diseño de experimentos agricolas

7/22/2019 Diseo de experimentos agricolas

1/9

CAPITULO 1DISEOS EXPERIMENTALES

1.1 ASPECTOS GENERALESEl Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald A. Fisher,

quin sent la base de la teora del Diseo Experimental y que a la fecha se encuentra bastantedesarrollada y ampliada. Actualmente las aplicaciones son mltiples especialmente en la investiga-cin de las ciencias naturales ingeniera laboratorios y casi todas las ramas de las ciencias socia-les.

La experimentacin proporciona los datos experimentales, en contraste con los datos de laobservacin; los datos de la observacin se representan como su nombre indica por observacionesde las unidades elementales de una poblacin o de una muestra, y no deben ser cambiados ni modi-ficados por ningn intento de parte de un investigador en el curso de la observacin.

ORIENTACIONES GENERALES EN LA EXPERIMENTACION AGRICOLAEn la planificacin agrcola o biolgica y en cl desarrollo de una investigacin en particular,

son de inters las siguientes aspectos:a. Especificar los problemas, con el fin de probar hiptesis o encontrar respuestas. Es necesa-

rio considerar que los experimentos sean:a. 1. Experimentos simples, cuando se estudia un solo factor de variacin; porejemplo, probar cinco variedades de sorgo, estudiar cinco dosis de nitrgenoen trigo, etc.

a.2. Experimentos factoriales, cuando se estudian simultneamente dos o ms fac-tores que influyen en la produccin; por ejemplo, estudiar tres variedades,cada una sembrada a tres densidades de siembra, o bien tratamientos de fs-foro, nitrgeno y potasio, cada uno a cuatro dosis por unidad de superficie.

b. Ubicar el lugar adecuado para la realizacin de los experimentos, para lo cual se debe elegiruna localidad accesible y representativa de reas agrcolas, de suelo uniforme, con unidadesexperimentales lo ms uniforme posible, y escoger el material adecuado para experimentos,de manera que pueda estratificarse (agruparse unidades experimentales con caractersticashomogneas) el terreno correctamente para formar grupos uniformes y de fcil manejo.

C. Reducir las fuentes de error, tanto del experimento como de aquellos errores o equivocacio-nes operacionales. Es muy importante que en la seleccin de datos, muestreo, etc., el perso-nal responsable est constituido por tcnicos o personas con entrenamiento.


2/9

d. Mantener constante los diversos factores que pueden afectar a la produccin o a la calidaddel producto, de manera que los nicos factores de variacin sean los tratamientos objeto deestudio.

e. Extremar precauciones y ser cautos en los resultados experimentales, considerando que unexperimento es una observacin de una muestra en una poblacin de experimentos.

f. Repetir experimentos uniformes en diferentes localidades, suelos y aos. Tener conocimiento de la tecnologa de campo y saber cules son los problemas del produc-

t r

En la planeacin o diseo de un experimento agronmico, es necesario aplicar un conjuntode disciplinas y conocimientos biolgicos con el fin de encontrar una respuesta correcta a un proble-ma especfico. Por ejemplo, si se comparan diversas variedades de trigo, todos los factores de laproduccin que influyen en el comportamiento de las variedades deben permanecer constantes y lasnicas fuentes de variacin o diferencias sern presentadas por las variedades de trigo, si talesfuentes existen. Para lograr lo anterior, es necesario contar con ciertos conocimientos sobre:a. Suelos, a fin de elegir el terreno ms uniforme y adecuado para realizar el experimento.b. Fertilizacin, para cuando sea necesario planear experimentos con fertilizantes qumicos

orgnicos o abonos orgnicos.C. Topografa e hidrulica, para trazar parcelas, niveles, riegos, etc.d. Especialidades afines como: Botnica, entomologa, fitopatologa, fisiologa, gentica,

ecologa, etc. para poder trabajar con seres vivos.C. Tecnologas de : Cultivos, sistemas agroforestales, agrosilvo pastoriles y zootecnia, para

manejar las unidades experimentales.f. Estadstica (biometra o bioestadstica), para evaluar y separar las diversas causas de varia-

cin y para realizar la interpretacin de los resultados experimentales.


