Diseño Completamente Aleatorizado

Diseo completamente aleatorizado(DCA)
Un diseo completamente al azar, es especialmente til

cuando todas la unidades experimentales son muy
homogneas.
Ejemplos:
Animales de la misma edad, del mismo peso, similar
estado fisiolgico.
Parcelas de igual tamao, etc.
Con la finalidad de disminuir la magnitud del error

experimental, ocasionado por la variacin intrnseca de
las unidades experimentales.
Unidades experimentales
Diseo completamente aleatorizado
Es apropiado para experimentos de laboratorio,
invernadero, animales de bioterio, aves, conejos,
cerdos, etc., es decir, situaciones experimentales
como de las condiciones ambientales que rodean el
experimento.
Este diseo consiste en la asignacin de los

tratamientos en forma completamente aleatoria a
las unidades experimentales.
Ventajas
Flexibilidad: Cualquier nmero de tratamientos y
cualquier nmero de rplicas pueden ser usadas,
siempre y cuando se tengan suficientes UE
homogneas.
Anlisis Estadstico simple: ya sea cuando todos los
tratamientos tengan igual nmero de rplicas
(balanceado), diferente nmero de rplicas
(desbalanceado) o prdida de datos, caso en el cual se
trata como un anlisis desbalanceado.
Mximo nmero de grados de libertad para el error:
Esto ocurre porque el diseo tiene solo dos fuentes de
variacin que son los tratamientos y el error.
Precisin: Es muy preciso si se tienen en cuenta UE
homogneas.
Desventaja
Se puede obtener baja precisin cuando las
unidades experimentales no sean muy homogneas
y as ser ineficiente
EXPERIMENTO DE UN SOLO FACTOR
Modelo lineal
y ij m t i e ij para i 1, 2, . .., k ; j 1, 2, ..., n
donde:
yij : La j- sima observacin en la i-sima muestra
m: Parmetro de la media poblacional.
ti: Efecto del i-simo tratamiento.
eij: Error Experimental o efecto aleatorio asociado a la
observacin yij
eij ~ N(0,s2)
EXPERIMENTO DE UN SOLO FACTOR
Tratam. Tratam.1 Tratam.2 ... Tratam.k Total

Muestra
1 y11 y21 ... yk1 y.1
2 y12 y22 ... yk2 y.2
3 y13 y23 ... yk3 y.3
. . . ... . .
. . . ... . .
. . . ... . .
ni y 1n1 y 1n 2 ... y 1n k y 1n
Total y1. y2. ... yk. y..
Prof. Enit Huamn Cotrina

Tabla del anlisis de varianza (ANVA)
Fuente de Grados de
Suma de cuadrados Cuadrado medio Fc
variacin libertad
k
y i2. y ..2 CM ( Tr )
k1 SC( Tr ) - SS ( Tr ) CME
Tratamient i 1 ni n CM ( Tr )
os K -1
n k SCE SST - SS ( Tr ) CME
SSE
Error n -k
k n
y ..2
n 1 SCT y -
2
ij
n
i 1 j 1
donde
k
Total n

i
n
i 1
Pasos
Hipotesis
Ho: T1 = T2 = . = Ti= 0 i = 1,2.....t
Ha: Al menos un Ti es diferente a 0
Nivel de significacin = 0.05, 0.01
Se determina el valor de Ftabla en la tabla
Prueba estadstica
Fc = CMTr / CMe
Decisin
Si Fcal Ftab() se acepta la Ho
Si Fcal > Ftab() se rechaza la Ho
Ejemplo
Se realiz un experimento para comparar la eficacia
de 5 sustratos orgnicos, incluido un tratamiento
testigo, con la finalidad de evaluar la calidad de
plantones de bolaina, que se encuentran en el vivero
municipal en condiciones controladas . Los sustratos
fueron:
To= Tratamiento testigo
T1 = Gallinaza
T2= Aserrn
T3 = Compost
T4 = Estircol de vacuno T5 = Humus
Ejemplo
La variable de respuesta es la altura de los plantones
de bolaina a la edad de tres meses.
En el estudio se evalan a 30 plantones (UE); a los 30
plantones, se les agrupo aleatoriamente en seis
subgrupos, cada uno con 5 plantones por subgrupo
(repeticiones).
A cada subgrupo se le aplicaron los sustratos
(tratamientos)
A un subgrupo no se le asigno ningn sustrato (To).
A los 03 meses de instalado, se evaluaron en cada
plantn la altura de planta.
Ejemplo de ANOVA para igual nmero de
repeticiones
Tratami
entos
Rep. T0 T1 T2 T3 T4 T5
1 18 14 12 16 6 21
2 15 15 16 13 4 29
3 16 15 8 15 5 29
4 14 12 10 12 6 19
5 12 14 9 14 7 28
Total 75 70 55 70 28 126
Calculo de sumas de cuadrados
Nota: suma de T5 = 126
TC = (Y..)/rt = (424)2 /6x5 = 5992.53333
SCTOTAL= Yij - TC = 7196.0 - 5992.533 = 1203.467
SCTRATAM = Yi. /r - TC=7022.0-5992.533=1029.467
SCEE = 1203.467 - 1029.467 = 174.000

