efecto sobre la variable en estudio).
Al probar la hipótesis estadística el investigador está propenso a cometer los siguientes tipos de errores:
Tipos de Error
Error tipo I: Se comete cuando se rechaza la hipótesis nula, siendo está hipótesis falsa; la magnitud de este error es
fijado por el investigador y constituye el "nivel de significación de la prueba"; usualmente los valores usados
como nivel de significación son = 0.05 ó = 0.01.
Error tipo II: Se comete cuando se acepta la hipótesis nula, siendo está hipótesis falsa; la magnitud de este error
no se puede fijar, pero si es posible minimizar utilizando un tamaño adecuado de muestra.
PRINCIPIOS BASICOS DEL DISEÑO EXPERIMENTAL
Los principios básicos del diseño experimental son: repetición, aleatorización, y control local.
Repetición: Viene hacer la reproducción o réplica del experimento básico (asignación de un tratamiento a una
unidad experimental). Las principales razones por las cuales es deseable la repetición son: Primero que nos
proporciona una estimación del error experimental, siendo tal estimación confiable a medida que aumenta el
número de repeticiones, y segundo permite estimaciones más precisas del tratamiento en estudio.
Aleatorización: Consiste en la asignación al azar de los tratamientos en estudio a las unidades experimentales
con el propósito de asegurar que un determinado tratamiento no presente sesgo.
Por otro lado la aleatorización hace válidos los procesos de inferencia y las pruebas estadísticas.
Control Local (Control de error experimental): consiste en tomar medidas dentro del diseño experimental para
hacerlo más eficiente, de tal manera que pueda permitir la reducción del error experimental y así hacerla más
sensible a cualquier prueba de significación.
SUPUESTOS ACERCA DEL MODELO ESTADISTICO
Aditividad: Los factores o componentes del modelo estadísticos son aditivos, es decir la variable respuesta es la
suma de los factores del modelo estadístico.
Linealidad: La relación existente entre los factores o componentes del modelo estadístico es del nivel lineal.
Normalidad: Los valores resultados del experimento provienen de una distribución de probabilidad "Normal"
con media y varianza 2.
Varianzas Homogéneas (Homocedasticidad): Las diversas poblaciones generadas por la aplicación de dos ó más
tratamientos tienen varianzas homogéneas (Varianza común).
TIPOS DE MODELOS ESTADISTICOS
1. Modelo I (efectos fijos):
Se presenta cuando los tratamientos y demás factores que intervienen en un experimento son fijados por el
investigador; es decir, no se efectúa una elección aleatoria. En estos casos las conclusiones del análisis de
varianza solamente son válidas por los tratamientos y otros factores usados en el experimento. En el presente
trabajo se ha considerado únicamente el caso del modelo de efectos fijos, por ser el que se presenta con mayor
frecuencia en la experimentación agraria.
2. Modelo II (Efectos aleatorios):
Se presenta cuando los tratamientos y demás factores que intervienen en un experimento son fijados al azar
por la población. En estos casos las conclusiones del análisis de variancia son válidos tanto para los
tratamientos y demás factores usados, así como para todas las poblaciones de tratamientos y factores.
3. Modelo III (Modelo Mixto):
Este modelo es la combinación de los dos anteriores y se presenta cuando algunos factores son fijados y otros
son elegidos al azar. En estos casos las conclusiones del análisis de varianza son válidas para toda la población
de factores cuando estos son elegidos al azar, y solamente para los factores usados cuando estos son fijados.
PASOS A SEGUIR EN EL DISEÑO DE UN EXPERIMENTO
ANALISIS DE LA VARIANZA
Es una técnica estadística que sirve para determinar si diversos conjuntos de muestras aleatorias de una
determinada variable proceden de una misma población o bien de poblaciones distintas. En general, cada conjunto
muestral se caracteriza por estar afectado por un tratamiento específico, que eventualmente puede influir en los
valores que tome la variable que es objeto de estudio.
Aleatorizacion.-En este diseño, la aleatorización de los tratamientos se realiza en forma irrestricta sobre las
unidades experimentales, así pues si tenemos 3 tratamientos T1, T2, T3, una posible distribución podría ser:
T1 T3 T2
T1 T1 T2
T2 T3 T1
T2 T2 T3
Modelo Estadístico
Tratamientos
Total
1 2 ... t
Y11 Y21 ... Yt1
Y12 Y22 ... Yt2
Observaciones
... ... ... ...
