UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE

EXTENSIÓN SANTO DOMINGO

DEPARTAMENTO DE CIENCIAS DE LA VIDA Y LA AGRICULTURA
CARRERA DE INGENIERÍA AGROPECUARIA

PERIODO : Octubre 2016 – Febrero 2017

ASIGNATURA : Diseño experimental
NRC : 2615

NOMBRE : Adrián Medina

NIVEL : Tercero
DOCENTE : Ing. Vinicio Uday Msc.
FECHA : 25 de Julio de 2018

“PARCELAS SUBDIVIDIDAS Y TRIFACTORIALES DCA,DBCA”

SANTO DOMINGO-ECUADOR
2017
 PARCELAS SUBDIVIDIDAS

El concepto de los diseños en parcelas divididas puede generalizarse a casos en los

que las restricciones de aleatorización ocurren en cualquier número de niveles dentro del

bloque. La disposición en la que hay dos niveles de restricciones en la aleatorización en los

bloques se llama diseño en parcelas subdivididas.

Es un tipo especial de delineamiento en bloques incompletos para experimentos factoriales a

medida en que el factor C es considerado;

En las parcelas principales se asignan los niveles del factor B y dentro de cada uno de los

niveles de ese factor se asigna aleatoriamente los niveles del factor C, formando la subparcela.

[CITATION Menro \l 3082 ]

Características

• Las parcelas principales pueden ser dispuestas en DCC, DBC o DCL, por ejemplo;

• El efecto del factor B se confunde con las diferencias de los bloques incompletos;

• El efecto de B se estima con menor precisión, dado que para estimarlo se toma cada

parcela principal (bloques incompletos) como unidad experimental.

2
El Modelo Estadístico para el Diseño en Parcelas Subdivididas es:

Y ijkh=μ+ τ i + β j + ( τβ )ij +γ k + ( τγ )ik + ( τβγ )ijk

+δ h + ( τδ )ih + ( βδ ) jh
+ ( τβδ )ijh + ( γδ )ih + ( τγδ )ikh + ( βγδ ) jkh
+ ( τβγδ )ijkh

τ β
En donde i , i y ( τβ )ij representan la parcela completa y corresponden a los
bloques (factor A), tratamientos principales (factor B) y al error de la parcela completa (AB),
γ
respectivamente. Por otra parte: k , ( τγ )ik y ( τβγ )ijk representan a la subparcela y
corresponden al tratamiento de la subparcela (factor C), las interacciones AC y BC y el error
δ
de la subparcela, respectivamente. Finalmente, h y los parámetros restantes corresponden
a la subparcela dividida, y representa el tratamiento de la subparcela dividida (factor D) y las

interacciones restantes. La Interacción de cuatro factores ( τβλδ )ijkh se denomina error de la

subparcela dividida.

Cuadro 1. Análisis de Varianza para el diseño de la parcela sub-dividida

Causas de GL QM F
Variação

A (a-1) QMA

B (b-1) QMB QMB/QME(a)

Erro(a) (a-1)(b-1) QME(a)

Parcela ab-1

C (c-1) QMC QMC / QME(b)

BxC (b-1)(c-1) QM(BxC) QM(BxC) / QME(b)

Erro(b) b(c-1)(a-1) QME(b)

Total abc-1

3
Ejemplo

Los datos de la Tabla 2 son de un experimento llevado a cabo en un diseño de bloques al azar

con tres repeticiones, con tratamientos dispuestos en una parcela dividida, donde la trama se

distribuyeron al azar veces siembra y subtramas cultivares de soja.

Cuadro 2. Valores de porcentaje de germinación de semillas de cuatro cultivares de soja

de ciclo precoz, en función de las tres épocas de siembra y de los bloques.
Época de Bloques Cultivar Total Média

Siembra Emgopa316 Embrapa1 Rainha Itiquira

Octubre 1 81 60 94 57 292(4)

2 77 56 90 53 276

3 85 64 97 61 307

Noviembre 1 90 92 96 90 368

2 94 96 99 94 383

3 86 88 92 86 352

Diciembre 1 86 90 90 91 357

2 82 94 94 95 365

3 90 86 86 87 349

Total 771(9) 726 838 714 3049(3

6)
Fuente: Datos adaptados de [ CITATION Per18 \l 3082 ]

Para el cálculo de la suma de los cuadrados parcelas, bloques y el residuo (a), se debe
organizar un subclases que ofrece parcelas totales:
Cuadro 3. Arreglo de datos totales por bloques

