Diseños Experimentales Osiel González

UNIVERSIDAD MESOAMERICANA FACULTAD DE INGENIERÍA AGRONÓMICA CON
ÉNFASIS EN AGRICULTURA ORGÁNICA.
Curso: Metodología de la investigación

Catedrático: Enmanuel Bol Kloth
Trabajo: Diseños experimentales utilizados en las ciencias agrícolas
Estudiantes: No. de Carne:

Luis Osiel González Ixim 202414912
Fecha de entrega: 26/04/24
Mayo 2024
INTRODUCCION
Los diseños experimentales son muestras estadísticas que nos demuestran la validez
de la investigación y como también da lugar a controlar el error aleatorio, así como los
análisis estadísticos para la toma de decisiones en campo, el objetivo de los diseños
experimentales es verificar la existencia de un derivado análisis de datos de un experimento
los diseños experimentales utilizados en las ciencias agrícolas son: Diseños completamente
al azar, diseños factoriales, diseños con bloques al azar, diseño cuadro latino entre otros.
OBJETIVOS
General:
 Identificar los tipos de diseños experimentales que se aplican en el ámbito agrícola.
Especifico:
 Desarrollar la metodología de los diseños experimentales.
 Comprender el concepto, importancia, objetivos y ventajas de los diseños.

1. Diseños Completamente Al Azar
La prueba de diseño completamente al azar se basa en el análisis de varianza y
divide la varianza total en varianza de tratamiento y varianza de error. El objetivo es
determinar si existe una diferencia significativa entre los tratamientos, para lo cual se
compara la varianza del tratamiento contra la varianza del error y se determina si el
primero es lo suficientemente alto según la distribución F. Es necesario que la
distribución sea normal, que los errores sean independientes, que los efectos sean aditivos
y que los tratamientos se administren aleatoriamente.
Definición y características
El objetivo del diseño completamente al azar (DCA) es probar o no la existencia
del efecto de un solo factor mediante la aplicación de sus diferentes tratamientos (τ) a j.
Repeticiones en la unidad de investigación. En consecuencia, se evitan los análisis
tendenciosos. Si el experimento se lleva a cabo bajo las mismas condiciones y se necesita
determinar si existe o no un efecto estadístico de un solo factor con niveles de aplicación
específicos (tratamiento), el DCA es la mejor herramienta disponible.
Modelos DCA
Es crucial comprender el propósito de cada modelo, ya que esto permite resolver
problemas en los ejercicios experimentales que finalmente resultan en análisis
estadísticos. La ecuación 1 se muestra para el caso del modelo actual.
𝑌𝑖𝑗 = la respuesta obtenida a partir de la unidad experimental que recibe el
tratamiento i en la j-ésima repetición. 𝜇 = promedio general del conjunto de datos de la
muestra. 𝜏𝑖 = el efecto del tratamiento i. 𝜀𝑖𝑗 = el error aleatorio (residuo). (Braga, 2021)
Hipótesis de un DCA
Una vez que se obtiene información útil para crear un DCA, se decide
correlacionar la hipótesis inicial, también conocida como hipótesis nula, representada por
Ho, y luego se presenta la hipótesis de contradicción, que es la hipótesis alternativa,
representada por Ha. El instrumento lógico se utilizará para contrastar y evaluar si el
tratamiento deseado tiene un impacto estadístico en el experimento en particular.
Ejemplo de aplicación del Diseño completamente al azar
Figura 1.
Aplicación de la ANOVA al experimento de tres tipos de fertilizantes
Fuente: (Braga, 2021)
2. Diseños De Bloques Al Azar
El diseño de bloques al azar (DBA) es una herramienta estadística que funciona
probando la existencia del efecto de dos factores mediante la aplicación de los tratamientos
(τ) aplicados en cada uno de los bloques (j), garantizando la aleatoriedad del experimento.
Se obtiene la aplicación perfecta de un DBA si el experimento se lleva a cabo bajo
diferentes condiciones (como diferentes fincas, diferentes altitudes, etc.), pero con los
mismos tratamientos y características de aplicación. Este experimento permite evaluar el
impacto de los tratamientos y la aplicación.
Modelo DBA
𝑌𝑖𝑗 = La respuesta obtenida a partir de la unidad experimental que recibe el tratamiento i en
el bloque j.
𝜇 = El promedio general del conjunto de datos de la muestra.
𝜏𝑖 = El efecto del tratamiento i.
𝛽𝑗 = El efecto del bloque j.
𝜀𝑖𝑗= El error aleatorio (residuo).
Hipótesis de un DBA
En cuanto a las hipótesis de esta herramienta, es importante tener en cuenta que
trabaja con dos factores en lugar de uno dadas estas condiciones, se logra la construcción de
la hipótesis utilizando dos tipos de análisis: análisis de los tratamientos, análisis de los
bloques.
Ejemplo de aplicación de diseños de bloques al azar
Figura 2.
Rendimiento de la semilla de algodón
3. Diseño Factorial
El diseño factorial es una herramienta estadística que se crea probando el efecto de
dos o más factores y la existencia del efecto de interacción entre estos factores y sus niveles.
Por lo tanto, se asegura la aleatoriedad del experimento.

