Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 42 vistas

    DISEÑOS

    Cargado por

    GAONA SILVA CLAUDIA LIZETH
    Este documento describe un experimento factorial que estudia el contenido de fibra cruda en la planta Kochia scoparia bajo diferentes condiciones de cultivo y alturas de corte. El documento incluye tablas de datos, un modelo estadístico y un análisis de varianza para evaluar los efectos de los factores.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    DISEÑOS

    Cargado por

    GAONA SILVA CLAUDIA LIZETH
    42 vistas32 páginas
    Este documento describe un experimento factorial que estudia el contenido de fibra cruda en la planta Kochia scoparia bajo diferentes condiciones de cultivo y alturas de corte. El documento incluye tablas de datos, un modelo estadístico y un análisis de varianza para evaluar los efectos de los factores.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe un experimento factorial que estudia el contenido de fibra cruda en la planta Kochia scoparia bajo diferentes condiciones de cultivo y alturas de corte. El documento incluye tablas de datos, un modelo estadístico y un análisis de varianza para evaluar los efectos de los factores.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    42 vistas32 páginas

    DISEÑOS

    Cargado por

    GAONA SILVA CLAUDIA LIZETH
    Este documento describe un experimento factorial que estudia el contenido de fibra cruda en la planta Kochia scoparia bajo diferentes condiciones de cultivo y alturas de corte. El documento incluye tablas de datos, un modelo estadístico y un análisis de varianza para evaluar los efectos de los factores.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 32

    CENTRO UNIVERSITARIO UAEM ZUMPANGO

    LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN

    DISEÑO DE EXPERIMENTO FACTORIAL

    PRESENTA

    DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN

    OCTUBRE, 2017
    INTRODUCCIÓN

    Los diseños experimentales han demostrado ser una herramienta


    fundamental para la investigación en las ciencias aplicadas. Su aplicación
    esta muy relacionada con la investigación que puede ser desde la que se
    realiza en el laboratorio hasta la de campo en las diferentes áreas del
    conocimiento.

    Por lo anterior le permite al investigador obtener resultados conduzca a


    deducciones válidas con respecto al problema establecido.
    Esta unidad de aprendizaje se imparte en el quinto periodo de la
    Licenciatura de Ingeniero Agrónomo en producción que tiene como objetivo:

    Proporcionar al discente el estudio sobre el comportamiento de los


    fenómenos aleatorios a través de modelos estadísticos, así como de los
    parámetros de variación relevantes en el comportamiento dentro y fuera de
    la población en estudio.
    El propósito de este material didáctico, es que sirva de apoyo en la unidad
    de aprendizaje de Experimentación Agropecuaria que es impartida en el
    quinto periodo de la Licenciatura de Ingeniero Agrónomo en Producción y
    permita al discente comprender con los conceptos básicos y la metodología
    del diseño de Factorial.
    ¿Qué es un diseño factorial?

    Un diseño factorial es un tipo de experimento diseñado que permite estudiar


    los efectos que varios factores pueden tener en una respuesta. Al realizar un
    experimento, variar los niveles de todos los factores al mismo tiempo en lugar
    de uno a la vez, permite estudiar las interacciones entre los factores.
    Existen varios casos especiales del
    diseño factorial general que resultan
    importantes porque. se usan ampliamente
    en el trabajo de investigación, y porque
    constituyen la base para otros diseños de
    gran valor práctico.
    El más importante de estos casos especiales ocurre cuando se tienen k
    factores, cada uno con dos niveles. Estos niveles pueden ser cuantitativos
    como sería el caso de dos valores de temperatura presión o tiempo. También
    pueden ser cualitativos como sería el caso de dos máquinas, dos operadores,
    los niveles "superior" e "inferior" de un factor, o quizás, la ausencia o presencia
    de un factor.
    Pueden considerarse dos tipos fundamentales de experimentos
    factoriales