4
Tiempo Bloque 1 Bloque 2 Bloque 3 Total
Octubre 292 (4) 276 307 875 (12)
Noviembre 368 383 352 1103
Diciembre 357 365 349 1071
Total 1017 (12) 1024 1008 3049 (36)

SQTot = 812 + 602 + ... + 872 - C = 5765,64, siendo C = (3049)2/36 = 258233,36

1
(1017 2  1024 2  1008 2 )
SQBlo = 12 - C = 10,72

1
( 875 2  11032  10712 )
SQEpo = ( 4)( 3) - C = 2539,56

1
( 292 2  276 2   349 2 )
SQPar = 4 - C = 2811,89

SQRes(a) = SQPar - SQEpo - SQBlo = 261,61

Para el cálculo de la suma de cuadrados de cultivar e interacción, se debe disponer un bastidor

auxiliar que enumera los niveles de dos factores:

Cuadro 4 Cuadro de arreglo de datos

Temporada Variedades Total

Siembra Emgopa316 Embrapa1 Reina Itiquira
Octubre 243 (3) 180 281 171 875 (12)
Noviembre 270 276 287 270 1103
Diciembre 258 270 270 273 1071
Total 771 (9) 726 838 714 3049 (36)

1
( 7712 +7262 +8382 +714 2 )
SQCul = (3 )( 3 ) - C = 1.050,75

5
 1
( 2432  180 2   2732 )
SQExC = 3 - C - SQÉpo - SQCul = 1806,00

Y la suma de los cuadrados de los residuos (b) es

SQTot - SQPar - SQCul - SQExC = 97,00

Cuadro 5. Análisis de varianza

Fuentes de GL SC CM fc Prob> F
variacion
Bloques 2 10,72 5.36 0,082 0.9228

Tiempo 2 2539.56 1269.78 19.41 0,0087

Error(a) 4 261.61 65.40

Parcelas 8 2811.89

Variedad 3 1050.75 350,25 64.99 0,0001

Épocas X 6 1806.00 301.00 55.86 0,0001

cultivos
Error (b) 18 97.00 5.39

total 35 5765.64

Observó un efecto significativo de estaciones, variedades y la interacción.

En experimentos en parcelas divididas, hay dos coeficientes de variación:

i) parcelas:
QM Re s( a ) 65,40
100
C.V.(a) = y ... 100 = 84,694 ... = 9,55%
ii) subparcelas:

QM Re s(b) 5,39
100
C.V.(b) = y ... 100 = 84,694 = 2,74%

6
 ESQUEMAS TRIFACTORIALES EN DCA

Estos tipos de Diseños experimentales son aquellos en los cuales se involucran en su estudio
tres factores; es decir, que se está interesado en los efectos que producen los tresfactores en la
variable respuesta en forma individual y conjunta (interacción).
Sean, A,B y C los factores que se van a estudiar en un experimento; el factor A tiene “a”
niveles, el factor B tiene “b ” niveles y el factor C tiene “c” niveles; por lo tanto, cada
repetición del experimento tiene todas la “abc ” combinaciones de tratamiento y en general
hay “n” repeticiones (n≥2).

El orden en que se toman las “abcn” observaciones en el experimento debe ser aleatorio, de
modo que este es un Diseño completamente aleatorizado.

Existen tres efectos principales (A,B y C), tres efectos dobles (AB,AC y BC) y un efecto
triple (ABC).

Modelo estadístico:

Yijk = µ + τi + βj + γk + (τβ)ij + (τ γ)ik + (βγ)jk + (τβγ)ijk + uijk

Donde:
Y IJK = Observación de la unidad experimental
µ = Media general del ensayo
y k = Efectos producidos por el factor C
τ i = Efectos producido por el nivel del factorA
(γτ)ki = Interacción factor BxC
  β j = Efecto producido por los niveles del factor B
(τβ)ij= Interacción entre AxB
(τβγ)ijk= Interacción entre AxBxC
Uijk = Error de la u.e