Ejemplo de aplicación de diseño factorial
Figura 3.
Estructura de tratamientos en un diseño factorial 2x2
Figura 4.
Estructura de tratamientos en un diseño factorial 3x2
4. Diseño Cuadro Latino
El diseño de cuadro latino es la mejor herramienta para analizar un solo factor con
menos tratamientos y trabajar con dos bloques a la vez. Este diseño tiene una estructura
diferente de los demás diseños experimentales estudiados en los capítulos anteriores porque
se conceptualiza como una matriz en la que cada tratamiento ocurre una vez en cada hilera
y columna.
Modelo DCL
Todo modelo requiere un raciocinio que, en última instancia, se expresa
matemáticamente. Es esencial comprender los objetivos de cada modelo para resolver
problemas en el ejercicio experimental, lo que mejora la calidad de los análisis estadísticos.
𝑌𝑖𝑗𝑘 = La respuesta observada en el tratamiento i en la hilera j, columna k.
𝜇 = El promedio general del conjunto de datos de la muestra.
𝜏𝑖 = El efecto del tratamiento i, en que i=1, 2,..., t.
𝛼𝑗 =Efecto de hilera j (Variable 1 de control), en que j=1, 2,..., J.
𝛽𝑘 =Efecto de columna k (Variable 2 de control), en que k=1, 2,...,K.
𝜀𝑖𝑗 =Efecto de los factores que no están controlados (residuo).
Ejemplo de aplicación diseño cuadro latino
Figura 4
Aplicación del DCL expresado en rendimiento en kg por parcela

Conclusión
En conclusión los diseños experimentales son pruebas estadísticas principalmente
fundamentales en la aplicación de las ciencias agronómicas para poder llevar acabo los
resultados fiables de una cierta investigación, el diseño completamente al azar se trata de
comparar dos o más tratamientos que se solo se consideran dos fuentes de variabilidad, para
el diseño de bloques al azar se concluye que compara tres fuentes de variabilidad, los diseños
en cuadro latino reducen el número de unidades experimentales y el diseño factorial se
observa que es un tipo de experimento diseñado que permite estudiar los efectos de varios
factores pueden tener en una respuesta.
Referencias bibliográficas
Braga, J. A. (2021). Hemeroteca UNAD. Obtenido de Diseño experimental un enfoque en las

ciencias agrarias: file:///C:/Users/USUARIO/Downloads/Unad-ojs,+3517-
Nota_Campus_final.pdf

Diseños Experimentales Osiel González

Cargado por

Copyright:

Formatos disponibles

Diseños Experimentales Osiel González

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseños Experimentales Osiel González

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD MESOAMERICANA FACULTAD DE INGENIERÍA AGRONÓMICA CON

ÉNFASIS EN AGRICULTURA ORGÁNICA.