Y1n Y2n ... Ytn
𝑡
Totales
T1 T2 … Tt 𝑇 = ∑ 𝑇𝑖
𝑖=1
Número de Observaciones n n n tn
Medias 𝑌̅1 𝑌̅2 𝑌̅𝑡 𝑌 = 𝑇⁄𝑡𝑛
∑ 𝑌 2 = 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠
𝑡 𝑛𝑖
2
∑ 𝑌 2 = ∑ ∑ 𝑦𝑖𝑗 ∶ 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑖=1 𝑗=1
n: Número de observaciones
𝑡
σ𝑡𝑖=1 𝑇𝑖2
𝑇𝑦𝑦 = − 𝑀𝑦𝑦 = ∑ 𝑛(𝑦ഥ𝑖 − 𝑌̅)2
𝑛
𝑖=1
TABLA DEL ANALISIS DE VARIANZA (ANVA) PARA IGUAL NUMERO DE OBSERVACIONES PARA
CADA TRATAMIENTO
Grados de Suma de
Fuente de Cuadrado Medio Razón
Libertad Cuadrados
Variación (C.M.) F
(g.l.) (S.C)
𝑇𝑦𝑦 𝑇
Entre Tratamiento t-1 Tyy 𝑇= 𝐹~
𝑡−1 𝐸
𝐸𝑦𝑦
Error Experimental t(n-1) Eyy 𝐸=
𝑡(𝑛 − 1)
Total tn-1 Tyy+Eyy
t ni nij
Y 2 yijk2
i 1 j 1 k 1
Suma de cuadrados de la Media.
T2
M yy
N
t 2
T
Tyy ni i M yy
i 1
nij
j 1
t Eij2
ni
E yy M yy T yy
i 1 j 1
nij
S yy y 2 M yy Tyy Eyy
Promedio de las nij observaciones en j-ésima unidad experimental sujeto al i-ésimo tratamiento:
Eij
Y ij
nij
Ti
Promedio de todas las observaciones en el j-ésimo tratamiento: Y i ni
n
i 1
ij
T
Promedio de todas las observaciones en todo el experimento: Y
N
Factor de Suma de
Grados de libertad Cuadrados medios Razón
Variación cuadrados
M yy
Media 1 M yy M
1
Tyy
Tratamientos t 1 Tyy T
t 1
T
Error t E yy FC
experimental
(n
i 1
i 1) E yy E
n 1 i
L
t ni S yy
Error de (n ij 1) S yy
S t ni
muestreo i 1 j 1 (n
i 1 j 1
ij 1)
TOTAL y 2
Coeficientes:
ni 2
t ij
n
N ni j 1
i 1
nij
c1 j 1
t
(ni 1)
i 1
ni 2 t ni 2
t ij
n nij
i 1
j
ni
1
i 1 j
N
1
nij
c2 j 1
t 1
2
ni
t
nij
i 1 j 1
N
c3 N
t 1
Ejemplo: Se quiere investigar la conversión fermentativa del azúcar a ácido lácteo. Se desea comparar la capacidad de 2 micro
organismos para realizar esta conversión. Una cantidad de substrato es preparada y dividida en dos porciones desiguales. Cada
porción es dividida en un número de subporciones de 100 ml (unidades experimentales); cada una de las unidades
experimentales de 100 ml es mezclada con uno u otro de los micro organismos, 4 unidades fueron mezcladas con el micro
organismo Nº 1 y 3 unidades con el micro organismo Nº 2. La fermentación se dejó por un espacio de 24 horas y después cada
unidad es examinada respecto a la cantidad de azúcar residual expresada en ml por cm 3, para determinar la cantidad de cambio
producida por cada micro organismo, el azúcar previamente presentado será convertido y aparecerá como ácido lácteo. Los
datos se encuentran en la siguiente tabla
(T1) (T2)
Muestra N° 1 Muestra N° 2
U. experim. 1 2 3 4 1 2 3
5,5 7,4
5,4
nij 2 3 5 2 3 3 4 N = 22
Ti 64,3 74,6 T = 138,9
ni 4 3
H0 : i 0
1) Hipótesis:
H1 : i 0
3) cálculo de parámetros
Y 2
902,07
138,92
M yy 876,9641
22
64,32 74,6 2
Tyy 876,9641 24,0927
12 10
Total 22 902,07
22 32 52 22 32 32 42
22
2 3 5 2 3 3 4 3,02
c1
3 2
2 2 32 5 2 2 2 32 32 4 2
6,9
c2 22 3,45
1
c2 c
L a1E a2 S E 1 2 S
c1 c1
3,45 3,45
L (0,1694) 1 0,0111 0,191939
3,02 3,02
L2
vˆ
(a1E ) 2 (a2 S ) 2
v1 v2
0,191939 2
vˆ 5 g.l.
