como la definición del análisis estadístico para evaluar los resultados, con el objetivo de tener
Se sugiere este diseño para experimentación con temas de: métodos de preparación de
siembra, aplicación del agua de regadío, manejo del cultivo versus el uso de los herbicidas
para el control de malezas, etc. También es útil en experimentos con animales cuando existe
Es una solución para la mayoría de los casos en que las unidades experimentales son
heterogenias.
Es posible hacer pequeños agrupamientos (bloques) con parcelas aproximadamente
semejantes.
Cuadrado latino
Los diseños de bloques y cuadrados latinos aleatorizados son generalmente útiles en los
pequeño. Para las pruebas de fertilizante donde 2 o más fertilizantes se aplican a 2 o más
Parcelas divididas
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.
Para el autor (Herrera, 2013). La técnica conocida como análisis de varianza (ANAVA o
ANOVA), fue desarrollada por Ronald Aymer Fisher para facilitar el análisis e interpretación
utilizadas en el proceso de investigación. Norell (2003).Es descrito por Tejedor (1999): Khan
y Rayner (2003) y Spiegel et al.(2003) como una colección de modelos estadísticos y sus
laboratorio de análisis, para el control de métodos analíticos. Los ejemplos de aplicación son
El ANOVA se basa en la comparación de la variabilidad media que hay entre los grupos con
la que hay dentro de los grupos. ¿Por qué? Recordemos que la media y la varianza muestral
verifican var(¯x) = σ 2 n , E(s 2 ) = σ 2 , lo que nos permite dos estimaciones diferentes para
Todo se reduce a obtener el valor del estadístico (4) que bajo las condiciones iniciales de
comparación con el valor teórico correspondiente nos dirá si debemos aceptar o rechazar H0.
Un método computacional conocido como tabla ANOVA facilita los cálculos. Se trata de
Para aleatorizar una tabla de números aleatorios resulta conveniente para elegir las unidades
veces, los primeros cuatro números aleatorios obtenidos se asignarán al tratamiento A, los
El diseño al completo azar se utiliza cuando las condiciones del sitio o lugar experimental
Naturalmente, este tipo de diseño se utiliza en experimentos que no incluyen factores bloque.
Ventajas:
perdido, o rechacen por alguna causa el método de análisis sigue siendo sencillo. La pérdida
relativa de información debida a los datos faltantes, es de menos importancia que en cualquier
otro sistema.
Desventajas:
a) La principal estriba en su grado de precisión, algún otro diseño suele ser capaz de estimar
el error estándar por unidad experimental (error experimental) con un mayor grado de
precisión
b) Disminuye el grado de libertad del residuo o sea, menos datos para estimar los valores de
la población en estudio.
El tipo más sencillo de un arreglo es aquel en el que los tratamientos son asignados
tratamiento.
Además las unidades deben ser procesadas en un orden al azar en todas las etapas
subsecuentes del experimento, donde este orden puede afectar a los resultados.
Ventajas:
a) Una de las ventajas del diseño en bloques aleatorizados es que se puede transformar en un
variabilidad a la residual.
Permite flexibilidad completa. Puede utilizarse cualquier número de tratamientos y
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se
Cualitativos
Cuantitativos
este tipo de diseños permite analizar al mismo tiempo los efectos de varios factores sobre las
respuestas de los sujetos y, además, y ahí radica su principal característica, permite investigar
la influencia que pueden tener en las observaciones las interacciones entre dos o más
variables. Es decir, analiza los efectos debidos a que dos o más factores estén actuando
Existen como mínimo tres formas de minimizar y solucionar el problema por falta de
-Hacer el análisis de mediante modelos lineales generalizados en los que se ajusta un modelo
lineal usando otras distribuciones diferentes a la normal donde la varianza no tiene por qué
ser constante.
-Hacer el análisis sobre la respuesta transformada a una escala en la que los supuestos se
cumplan. Muchos datos tienen una estructura no normal. Las herramientas habituales para
de métodos no paramétricos. Otra alternativa, son los modelos lineales generalizados o GLM.
Los GLM permiten especificar distintos tipos de distribución de errores. En muchas
ocasiones, sin embargo, se encuentra con que uno o varios de estos supuestos no se cumplen
medias:
1. Medias
5. ANOVA de un factor
PRUEBA T PARA UNA MUESTRA nos permite contrastar hipótesis sobre la media
Si el cero no está en ese intervalo no podemos aceptar que la población tenga de media el
valor de prueba.
las medias de dos poblaciones independientes son iguales utilizando para ello las medias de
• En Variables de agrupación se pasa la variable que define los dos grupos (puede ser
numérica o de cadena corta) o Se pueden definir grupos bien con los valores de los grupos o
ANOVA DE UN FACTOR nos permite contrastar la hipótesis nula de que los promedios de
la variable dependiente (VD) respecto de un factor o variable independiente (VI) con más de
dos grupos o niveles son iguales, frente la alternativa de que al menos el promedio en un
grupo es diferente a los demás. Los datos se reflejaran en dos únicas variables: la VD o de
grupos y subgrupos definidos por una o más variables independientes. De manera opcional
El Test de Duncan es muy similar al Test HSD de Tukey (Ver Herbario de técnicas), pero en
lugar de trabajar con un umbral fijo trabaja con un umbral cambiante. Un umbral que
muéstrales de menor a mayor y así al hacer una comparación entre dos medias sabremos
además de las dos medias comparadas cuantas medias quedan dentro. Este número de medias