    1) El factorial completo, el cual ensaya todas las posibles combinaciones de


    tratamientos que se generan con los distintos noveles de los factores en
    estudio; así por ejemplo, si se ensayan dos factores, digamos a y b el primero
    en 2 niveles y el segundo en 3, entonces el factorial completo comprenderá 2
    x3 = 6 combinaciones de tratamientos.
    2) El factorial incompleto, el cual ensaya sólo
    algunas de las posibles combinaciones de
    tratamientos que pueden generarse.
    Modelo Aditivo Lineal

    • El modelo aditivo lineal es una expresión algebraica que condensa todos


    los factores presentes en la investigación. Resulta útil para sintetizar que
    factores son independientes o dependientes, cuáles son fijos o aleatorios,
    cuáles son cruzados o anidados.
    Modelo estadístico

    Yijk = µ + αi + ßj + αßij + Ԑijk


    • Donde

    Yijk = Valor de la característica en estudio, observando en la


    unidad experimental (ijk).
    µ = Efecto común a todas las observaciones
    αi = Efecto del tratamiento i
    ßk = Efecto del Bloqueo k
    Ԑij = Errores aleatorios con media cero, varianza σ2 y sin
    correlación entre si
    αißk = Interrelación
    El cuadro de análisis de varianza (ANOVA)

    Es un arreglo dado por las fuentes de variación, seguido de los grados de


    libertad, de las sumas de cuadrados, de los cuadrados medios de cada
    componente, así como del valor F y su probabilidad de significación
    (valor P).
    Análisis de varianza
    Fuente de Grados de Suma de cuadros Cuadrado medio F. calculada F.
    variación libertad tablas

    Tratamiento (ab) -1 Este valor se obtiene de


    tablas, utilizando grados de
    libertad del tratamientos y del
    error, así como el nivel de
    confianza a utilizar

    A a -1

    B b -1

    AB (a-1)(b-1)

    Error Experimental ab(r-1)

    Total abr -1
    Las ventajas de los experimentos
    factoriales son:

    1. Economía en el material experimental al


    obtener información sobre varios
    factores sin aumentar el tamaño del
    experimento. Todas las u.e.se utilizan
    para la evaluación de los efectos.
    2. Se amplía la base de la inferencia en relación
    a un factor, ya que se estudia en las
    diferentes condiciones representadas por los
    niveles de otros factores. Se amplía el rango
    de validez del experimento.
    3. Permite el estudio de la
    interacción, esto es, estudiar el
    grado y forma en la cual se
    modifica el efecto de un factor
    por los niveles de los otros
    factores.
    Desventaja del Diseño Factorial

    1.- Se requiere un mayor número de unidades experimentales que los


    experimentos simples y por lo tanto se tendrá un mayor costo y
    trabajo en la ejecución del experimento.
    2.- Como en los experimentos factoriales cada uno de los niveles de un
    factor se combinan con los niveles de los otros factores; a fin de que
    exista un balance en el análisis estadístico se tendrá que algunas de
    las combinaciones no tiene interés práctico pero deben incluirse para
    mantener el balance.
    3. - El análisis estadístico es más complicado que en los
    experimentos simples y la interpretación de los resultados se hace más
    difícil a medida de que aumenta el número de factores y niveles por factor en
    el experimento.
    Ejercicio 1. En este experimento se estableció como parámetro de medición el
    contenido de fibra cruda (%) para la planta de Kochia scoparia, bajo condiciones
    de cultivo y en cuatro alturas de corte.
    Condiciones Altura de Corte I II III IV Totales de
    (cm) tratamiento

    25 14.9 14.3 15.0 14.3


    Invierno 50 17.5 16.9 17.2 16.4
    75 20.7 19.6 21.4 20.3
    100 22.5 21.9 22.6 21.8

    25 16.8 17.3 16.4 17.1


    Verano 50 19.9 20.3 21.4 20.8
    75 23.5 23.2 23.0 24.1
    100 25.8 26.4 25.9 27.1
    Gran total
    Condiciones Altura de Corte I II III IV Totales de
    (cm) tratamiento