((1,14)(0,1694)) 2 (( 0,14)(0,0111)) 2
5 15
24,0927
Fc 125,5227
0,191939
F1,5;0,95 6,61
Decisión: Se rechaza H0 : i 0
t n m
Y 2 yijk2i 1 j 1 k 1
T2
M yy
tnm
T i
2
T yy i 1
M yy
nm
t ni
Eij2
E yy M yy Tyy
i 1 j 1 m
S yy y 2 M yy Tyy Eyy
Grados de Suma de
Factor de Variación Cuadrados medios Razón
libertad cuadrados
M yy T
Media 1 M yy M Fc
1 E
Tyy
Tratamientos t 1 Tyy T
t 1
E yy
Error experimental t (n 1) E yy E
t (n 1)
S yy
Error de muestreo tn(m 1) S yy S
tn(m 1)
TOTAL y 2
Ejemplo: Un experimento tenía como finalidad la evaluación de las componentes de varianza para
verificar la variación de concentración de ácido ascórbico en plantas de nabo. Se tomaron dos hojas del
centro de cada una de 5 plantas y se determinó la concentración de ácido ascórbico para cada hoja. Esto
se repitió en seis días, empleando una nueva selección de plantas en cada día. Los datos obtenidos son
los siguientes:
Plantas
Día Hojas Ti
1 2 3 4 5
H 0 : i2 0
1) Hipótesis:
H 1 : i2 0
3) cálculo de parámetros
Y 2
5706,55
570,12
M yy 5416,90
60
Total 60 5706,55
Decisión: Se rechaza H 0
Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. Las
unidades experimentales homogéneas se agrupan formando grupos homogéneos llamados
bloques.
Tratamientos A, B, C, D, E
Bloque I : B A E C D
Bloque II : C B D E A
Bloque III: B E A D C
Bloque IV: D C A E B
Características:
1. Las unidades experimentales son heterogéneas.
2. Las unidades homogéneas están agrupadas formando los bloques.
3. En cada bloque se tiene un numero de unidades igual al numero de tratamientos (bloques
completos)
4. Los tratamientos están distribuidos al azar en cada bloque.
5. El número de repeticiones es igual al número de bloques.
MODELO
Cada observación del experimento es expresada mediante una ecuación lineal en los parámetros, el
conjunto conforma el modelo para el diseño de bloques completos aleatorizados:
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑗 + 𝛽𝑗 + 𝜀𝑖𝑗 ; 𝑖 = 1,2,3, … , 𝑡
𝑗 = 1,2,3, … , 𝑟
𝜇̂ = 𝑌̅..
𝜏̂ 𝑖 = 𝑌̅𝑖. − 𝑌̅..
𝑌𝑖.2 𝑌..2
𝑆𝐶 𝑇𝑟𝑎𝑡. = ∑ ∑(𝑌𝑖. − 𝑌̅. . )2 = ∑ −
𝑟 𝑟𝑡
2 𝑌.𝑗2 𝑌..2
𝑆𝐶 𝑏𝑙𝑜𝑞𝑢𝑒 = ∑ ∑൫𝑌.𝑗 − 𝑌̅. . ൯ = ∑ −
𝑡 𝑟𝑡
𝑌..2
es el termino de corrección (TC) de las sumas de cuadrados, en las expresiones de sumas
𝑟𝑡
de cuadrados se acostumbra colocar sólo TC, por ejemplo:
Follaje Fresco
V1 Testigo V2 V3 V4 Y.j
I 17.9 7.0 19.8 15.2 12.7 72.6
II 20.8 5.9 16.7 21.0 14.2 78.6
III 21.4 4.2 16.7 8.8 11.5 62.6
Yi. 60.1 17.1 53.2 45.0 38.4 213.8
(17.1)2 + ⋯ + (38.4)2
𝑆𝐶 𝑉𝑎𝑟𝑖𝑒𝑑𝑎𝑑𝑒𝑠 = − 𝑇𝐶
3
2 2
(72.6) + ⋯ + (62.6)
𝑆𝐶 𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = − 𝑇𝐶
5
𝑆𝐶 𝑇𝑜𝑡𝑎𝑙 = (17.9)2 + ⋯ + (38.4)2 − 𝑇𝐶
Variable Follaje
grados de Suma de Cuadrados
Fuente Fc Pr > F
libertad Cuadrados Medios
bloque 2 26.1333 13.0666 1.51 0.2785
variedad 4 364.0440 91.0110 10.49 0.0029
Error 8 69.4000 8.6750
Total 14 14 459.5773
CV = 20.6 %
Promedio = 14.25
F0.05 (4,8) = 3.84
F0.01 (4,8) = 7.01
DISEÑO CUADRADO LATINO: DCL
El agrupamiento de las unidades experimentales en dos direcciones (filas y columnas) y la asignación de los
tratamientos al azar en las unidades, de tal forma que en cada fila y en cada columna se encuentren todos los
tratamientos constituye un diseño cuadrado latino.