Resultado del anlisis de variancia
ANOVA
Variable respuesta: altura
Suma de GL CM Fc Ftab.
cuadrados 0.05 0.01
Tratam 1029,467 5 205,893 28,399 2.62 3.90

Error 174,000 24 7,250
Exp.
Total 1203,467 29
Prueba de hiptesis
Planteamineto de hitesis
Ho: To = T1 = . = T5 i = 1,2.....t
Ha: Al menos dos Ti es diferente
Valor crtico
= 0.05, 0.01
Calculo de sumas de cuadrados
Prueba estadstica
Fcal(Tratam.) = 205.893/7.250=28.399
Decisin estadstica
Como Fcal = 28.40 >Ftab(2.62) se acepta la Ha
Conclusiones
1. Se rechaza la hiptesis planteada, se acepta la
hiptesis alternante a un nivel de significacin de
0,05. La prueba fue significativa.
2. 2. Al menos un sustrato orgnico presenta
diferente efecto, respecto a la altura de los
plantones de bolaina.
Ejemplo de ANOVA para desigual
nmero de repeticiones
Ejemplo
Un ingeniero agrnomo de una compaa agrcola,
est tratando de evaluar tres diferentes mtodos de
cosecha de frutos en una variedad de tomate.
El mtodo 1, consiste en cosecha en forma manual

con tcnica tradicional.
El mtodo 2, consiste en cosechar en forma mecnica.
El mtodo 3, consiste en cosecha en forma combinada
manual y mecnica.
Los datos obtenidos de los tres
diferentes mtodos de cosecha son:
El ingeniero pregunta si existen diferencias en cuanto

a la efectividad de cosecha entre los tres mtodos.
Ejemplo
1. Planteamiento de hiptesis:
Hp : 1= 2= 3
Ha : 1 2 3 (no todas las medias son iguales)
2. Nivel de significacin
= 0,05
3.Prueba estadstica
Fcal = Cmtrat/ CME
Ejemplo
4. Decisin:
Si Fc 3.81 se acepta la Hp,
Si Fc>3.81 se rechaza la Hp,
En este caso se acepta la Hp
Ejemplo
5. Conclusin:
1. Se acepta la hiptesis planteada, se rechaza la

hiptesis alternante a un nivel de significacin de
0,05. La prueba no result significativa.
2. Los datos muestrales no proporcionan evidencia
para afirmar que los mtodos de cosecha son
diferentes.
Mtodo de comparacin post test
Cuando se rechaza la hiptesis nula, quiz sea bueno
saber qu medias de tratamientos difieren unos a
otros.
Diferencia limite de significacin (DLS): Para
comparar promedios de tratamientos.
Prueba de comparaciones mltiples de Duncan:
Para comparar medias planeadas.
Prueba de comparaciones mltiples de Tuckey,
todos contra todos.
Mtodo de comparacin post test
Prueba de comparaciones mltiples de Student,
Newman y Keuls.
Prueba de comparaciones de Dunnett: Para

comparar todos contra un testigo.

Diseño Completamente Aleatorizado

Cargado por

Copyright:

Formatos disponibles

Diseño Completamente Aleatorizado

Cargado por

Información del documento

Descripción 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

Diseño Completamente Aleatorizado

Cargado por

Copyright:

Formatos disponibles

Diseo completamente aleatorizado(DCA)

Un diseo completamente al azar, es especialmente til

Con la finalidad de disminuir la magnitud del error

Este diseo consiste en la asignacin de los

Tratam. Tratam.1 Tratam.2 ... Tratam.k Total

Total y1. y2. ... yk. y..

Prof. Enit Huamn Cotrina

TC = (Y..)/rt = (424)2 /6x5 = 5992.53333

SCTOTAL= Yij - TC = 7196.0 - 5992.533 = 1203.467

SCTRATAM = Yi. /r - TC=7022.0-5992.533=1029.467

SCEE = 1203.467 - 1029.467 = 174.000

Tratam 1029,467 5 205,893 28,399 2.62 3.90

El mtodo 1, consiste en cosecha en forma manual

El ingeniero pregunta si existen diferencias en cuanto

1. Se acepta la hiptesis planteada, se rechaza la

Prueba de comparaciones de Dunnett: Para

También podría gustarte