3/9

Pasos al planear un experimento:El mtodo cientfico sugiere que en el planeamiento de la experimentacin se debe tener

presente las siguientes etapas :a. Definir el problema: En esta etapa se debe determinar los antecedentes, importancia, objeti-vos, hiptesis a probar y revisin de la bibliografa.b. Planeamiento y diseo del experimento: En esta etapa se debe tener en cuenta: Lugar de

ejecucin del experimento, tamao de la parcela o unidad experimental, nmero de repeti-ciones por tratamiento, equipos e instrumentos a utilizar y mtodos de evaluacin de losresultados

e. Ejecucin del experimento.d. Recoleccin de datos del experimento.e. Ordenamiento de la informacin experimental.f. Discusin de los resultados obtenidos.g. Anlisis econmico de los tratamientos que se probaron y utilidad prctica.h Conclusin final y recomendacin.DISEO DEL EXPERIMENTO

Este trmino se utiliza para planear un experimento de manera que se pueda obtener la infor-macin pertinente a un determinado problema que se investiga y as tomar decisiones correctas.

El diseo adecuado del experimento es una etapa fundamental de la experimentacin, quepermite el suministro correcto de datos a posteriori, los que a su vez conducirn a un anlisis obje-tivo y con deducciones vlidas del problema.PROPOSITO DE UN DISEO EXPERIMENTAL

El propsito de un diseo experimental es proporcionar mtodos que permitan obtener lamayor cantidad de informacin vlida acerca de una investigacin, teniendo en cuenta el factor costoy el uso adecuado del material disponible mediante mtodos que permitan disminuir el error experi-mental.


4/9

TRATAMIENTOLos tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o ma-teriales y cuyos efectos van a ser medidos y comparados.El tratamiento establece un conjunto de condiciones experimentales que deben imponerse a

una unidad experimental dentro de los confines del diseo seleccionado. Ejemplos:Dsis de fertilizante, racin alimenticia, profundidad de sembrado, distanciamiento entre plantas,variedades de un cultivo.TESTIGO

El testigo es el tratamiento de comparacin adicional, que no debe faltar en un experimento;por ejemplo, si se usan cinco tratamientos con fertilizante, el testigo puede ser aquel tratamiento queno incluye fertilizante. La eleccin del tratamiento testigo es de gran importancia en cualquier inves-tigacin, este se constituye como referencia del experimento y sirve para la comparacin de lostratamientos en prueba.UNIDAD EXPERIMENTAL

La unidad experimental, es el objeto o espacio al cual se aplica el tratamiento y donde semide y analiza la variable que se investiga. En los experimentos pecuarios la unidad experimentalpor lo general esta conformada por un animal (cuye, cerdo, pato, etc.), en los experimentos foresta-les la unidad experimental en la mayora de los casos esta conformado por un rbol y en la mayorparte de las pruebas de campo agrcolas, la unidad experimental es una parcela de tierra en lugar deuna planta individual; es en este ltimo caso que con frecuencia se presenta lo que se llama efecto deborde

Efecto de BordeEn los experimentos agrcolas, muchas veces existen diferencias en el crecimiento y

la produccin de las plantas que estn situadas en los permetros de la parcela en relacincon aquellas plantas situadas en la parte central; esta diferencia es llamado efecto de bordey puede causar sobre-estimacin o sub-estimacin de las respuestas de los tratamientos,llegando con esto a comparaciones sesgadas entre ellos.

El efecto de bordes puede ser causado por:- Vecindad de las parcelas reas no cultivadas, que hace que las plantas en lospermetros tengan menor competencia de luz y nutrientes.- Competencia entre tratamientos que depende de la naturaleza de los tratamientosvecinos.Para controlar el efecto de borde se acostumbra a evaluar solamente las plantas cen-trales para los fines experimentales Estas plantas centrales constituyen lo que sellama PARCELA NETA EXPERIMENTAL.


5/9

En el siguiente ejemplo se muestra el croquis de una parcela de maz con cuatro surcos, donde lasplantas de cabecera y de los dos surcos laterales, se consideran efectos de borde.

CROQUIS EXPERIMENTAL3 9 m

5 5 m

olpe en parcela n e t e x p e n m e n t l

O o l p e co n efec to de borde

Una manera de disminuir el efecto de borde es mediante el uso de Calles que pueden ser: reasadyacentes sin sembrar el uso de bordes con plantas que no intervendrn en la cosecha del expe-rimentoANALISIS DE LA VARIANCIAEs una tcnica estadstica que sirve para analizar la variacin total de los resultados experimenta-les de un diseo en particular, descomponindolo en fuentes de variacin independientesatribuibles a cada uno de los efectos en que constituye cl diseo experimental.


6/9

Esta tcnica tiene como objetivo identificar la importancia de los diferentes factores tra-tamientos en estudio y determinar como interactan entre s.IPOT SISESTADISTICAEs el supuesto que se hace sobre el valor de un parmetro (constante que caracteriza a unapoblacin) el cual puede ser validado mediante una prueba estadstica.