Características:
1. Las unidades experimentales se distribuyen en grupos, bajo dos criterios de homogeneidad dentro de la fila y
dentro de la columna y heterogeneidad en otra forma.
2. En cada fila y en cada columna, el número de unidades es igual al número de tratamientos.
3. Los tratamientos son asignados al azar en las unidades experimentales dentro de cada fila y dentro de cada
columna.
4. El número de filas = número de columnas = número de tratamientos.
5. Los análisis estadísticos T-student, Duncan, Tuckey y en pruebas de contraste se procede como el diseño
completo al azar y el diseño de bloques. La desviación estándar de la diferencia de promedios y la desviación
estándar del promedio, están en función del cuadrado medio del error experimental.
Formación de cuadrados latinos
Suponga 4 tratamientos A,B,C y D, con estos tratamientos se pueden formar 4 cuadros diferentes llamadas
típicas o estándar (en la primera fila y en la primera columna se tiene la misma distribución).
A B C D A B C D A B C D A B C D
B A D C B C D A B D A C B A D C
C D B A C D A B C A D B C D A B
D C A B D A B C D C B A D C B A
De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros diferentes.
La siguiente tabla permite relacionar el número de cuadros en función del tamaño.
La solución constituye el conjunto de estimadores de los parámetros del modelo, dado por:
(𝜇̂ + 𝐹̂𝑖 + 𝐶̂𝑗 + 𝜏̂ (𝑘) ) Para i, j, k = 1,2,...,n
El sistema de ecuaciones que darán solución constituye las ecuaciones normales, para tener una única solución, se
agregan al sistema las siguientes restricciones:
𝜇̂ = 𝑌̅..
Sumas de Cuadrados
A partir del modelo estimado, la suma de cuadrados del total es descompuesto en suma de
cuadrados de tratamientos, filas, columnas y error experimental:
∑ ∑(𝑌𝑖𝑗(𝑘) − 𝜇̂ )2
2
= ∑ ∑ 𝐹̂𝑖2 + ∑ ∑ 𝐶̂𝑖2 + ∑ ∑ 𝜏̂ 𝑖2 + ∑ ∑ 𝑒𝑟𝑟𝑜𝑟𝑖𝑗(𝑘)
+ 𝑑𝑜𝑏𝑙𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
Donde:
σ σ(𝑌𝑖𝑗(𝑘) − 𝜇̂ )2 : Suma de cuadrados del total
σ σ 𝐹̂𝑖2 : Suma de cuadrados de filas
̂
σ σ 𝐶𝑖 2
: Suma de cuadrados de columnas
σ σ 𝜏̂ 𝑖2 : Suma de cuadrados de tratamientos
2
σ σ 𝑒𝑟𝑟𝑜𝑟𝑖𝑗(𝑘) : Suma de cuadrados del error
Los dobles productos son iguales a cero.
Ejercicio de Aplicación:
"Evaluación del sistema de riego por exudación utilizando cuatro variedades de melón, bajo
modalidad de siembra, SIMPLE HILERA.". Se desea probar el comportamiento de tres variedades
híbridas de melón y uno estándar. (Tesis).- autor Alberto Ángeles L.
C1 C2 C3 C4 C1 C2 C3 C4
F1 45 50 43 35 F1 V1 V2 V3 V4
F2 29 53 41 63 F2 V4 V3 V2 V1
F3 37 41 41 63 F3 V2 V4 V1 V3
F4 38 40 35 41 F4 V3 V1 V4 V2
Solución:
pág. 18
MÉTODOS ESTADÍSTICOS Diseños de Experimentos
C1 C2 C3 C4 Y .j
F1 45 50 43 35 173
F2 29 53 41 63 186
F3 37 41 41 63 182
F4 38 40 35 41 154
Y i. 149 184 160 202 695
V1 V2 V3 V4
189 169 197 140 695
Estimación de parámetros:
μ : 695/16 = 43.4375
1 : 189/4 – 43.4375 = 3.81 ; 2 : -1.18 ; 3 : 7.57 ; 4 : -8.4375
C1 : 149/4 – 43.4375 = -6.1875 ;C2 : 2.5625 ; C3 : -3.4375 ; C4 : 7.0625
F1: 173/4 – 43.4375 = -0.1875; F2: 3.0625; F3: 2.0625; F4: -4.9375
SC (Total) = 45 ² + 50 ² +. . . 41 ² - TC = 1359.9375
Análisis de Varianza:
pág. 19
MÉTODOS ESTADÍSTICOS Diseños de Experimentos
pág. 20