Trabajo Individual Claudia Guerrero Zambrano

DISEÑO EXPERIMENTAL
CLAUDIA PATRICIA GUERRA ZAMBRANO

ESTUDIANTE
DIEGO ALBERTO DEAZA

Tutor
GRUPO_66
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS AGRÍCOLAS PECUARIA Y MEDIO AMBIENTE
CEAD SANTA MARTA
INTRODUCCIÓN
En el siguiente informa se analizan las preguntas orientadoras planificadas

para la guía de trabajo, el diseño experimental se estructura de la necesidad de
realizar estructuras y diseños experimentales para lograr mejorías en
producción, se analiza los diferentes conceptos solicitados en la guía de trabajo
en la cual se analiza y se estudia las variables como las distribuciones a través
de las estadísticas y la utilización del programa r para aplicación de cada
ejercicio.
OBJETIVO GENERAL
 Determinar los diseños completamente al zar y diseños de bloques y

mediante el programa R poneros en práctica con sus respectivos
analices
Objetivo especifico
 Analizar y Conocer el procedimiento del estudio de las variables

aplicadas en los diseños de azar.
 Ejecutar el programa R con sus respectivas graficas y resultados.
PREGUNTAS
1. Consulte el video la primera web del curso en periodo anterior y
posteriormente responda:
Qué tipo de variables existen en estadística.
Analizando las diferentes fuentes de información que las variables son
aquellas medidas que nos permite analizar el efecto de algún tratamiento,
los tipos de variables que existen variables dependientes, variables
independientes, son los tratamientos el peso que se espera.
Variables cualitativas; son aquellas que no pueden ser calcular con
números, si no son aquella característica o cualidades que son calcificadas
con palabras y esta se dividen en:
cualitativa nominal: son aquellas que no siguen orden específico; los

agricultores que manejan una clase de funguicida especifico; funguicida A,
funguicida B, funguicida C.
variable categórica: niveles tecnológicos; nivel tecnológico alto, nivel

tecnológico medio y nivel tecnológico bajo.
En qué histograma se basan las distribuciones de probabilidad de

variables continuas.
la distribución de probabilidad de las variables continuas se basa en los
histogramas de frecuencias es un grafico para representar una variable
continua se levanta un rectángulo de área o altura de frecuencia absoluta o
relativa totalmente univalente al diagnóstico de barras, cada intervalo es
como un valor de variable discreta, ejemplo:
Que se debe hacer con los datos de experimentos de conteos como el
número de lechones o el número de frutos para poder hacer un análisis
de varianza.
Se analizan los datos se realiza una distribución de probabilidad discreta que
se expresa a partir de una frecuencia como lo es el conteo de lechones o el
numero de frutos, analizando la probabilidad de que ocurre un determinado
numero de eventos durante ciertos periodos de tiempo esto se llama
distribución de poisson.
Que se debe hacer con los datos de experimentos donde la variable de

respuesta es porcentaje para poder hacer un análisis de varianza.
El diseño completamente al azar DCA en qué condiciones se usa.

Se utiliza cuando las unidades experimentales son homogéneas, o sea, que
la única diferencia que existe son los tratamientos que se aplican a las
unidades experimentales.
Este diseño se usa cuando se estudia dos o más tratamientos bajo las
siguientes condiciones:
• Lugar y unidades experimentales muy uniformes.
• Cuando sea probable que una parte del experimento se pierda.
• Cuando se tiene un experimento pequeño y donde la mayor precisión de

otras distribuciones no compensan la pérdida de grados de libertad en el
error.
Si en un DCA SE tienen tres tratamientos y un testigo con cinco

repeticiones cuantas unidades experimentales se requieren.
La prueba es basada en el análisis de la varianza, en donde la varianza total
se descompone en la varianza de los tratamientos y la varianza del error.
El diseño bloques completamente al azar en qué condiciones se usa

