DULCE PÉREZ SÁNCHEZ

SAÚL GÓMEZ GONZÁLEZ

6° B DISEÑO DE EXPERIMENTOS

EJERCICIO GRUPO B

Cuando se comparan varios fertilizantes o diferentes variedades de cierto cultivo,

es típico que se deba considerar el gradiente de fertilidad del suelo (factor
columna) o los efectos residuales de cultivos previos (factor renglón).
Considerando estos factores de bloque, Gómez y Gómez (1984) plantean un
experimento en cuadro latino para comparar, en cuanto a rendimiento en
toneladas por hectáreas, tres variedades de maíz hibrido (A,B,C) y una variedad
control (C ). Para ello, se utiliza un campo agrícola cuadrado de 16 hectáreas,
dividido en parcelas de una hectárea. Los datos del rendimiento obtenidos en
cada parcela se muestran a continuación.

Ren/col 1 2 3 4
1 1,640 (B) 1,210 (D) 1,425 (C ) 1,345 (A)
2 1,475 (C ) 1,185 (A) 1,400 (D) 1,290 (B)
3 1,670 (A) 0,710 (C ) 1,665 (B) 1,180 (D)
4 1,565 (D) 1,290 (B) 1,655 (A) 0,660 (C )

¿Existen diferencias en los rendimientos de las diferentes variedades de maíz?

Debido a que el P-value (0,025) es menor a 0.05 se afirma que si existen

diferencias entre los tratamientos.

¿Se habría detectado las mismas diferencias en los tratamientos con un diseño
completamente al azar?

No porque en el diseño en cuadro latino se controlan dos factores de bloqueo y

se tienen cuatro fuentes de variabilidad para el modelo y por lo tanto pueden
afectar la respuesta observada.

Paso 1 característica critica.

Rendimiento de los diferentes tipos de maíz en toneladas por hectáreas

Paso 2. Determinar cómo va a ser medida

Se utiliza un campo agrícola cuadrado de 16 hectáreas, dividido en

parcelas de una hectárea

Paso 3. Verificar la habilidad del sistema de medición

Paso 4 Objetivo de la comparación.

Para comparar, en cuanto a rendimiento en toneladas por hectáreas, tres

variedades de maíz hibrido (A,B,C) y una variedad control (C ).

Paso 5 Tipo de comparación.

 DULCE PÉREZ SÁNCHEZ
SAÚL GÓMEZ GONZÁLEZ
6° B DISEÑO DE EXPERIMENTOS

Medias de los grupos (𝑋̅1, , 𝑋̅2, 𝑋̅3 )

Dirección (bilateral)

Hipótesis:

Ho: µ₁= µ₂=……….. µk = µ

Ha: µi ≠ µj para algún i ≠ j Hipótesis para las medias
= 0.05

Paso 6. Estadística a usar

DISEÑO CUADRO LATINO (DCL)

𝑌𝑖𝑗 = µ + 𝑇𝑖 + 𝑌𝑖 + 𝛿𝑖 + 𝐸𝑖𝑗

𝑇𝑖 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑏𝑖𝑑𝑜 𝑎𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜

𝑌𝑖 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑏𝑖𝑑𝑜 𝑎𝑙 𝑏𝑙𝑜𝑞𝑢𝑒
𝛿𝑖 = 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑏𝑖𝑑𝑜 𝑎𝑙 𝑟𝑒𝑛𝑔𝑙𝑜𝑛
𝐸𝑖𝑗 = 𝑒𝑟𝑟𝑜𝑟 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜 𝑎𝑡𝑟𝑖𝑏𝑢𝑖𝑏𝑙𝑒 𝑎 𝑙𝑎 𝑚𝑒𝑑𝑖𝑐𝑖𝑜𝑛

Paso 7. Obtención de datos

 Se realizó la toma de muestras mediante un proceso aleatorio en el cual

se utiliza un campo agrícola cuadrado de 16 hectáreas, dividido en
parcelas de una hectárea

Paso 8 Análisis

PRUEBA DE IGUALDAD DE MEDIAS

Ho: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4

Ha: 𝜇1 ≠ 𝜇2 (𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑖𝑗)

Modelo lineal general: RESPUESTA vs. COLUMNA, FILA, TRATAMIENTO

Método

Codificación de factores (-1, 0, +1)

Información del factor

Factor Tipo Niveles Valores

COLUMNA Fijo 4 1, 2, 3, 4
FILA Fijo 4 1, 2, 3, 4
TRATAMIENTO Fijo 4 A, B, C, D
 DULCE PÉREZ SÁNCHEZ
SAÚL GÓMEZ GONZÁLEZ
6° B DISEÑO DE EXPERIMENTOS

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

COLUMNA 3 827342 275781 12.77 0.005
FILA 3 30155 10052 0.47 0.717
TRATAMIENTO 3 426842 142281 6.59 0.025
Error 6 129584 21597
Total 15 1413923

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
146.961 90.84% 77.09% 34.83%

Coeficientes

EE del
Término Coef coef. Valor T Valor p VIF
Constante 1335.3 36.7 36.34 0.000
COLUMNA
1 252.2 63.6 3.96 0.007 1.50
2 -236.6 63.6 -3.72 0.010 1.50
3 200.9 63.6 3.16 0.020 1.50
FILA
1 69.7 63.6 1.10 0.315 1.50
2 2.2 63.6 0.03 0.974 1.50
3 -29.1 63.6 -0.46 0.664 1.50
TRATAMIENTO
A 128.4 63.6 2.02 0.090 1.50
B 135.9 63.6 2.14 0.077 1.50
C -267.8 63.6 -4.21 0.006 1.50

Ecuación de regresión

RESPUESTA = 1335.3 + 252.2 COLUMNA_1 - 236.6 COLUMNA_2 + 200.9 COLUMNA_3

- 216.6 COLUMNA_4 + 69.7 FILA_1 + 2.2 FILA_2 - 29.1 FILA_3
- 42.8 FILA_4 + 128.4 TRATAMIENTO_A + 135.9 TRATAMIENTO_B
- 267.8 TRATAMIENTO_C + 3.4 TRATAMIENTO_D
 DULCE PÉREZ SÁNCHEZ
SAÚL GÓMEZ GONZÁLEZ
6° B DISEÑO DE EXPERIMENTOS

 De acuerdo a los residuos tenemos datos normales

 Existen datos aleatorios, existe una varianza homogénea debido a que
no existe un patrón
 Existe aleatoriedad, no existe dependencia
 Los datos a simple vista siguen una distribución normal.

Con un p-value mayor a se acepta la hipótesis nula es decir las medias de los
rendimientos de las diferentes variedades de maíz son estadísticamente distintas.