7
Cuadro 6. Esquema del adeva para arreglo trifactorial

Fuentes de Suma de Grados de Cuadrados

F calculado
variación cuadrados libertad medios
Factor A SCA a-1 CMA CMA/CMR
Factor B SCV b-1 CMB CMB/CMR
Factor C SCC c-1 CMC CMC/CMR
AxB SC(AB) (a-1)(b-1) CM(AB) CM(AB)/CMR
AxC SC(AC) (a-1)(c-1) CM(AC) CM(AC)/CMR
BxC SC(BC) (b-1)(c-1) CM(BC) CM(BC)/CMR
AxBxC SC(ABC) (a-1)(b-1)(c-1) CMR CM(ABC)/CMR
Total SCT abc-1 CMT
Ejemplo
 Se están investigando los efectos sobre la resistencia del papel que producen la
concentración de fibra de madera (factor A), la presión del tanque (factor B) y el
tiempo de cocción de la pulpa (factor C). Se seleccionan dos niveles de la
concentración de madera (τ 1, τ 2), tres niveles de la presión (β1 , β2 , β3 ) y dos
niveles del tiempo de cocción (γ1 , γ2 ). Pueden considerarse todos los factores fijos.
Analizar los resultados y obtener las conclusiones apropiadas.

Cuadro
7.

Datos
obtenido Y1 Y2
s sobre la
resistenci
a del
papelX
B1 B2 B3 B1 B2 B3
t1 10 20 2 6 23 -2
t2 26 28 30 30 34 32

8
Cuadro 8. Interacción de AxB

AxB B1 B2 B3 A
t1 16 43 0 59
t2 56 62 62 180
B 72 105 62 239

Cuadro 9. Interacción de AxC

AxC Y1 Y2
t1 32 37
t2 84 96
C 116 123

Cuadro 10. Interacción de BxC

Bx C Y1 Y2
B1 36 36
B2 48 57
B3 32 30

Resolución:

239 2
SCT =∑ y 2−Fc=6513− =1752,9
12
y2 592+180 2 2392
SCA=∑ −Fc= − =1220,08
b ×c 6 12

y2 722 +1052 +622 239 2

SCB=∑ −Fc= − =253,17
a× c 4 12
y2 116 2+ 1232 2392
SCC =∑ −Fc= − =4,083
a ×b 6 12

9
 2 2 2 2
y 16 +…+62 239
SC ( AB ) =∑ −Fc−SCA−SCB= − −SCA−SCB =231,16
c 2 12

2 2 2 2
y 36 +…+ 30 239
SC BC =∑ −Fc−SCB−SCC=
( ) − −SCB−SCC=17,16
a 2 12

2 2 2 2
y 32 +…+ 96 239
SC ( AC )=∑ −Fc−SCA−SCC = − −SCA−SCC =24,08
b 3 12

SCR=SCT −SCA−SCB−SCC−SC ( AB )−SC ( AC )−SC ( BC )−SC ( ABC )=3,167

Cuadro 11. Esquema del ADEVA

Fuentes de Suma de Grados de Cuadrados

F calculado
variación cuadrados libertad medios
Factor A 1220,08 1 1220,08 770,579
Factor B 253,16 2 126,58 79,947
Factor C 4,083 1 4,083 2,579
AxB 231,16 2 115,58 73,00

AxC 24,083 1 24,083 15,211

BxC 17,167 2 8,583 5,421

AxBxC 3,167 2 1,583

Total 1752,9 11

Interpretación:
Realizando la prueba de significancia al 0,05% se observa en el ADEVA que son
significativos los efectos de la fibra de madera (factor A), la presión del tanque (factor B) y la
interacción A × B (F0,05,2,2 = 19).

ARREGLO TRIFACTORIAL EN DCBA

10
El modelo para un experimento con estructura factorial de tratamientos definida por dos
factores cruzados, sin estructura de parcelas, es decir siguiendo un diseño completamente
aleatorizado para asignar los tratamientos a las UE, y suponiendo falta de interacción (modelo
aditivo) es el siguiente:

yijkl  = µ +  τ i +  β j +  γ k + ( τβ)  ij + ( τ γ)  ik  + ( βγ)  jk  + ( τβγ) ijk  +  uijkl

Cuadro 12. Modelo estadístico del ADEVA

Fuentes de Suma de Grados de Cuadrados

variacion cuadrados libertad Medios F calculado
Factor A SCA a-1 SCA/GLB CMA/CMR
Factor B SCB b-1 SCB/GLB CMB/CMR
Factor C SCC c-1 SCC/GLC CMC/CMR
AxB SC(AB) (a-1) (b-1) CM(AB) CM(AB)/CMR
AxC SC(AC) (a-1) (c-1) CM(AC) CM(AC)/CMR
BxC SC(BC) (b-1) (c-1) CM(BC) CM(BC)/CMR
AxBxC SC(ABC) (a-1)(b-1) (c-1) CM(ABC) CM(ABC)/CMR
Error
Experimental SCR abc(r-1) CMR
Total SCT abcr-1 CMT

EJEMPLO

Se seleccionan tres niveles de la concentración de madera (τ 1, τ 2, τ 3) y dos niveles de la

presión (β1 , β2 ) y del tiempo de cocción (γ1 , γ2 ). Pueden considerarse todos los factores

fijos. Se realiza un experimento factorial con dos réplicas y se recopìlan los siguientes datos.