Curso: Metodología de la investigación

Estudiantes: No. de Carne:

análisis estadísticos para la toma de decisiones en campo, el objetivo de los diseños

experimentales es verificar la existencia de un derivado análisis de datos de un experimento

 Identificar los tipos de diseños experimentales que se aplican en el ámbito agrícola.

 Desarrollar la metodología de los diseños experimentales.

 Comprender el concepto, importancia, objetivos y ventajas de los diseños.

divide la varianza total en varianza de tratamiento y varianza de error. El objetivo es

compara la varianza del tratamiento contra la varianza del error y se determina si el

primero es lo suficientemente alto según la distribución F. Es necesario que la

y que los tratamientos se administren aleatoriamente.

El objetivo del diseño completamente al azar (DCA) es probar o no la existencia

Repeticiones en la unidad de investigación. En consecuencia, se evitan los análisis

tendenciosos. Si el experimento se lleva a cabo bajo las mismas condiciones y se necesita

determinar si existe o no un efecto estadístico de un solo factor con niveles de aplicación

específicos (tratamiento), el DCA es la mejor herramienta disponible.

Es crucial comprender el propósito de cada modelo, ya que esto permite resolver

problemas en los ejercicios experimentales que finalmente resultan en análisis

estadísticos. La ecuación 1 se muestra para el caso del modelo actual.

𝑌𝑖𝑗 = la respuesta obtenida a partir de la unidad experimental que recibe el

tratamiento i en la j-ésima repetición. 𝜇 = promedio general del conjunto de datos de la

Ho, y luego se presenta la hipótesis de contradicción, que es la hipótesis alternativa,

representada por Ha. El instrumento lógico se utilizará para contrastar y evaluar si el

tratamiento deseado tiene un impacto estadístico en el experimento en particular.

Ejemplo de aplicación del Diseño completamente al azar

Aplicación de la ANOVA al experimento de tres tipos de fertilizantes

Fuente: (Braga, 2021)

2. Diseños De Bloques Al Azar

El diseño de bloques al azar (DBA) es una herramienta estadística que funciona

Se obtiene la aplicación perfecta de un DBA si el experimento se lleva a cabo bajo

mismos tratamientos y características de aplicación. Este experimento permite evaluar el

impacto de los tratamientos y la aplicación.

𝜇 = El promedio general del conjunto de datos de la muestra.

𝜏𝑖 = El efecto del tratamiento i.

𝛽𝑗 = El efecto del bloque j.

𝜀𝑖𝑗= El error aleatorio (residuo).

En cuanto a las hipótesis de esta herramienta, es importante tener en cuenta que

Ejemplo de aplicación de diseños de bloques al azar

Rendimiento de la semilla de algodón

Fuente: (Braga, 2021)

El diseño factorial es una herramienta estadística que se crea probando el efecto de

Por lo tanto, se asegura la aleatoriedad del experimento.

Estructura de tratamientos en un diseño factorial 2x2

Fuente: (Braga, 2021)

Estructura de tratamientos en un diseño factorial 3x2

Fuente: (Braga, 2021)

4. Diseño Cuadro Latino

matemáticamente. Es esencial comprender los objetivos de cada modelo para resolver

problemas en el ejercicio experimental, lo que mejora la calidad de los análisis estadísticos.

𝑌𝑖𝑗𝑘 = La respuesta observada en el tratamiento i en la hilera j, columna k.

𝜇 = El promedio general del conjunto de datos de la muestra.

𝜏𝑖 = El efecto del tratamiento i, en que i=1, 2,..., t.

𝛼𝑗 =Efecto de hilera j (Variable 1 de control), en que j=1, 2,..., J.

𝛽𝑘 =Efecto de columna k (Variable 2 de control), en que k=1, 2,...,K.

𝜀𝑖𝑗 =Efecto de los factores que no están controlados (residuo).

Ejemplo de aplicación diseño cuadro latino

Fuente: (Braga, 2021)