El diseño complementario al azar se usa bajo invernaderos bajo condiciones
experimentales controladas garantizando un suelo homogéneo en
laboratorio o en bancos de propagación.
En análisis de varianza cuál es la hipótesis nula que se prueba.
El análisis de varianza es una prueba de hipotesis, la respectiva hipotesis
nula es que todo el promedio de la variable que se es midiendo en los
tratamientos no hay diferencia estadísticamente significativa o no hay
diferencia entre los tratamientos descriptiva que los diferentes tratamientos
no hay diferencia estadística significativa por lo menos un tratamiento debe
comportarse diferente.
Relacione una tabla los componentes de un análisis de varianza para

un diseño completamente al azar. Recuerde que lo que el libro de
Ruesga relaciona como S2 es cuadros medios o CME.
Ejemplo
F. de Gl SDC S2 Fcal Ftab
variación
Tratamient 3 32.061.66 10.687.22 32.6 5% 1%
o 7 2 7
Error 1 5.233.333 3. 27083 3.2 5.1
6 4 9
Total 1 372.95
9
2. Del texto indicado ubique el capítulo de Diseño completamente al azar DCA
y registre:
MODELO.
Modelo matemático.
ij i ij Y = µ + T + e
Yij= es el j ésimo elemento perteneciente al i ésimo tratamiento.
µ = es la media general.
Ti = efecto debido al i ésimo tratamiento.
Eij= error experimental asociado al j ésimo elemento del i ésimo tratamiento.
LA FÓRMULA DE SUMA DE CUADRADOS
2
2 (∑ X i )
SDC Total =∑ X − i
N
Suma de cuadrados de tratamientos:
2 2
SDC Trat .
∑ ( ∑ trat . ) −
(∑ X i )
¿ de obs . en cada trat . N
Suma de Cuadrados del error:
SDC error =SDC total −SDC trat .
Cuál es la hipótesis nula

H o : μT 1=μT 2=μ T 3
ALISTAR DATOS EN EXCEL PARA PROCESO EN R
Pantallazo del programa R

RESULTADOS
Análisis de varianza
La línea summary (fit) es el resultado de nuestro análisis de varianza, dónde

nos dice que Si P value Pr(>F) es mayor de 0,05 y efectivamente es mayor
siendo el valor de 4.9, entonces no se rechaza la hipótesis nula y se
concluye que los tratamientos o las diversas categorías del factor se
comportan de la misma manera.
VALIDACIÓN DEL SUPUESTO DE NORMALIDAD
Si el p valor o value Pr(>F) es superior 0,05 y en este caso es de 0.8635 no

se rechaza la hipótesis nula y los residuales se ajustan a una distribución
normal y se concluye con un 95% de confianza que los residuales se
comportan e acuerdo a la distribución normal
Resultado de validación del supuesto de varianza constante
Es decir, si P value Pr(>F) si es mayor a 0,05 y en este caso da 0.566, no se

rechaza la hipótesis nula y se concluye con un 95% de confianza que los
residuales presentan una varianza constante o homocedasticidad.
Histogram of fit$residuals
5
4
Frequency
3
2
1
0
-4 -3 -2 -1 0 1 2 3
fit$residuals
Interpretación
Según la gráfica de Boxplot podemos observar los cuatros tratamientos
realizados a las tunas en altura se arroja que la tuna 1 y 52 tiene un
comportamiento similar pero con diferencias entre ellas. Donde se tiene una
altura de 44 cm, pero diferencias en la altura máxima y mínima. Aunque la
tuna 19 con una altura de 49 cm fue la planta que más estimulación de
crecimiento presento y la de más bajo crecimiento con 38 cm fue la tuna 27.
Redacte un texto en el que en cada párrafo interprete por aparte el

resultado de la tabla de análisis de varianza, el resultado de la validación del
supuesto de normalidad, el resultado de validación del supuesto de varianza
constante y por último las pruebas de comparación de medias. Se debe
seguir el protocolo de interpretación de la presentación guía en power point
BCA. Todos los archivos y presentaciones están en la columna de
textos,vídeos y enlaces de este punto,