En la investigacin agraria al realizar un anlisis estadstico utilizando el ANVA de un dise-o experimental, la hiptesis a probar es si los tratamientos tienen el mismo efecto sobre la variableque se estudia, es as como se tienen las hiptesis planteada (Hp) e hiptesis alterna (Ha):Hp: Ti = 0 (Los i tratamientos tienen el mismo efecto sobre la variable en estudio)Ha: T,:;,- 0 (No todos los tratamientos tienen el mismo efecto sobre la variable en estudio)

Al probar la hiptesis estadstica el investigador est propenso a cometer los siguientestipos de errores:

Error Tipo 1: Se comete cuando se rechaza la hiptesis que se plantea, siendo esta hiptesisfalsa; la magnitud de este error es fijado por el investigador y constituye el nivel designificacin de la prueba ; usualmente los valores usados como nivel de significacin son0.0560.01.Error tipo II: Se comete cuando se acepta la hiptesis que se plantea, siendo esta hiptesisfalsa; la magnitud de este error no se puede fijar, pero si es posible minimizar utilizando untamao adecuado de muestra.

PRINCIPIOS BASICOS DEL DISEO EXPERIMENTALLos principios bsicos del diseo experimental son: repeticin, aleatorizacin, y controllocal.Repeticin: Viene a ser la reproduccin o rplica del experimento bsico (asignacin de un tratamientoa una unidad experimental). Las principales razones por las cuales es deseable la repeticin son :Primero por que proporciona una estimacin del error experimental, siendo tal estimacin confiablea medida que aumenta el nmero de repeticiones, y segundo permite estimaciones ms precisas deltratamiento en estudio.Aleatorizacin: Consiste en la asignacin al azar de los tratamientos en estudio a las unidades ex-perimentales con el propsito de asegurar que un determinado tratamiento no presente sesgo. Porotro lado la aleatorizacin hace vlidos los procesos de inferencia y las pruebas estadsticas.Control Local (Control del error Experimental): Consiste en tomar medidas dentro del diseo ex-perimental para hacerlo ms eficiente, de tal manera que pueda permitir la reduccin del errorexperimental y as hacerla ms sensible a cualquier prueba de significacin.


7/9

SUPUESTOS ACERCA DEL MODELO ESTADISTICOLos supuestos necesarios del modelo estadstico son:

a. Aditividad: Los factores o componentes del modelo estadstico son aditivos, es decir lavariable respuesta es la suma de los efectos del modelo estadstico.b. Linealidad: La relacin existente entre los factores o componentes del modelo estadsticoes del tipo lineal.C. Normalidad: Los valores resultado del experimento provienen de una distribucin de

probabilidad Normal con media y variancia r2 .d. Independencia: Los resultados observados de un experimento son independientes entre s.e. Variancias Homogneas (Homocedasticidad): Las diversas poblaciones generadas por la

aplicacin de dos o ms tratamientos tienen variancias homogneas (variancia comn).TIPOS DE MODELOS ESTADISTICOS

De acuerdo a la seleccin de los tratamientos y otros factores se tiene la siguiente clasificacin:Modelo I (Efectos Fijos):

Se presenta cuando los tratamientos y dems factores que intervienen en un experimento sonfijados por el investigador; es decir, no se efecta una eleccin aleatoria. En estos casos lasconclusiones del anlisis de variancia solamente son vlidas para los tratamientos y otros factoresusados en el experimento. En el presente trabajo se ha considerado nicamente el caso de modelo deefectos fijos, por ser el que se presenta con mayor frecuencia en la experimentacin agraria.Modelo II (Efectos aleatorios):

Se presenta cuando los tratamientos y dems factores que intervienen en un experimento sonelegidos al azar de una poblacin. En estos casos las conclusiones del anlisis de variancia sonvlidos, tanto para los tratamientos y dems factores usados, asi como para todas las poblaciones detratamientos y factores.Modelo III (Modelo Mixto):Este modelo es la combinacin de los dos anteriores y se presenta cuando algunos factores sonfijados y otros son elegidos al azar. En estos casos las conclusiones del anlisis de variancia se-rn vlidas para toda la poblacin de factores cuando estos son elegidos al azar, y solamente paralos factores usados cuando estos son fijados.