Analizar los resultados y obtener las conclusiones apropiadas

Cuadro 13 Arreglo en cuadro de datos para la suma de cuadrados

y1 y2

11
 b1 b2 b1 b2
y1111= -3 y1211= -1 y1121= -1 y1221= 1
t1 y2111= -1 y1212= 0 y1122= 0 y1222= 1
y2111= 0 y2211= 2 y2121= 2 y2221= 6
t2 y2112= 1 y2212= 1 y2122= 3 y2222= 5
y2111= 5 y3211= 7 y3221= 7 y3221= 10
t3 y3112= 4 y3212= 6 y3122= 9 y3222= 11

Cuadro 14. Tabla de datos para la concentración de madera

Y1 Y2
Operario
B1 B2 B1 B2
-3 -1 2 6
t1
-1 0 0 1
0 2 2 6
t2
1 1 3 5
5 7 7 10
t3
4 6 9 11

Cuadro 15. Interacción AxBxC

Y1 Y2
AxBxC
B1 B2 B1 B2 A
t1 -4 -1 -1 2 -4
t2 1 3 5 11 20
t3 9 13 16 21 59

Cuadro 16. Interacción AxB

AxB B1 B2
t1 -5 1
t2 6 14
t3 25 34
B 26 49

12
Cuadro 17. Interacción AxC

AxC Y1 Y2
t1 -5 1
t2 4 16
t3 22 37
C 21 54

Cuadro 18. Interacción BxC

BxC Y1 Y2
B1 6 20
B2 15 34

Cálculos:
752
SCT =∑ y 2−Fc=571− =336,62
24
y2 −4 2+20 2+59 2 752
SCA=∑ −Fc= − =252,75
b ×c ×r 8 24

y2 26 2+ 492 752
SCB=∑ −Fc= − =22,042
a× c × r 12 24

y2 212 +54 2 752

SCC =∑ −Fc= − =45,37
a ×b × r 12 24

y2 −5 2+ …+342 752
SC AB =∑ −Fc−SCA−SCB=
( ) − −SCA−SCB=0,583
cr 4 24

y2 62 +…+34 2 752
SC ( BC )=∑ −Fc−SCB−SCC = − −SCB−SCC =1,042
ar 6 24

y2 −42 +…+ 212 752

SC ( ABC ) =∑ −Fc−SCA−SSB−SCC −SC ( AB ) −SC ( AC )−SC (BC )= − −SCA−SSB
r 4 24

13
 SCR=SCT −SCA−SCB−SCC−SC ( AB )−SC ( AC )−SC ( BC )−SC ( ABC )=8,5

Cuadro 19. Análisis de varianza de los resultados

XFuentes de Suma de Grados de Cuadrados

variacion cuadrados libertad Medios F calculado
Concentración de
madera 252,75 2 1265,375 178,412*
Presión 22,042 1 22,042 31,118*
Tiempo de cocción 45,37 1 45,375 64,059*
AxB 0,583 2 0,292 0,412
AxC 5,25 2 2,62 3,706*
BxC 1,042 1 1,04 1,471
AxBxC 1,083 2 0,54 0,765
Error Experimental 8,5 12 0,708
Total 336,625 23

Se encontró que existe significancia al 0,05% en los niveles de la concentración de madera (τ

1, τ 2, τ 3) y niveles de la presión (β1 , β2 ) y del tiempo de cocción (γ1 , γ2 ). Asi como en
las interaccion de AxC (concentración de madera x tiempo de cocción )

Bibliografía
Mendoza, R. (23 de Febrero de 2005). Estadistica Agronoma. Obtenido de Parcelas
subdivididas: [Link]
pdf
Pereira, P. (09 de Febrero de 2018). Agroestadistica. Obtenido de
[Link]

14