    25 14.9 14.3 15.0 14.3 58.5


    Invierno
    50 17.5 16.9 17.2 16.4 68.0
    75 20.7 19.6 21.4 20.3 82.0
    100 22.5 21.9 22.6 21.8 88.8

    25 16.8 17.3 16.4 17.1 67.6


    Verano
    50 19.9 20.3 21.4 20.8 82.4
    75 23.5 23.2 23.0 24.1 93.8
    100 25.8 26.4 25.9 27.1 105.2
    Gran total 646.3
    Arreglo para sumas de cuadrados de efectos simples
    Altura (j)

    25 50 75 100 Total de
    condición Yj..

    Invierno 58.5 68.0 82.0 88.8 297.3

    Condición (i)

    Verano 67.6 82.4 93.8 105.2 349.0

    Total de Altura Y.j. 126.1 150.4 175.8 194.0

    Gran total 646.3


    Se procede a la realización de los cálculos correspondientes para la
    construcción del ANOVA.
    Análisis de varianza
    Fuente de Grados de Suma de cuadros Cuadrado medio F. calculada F.
    variación libertad tablas
    0.05 0.01

    Tratamiento (ab) -1 416.932 59.561 211.96 ** 2.43 3.50


    7

    A a -1 83.528 83.528 297.25 ** 4.26 7.82


    1

    B 7.82b -1 329.636 109.878 391.02** 3.01 4.72


    3

    AB (a-1)(b-1) 3.768 1.256 4.47* 3.01 4.72


    3

    6.758 0.281
    Error Experimental ab(r-1)
    24

    Total abr -1 423.690


    31
    INTERPRETACIÓN DE LAS INTERACCIONES DE DOS FACTORES

    Cuando se estudian dos o más factores simultáneamente, los experimentos


    factoriales tienen la ventaja de evaluar la contribución debida a la acción
    conjunta de los factores en estudio (interacción), lo que no sucede en
    experimentos simples en los cuales se estudia un mismo factor.
    La interacción se define como la ausencia de paralelismo en el
    comportamiento de los factores. Esto indica que al haber interacción, los
    comportamientos deben ser paralelos. Para entender las interacciones y el
    comportamiento de los factores, es necesario graficar la variable de estudio,
    respecto a los tratamientos relativos a una interacción dada.
    Al realizar un experimento factorial, usualmente no se interpretan a fondo las
    interacciones por medio de un modelo sencillo. Dichas interacciones se
    pueden generar para saber qué ocurre cuando existen y con ellas lograr una
    mejor interpretación.
    Por ejemplo cuando dos factores de variación: el factor Variedades, con dos
    niveles, es decir, dos variedades v1 y v2, y el factor dosis con niveles d1 y d2,
    que pueden ser dosis de nitrógeno. Por lo tanto tenemos lo siguiente:

    Tratamiento Rendimiento
    V1 D1 6
    V1 D2 6
    V2 D1 2
    V2 D2 2
    V1 V2 ΣxD
    D1 6 2 8
    D2 6 2 8
    ΣV 12 4 16
    Representación gráfica de paralelismo
    BIBLIOGRAFIA

    • Cochran.G.W. and Cox.M.G.1957. Experimental Designs, Second edition. Canada.


    Pág. 611.

    • Infante. G. S.; Zarate. De L. G.P. 2010. Métodos Estadísticos Un enfoque


    interdisciplinario. Editorial Trillas, México. Pág. 646.

    • Montgomery C. D.1991. Design and Analysis of Experiments. WILEY. Canada. Pág.


    649.

    • Martínez G. A.1994. Experimentación Agrícola (Métodos estadísticos). Universidad


    Autónoma Chapingo. Texcoco, México. Pág.357.

    • Padrón C. E.1996. Diseños experimentales con aplicación a la agricultura y la


    ganadería. Trillas, México . Pág. 215.

    • Rodríguez Del A. J.1991. Métodos de Investigación Pecuaria. Editorial trillas, México.


    Pág.208.

    También podría gustarte