8/9

PRUEBAS DE COMPARACION DE MEDIASEs propsito de todo investigador que realiza un anlisis de variancia de un experimento en

particular, realizar la prueba sobre el efecto de los tratamientos en estudio, para ello hace uso de laprueba F el cual indicar si los efectos de todos los tratamientos son iguales o diferentes; en caso deaceptar la hiptesis de que todos los tratamientos no tienen el mismo efecto, entonces es necesariorealizar pruebas de comparacin de promedios a fin de saber entre que tratamientos hay diferencias,y para esto es necesario realizar pruebas de comparacin mltiple como las siguientes:Diferencia Significativa Mnima (DLS):

Es una prueba para comparar dos medias y su uso en comparaciones simultneas se justificaslo en las siguientes condiciones:a. La prueba F resulta significativa.b. Las comparaciones furon planeadas antes de ejecutar el experimento.Prueba de Rangos Mltiples de Duncan:

Este procedimiento es utilizado para realizar comparaciones mltiples de medias; pararealizar esta prueba no es necesario realizar previamente la prueba F y que sta resulte significativa;sin embargo, es recomendable efectuar esta prueba despus que la prueba F haya resultado significa-tiva, a fin de evitar contradicciones entre ambas pruebas.Prueba de Rangos Mltiples de Tukey:

Este procedimiento es llamado tambin Diferencia Significativa Honesta, se utiliza pararealizar comparaciones mltiples de medias; esta prueba es similar a la prueba de Duncan en cuantoa su procedimiento y adems es ms exigente.Prueba de Comparacin de Dunnet:

Esta prueba es til cuando el experimentador est interesado en determinar que tratamientoes diferente de un testigo, control o tratamiento estndar, y no en hacer todas las comparacionesposibles (que pasaran a una segunda prioridad); es decir, cuando se quiere comparar el testigo concada uno de los tratamientos en estudio.TRANSFORMACION DE DATOS

La razn principal de la transformacin de datos es que de llevarse a cabo un anlisis esta-dstico con resultados que no cumplan con los supuestos acerca del modelo estadstico, se puedellegar a una conclusin equivocada.

Un cambio de escala puede variar la media y la variancia de la variable as como surelacin con respecto a otras variables. La forma de la distribucin de una variable cambia con laescala. Mediante una transformacin adecuada puede conseguirse que un variable que no sedistribuye normalmente pase a tener una distribucin casi normal. Las poblaciones con varianciasdesiguales pueden convertirse en homocedsticas (variancias homogneas) mediante unatransformacin apropiada.Las transformaciones mas usadas son:


9/9

a. Transformacin logartmicaEl modelo lineal (por ejemplo Y = + i. + Rj + e ) indica que el efecto del bloque, el efecto

del tratamiento y el error experimental, son todos ellos aditivos. Si los bloques y los tratamientosaumentan o disminuyen las mediciones en un determinado porcentaje en lugar de una determinadacantidad, entonces se dice que los efectos son multiplicativos y no aditivos. En estos casos, unatransformacin logartmica transformar en aditiva la relacin multiplicativa y en consecuencia elmodelo lineal podr ser aplicado a los nuevos datos.

Para ciertos tipos de anlisis el investigador prefiere la escala que elimina lasinteracciones mientras que para otras puede preferir la escala que restituye los efectos lineales. Loque hay que recordar es que la relacin entre las variables est muy influenciada por las escalascon las que se miden dichas variables. Las interpretaciones de los datos slo son vlidas en relacincon la escala particular adoptada en un caso determinado.b. Transformacin de la raz cuadrada

Cuando los datos estn dados por nmeros enteros procedentes del conteo de objetos, comopor ejemplo el nmero de manchas en una hoja o el nmero de bacterias en una placa, los nmerosobservados tienden a presentar una distribucin de Poisson ms que una distribucin normal. Lasconsideraciones tericas conducen a la transformacin de la raz cuadrada de los nmeros observados.Normalmente esta transformacin determina que las variancias de los grupos sean ms iguales.Tambin es aplicable a las distribuciones sesgadas puesto que acorta la cola larga.

Si y es el nmero observado, para el anlisis estadstico y la prueba de significacin utiliza-remos y '. Cuando los nmeros observados son pequeos (de 2 a 10), se prefiere la transformacin(y+0.5)' 1, en especial cuando algunos de los nmeros observados son cero.COEFICIENTE DE VARIABILIDADEs una medida de variabilidad relativa (sin unidades de medida) cuyo uso es para cuantificar entrminos porcentuales la variabilidad de las unidades experimentales frente a la aplicacin de undeterminado tratamiento. En experimentacin no controlada (condiciones de campo) se consideraque un coeficiente de variabilidad mayor a 35% es elevado por lo que se debe tener especial cui-dado en las interpretaciones y conclusiones; en condiciones controladas (laboratorio) se consi-dera un coeficiente de variabilidad mayor como elevado. La expresin estimada del coeficientede variabilidad es:

cv= eme X1Y

diseño de experimentos agricolas

Documents