CONCLUSIONES
Se puede concluir que los diseños DCA se analiza los tratamientos y el error
aleatorio, las corridas experimentales se realiza en orden aleatorio para
condiciones heterogéneas, los diseños BCA son homogéneas y que estos
dos diseños nos permiten hacer experimentos como las diferentes
observaciones y analices de los respectivos resultados.
REFERENCIAS
Cifuentes, X., Jaramillo, L., Mejía, L & Torres, M. (2016). Métodos de análisis
para la investigación, desarrollo e innovación (i+d+i) de procesos agrícolas y
agroindustriales. Licencia Creative Commons. Recuperado
de https://www.ugc.edu.co/sede/armenia/files/editorial/metodos_de_analisis_
para_la_investigacion.pdf
García, A. (2008). Lectura y escritura de datos en R. Recuperado
de http://ocw.uc3m.es/estadistica/aprendizaje-del-software-estadistico-r-un-
entorno-para-simulacion-y-computacion-estadistica/lectura-y-escritura-de-
datos-en-r
Jiménez J. (2019). Introducción a R y R Studio. Recuperado
de https://ridda2.utp.ac.pa/bitstream/handle/123456789/9428/manual-
introduccion-R.pdf?sequence=1&isAllowed=y
Mendoza, H, Bautista, G. (2002). Diseño Experimental. Universidad Nacional
de Colombia. Recuperado
de http://red.unal.edu.co/cursos/ciencias/2000352/html/un7/cont_702-
99.html. Licencia: Creative Commons BY-NC-ND.
Ruesga González, I. (2007). Libro de experimentación agrícola. La Habana,
Cuba: Editorial Universitaria. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/71309
Sáez, J. (2010). Métodos estadísticos con R y R comander. Recuperado
de https://cran.r-project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf
Deaza, D. (2020). 300004_OVIDiseño experimental cuadrado latino.
Recuperado de: https://repository.unad.edu.co/handle/10596/33974
Ruesga, G. I. (2007). Libro de experimentación agrícola, consultar pagina 6.
Recuperado de
https://www.researchgate.net/publication/329880204_LIBRO_DE_EXPERIM
ENTACION_AGRICOLA
Presentación en power point DCA
https://drive.google.com/file/d/15W0AO3eZZ82FWrr-
gzGacN3PoQC1hxrq/view?usp=sharing
Código D.C.A
https://drive.google.com/file/d/13aJscP2hK1Bp310CQ6lR7r5qPQgg4dS6/vie
w?usp=sharing

Trabajo Individual Claudia Guerrero Zambrano

Cargado por

Copyright:

Formatos disponibles

Trabajo Individual Claudia Guerrero Zambrano

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

Trabajo Individual Claudia Guerrero Zambrano

Cargado por

Copyright:

Formatos disponibles

DISEÑO EXPERIMENTAL

CLAUDIA PATRICIA GUERRA ZAMBRANO

DIEGO ALBERTO DEAZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

En el siguiente informa se analizan las preguntas orientadoras planificadas

 Determinar los diseños completamente al zar y diseños de bloques y

 Analizar y Conocer el procedimiento del estudio de las variables

cualitativa nominal: son aquellas que no siguen orden específico; los

variable categórica: niveles tecnológicos; nivel tecnológico alto, nivel

En qué histograma se basan las distribuciones de probabilidad de

Que se debe hacer con los datos de experimentos donde la variable de

El diseño completamente al azar DCA en qué condiciones se usa.

• Lugar y unidades experimentales muy uniformes.

• Cuando sea probable que una parte del experimento se pierda.

• Cuando se tiene un experimento pequeño y donde la mayor precisión de

Si en un DCA SE tienen tres tratamientos y un testigo con cinco

El diseño bloques completamente al azar en qué condiciones se usa

Relacione una tabla los componentes de un análisis de varianza para

Suma de Cuadrados del error:

SDC error =SDC total −SDC trat .

Cuál es la hipótesis nula

Pantallazo del programa R

La línea summary (fit) es el resultado de nuestro análisis de varianza, dónde

Si el p valor o value Pr(>F) es superior 0,05 y en este caso es de 0.8635 no

Resultado de validación del supuesto de varianza constante

Es decir, si P value Pr(>F) si es mayor a 0,05 y en este caso da 0.566, no se

Redacte un texto en el que en cada párrafo interprete por aparte el

También podría gustarte