“Instituto Tecnológico de Comitancillo”
Asignatura: Diseños experimentales
Unidad 5: Diseño y Análisis de parcelas divididas.
Parte 1
Facilitador: Ing. Juan Cruz Rendón
Alumno: Josué Nolasco Luis.
Semestre: 5° Sistema Abierto
Carrera: Ingeniería en Agronomía
08 de noviembre del 2020
Diseño y análisis de parcelas divididas.
Los diseños de parcelas divididas se usan frecuentemente en experimentos factoriales. Tales
diseños pueden incorporar uno o más de los diseños completamente aleatorio, de bloques
completos aleatorizados o de cuadro latino. El principio básico es éste: de las parcelas completas o
unidades completas, a las cuales se les aplican niveles de uno o más factores, se dividen en
subparcelas o subunidades a las cuales se les aplican niveles de uno más factores adicionales. De
este modo, cada unidad completa se convierte en bloque para los tratamientos de subunidades.
Por ejemplo, considérese un experimento para probar el factor A a cuatro niveles en tres bloques
de un diseño de bloques completos al azar. Un segundo factor B, a dos niveles, puede
superponerse mediante división de cada unidad del factor A en dos subunidades, y asignando los
dos tratamientos B a esas subunidades. Aquí las unidades A son las unidades completas y las
unidades b son las subunidades.
Después de la aleatorización, el diagrama de distribución, puede ser como sigue:
Nótese que la aleatorización es en dos etapas. Primero aleatorizamos niveles del factor A en las
unidades completas; luego aleatorizamos niveles del factor B en las subunidades, dos por unidad
completa cada parcela dividida puede considerarse en lo que concierne al factor B, pero solo con
un bloque incompleto en lo que atañe al conjunto completo de tratamientos. Por esta razón, los
diseños de parcelas divididas pueden llamarse de bloques incompletos.
El diseño de parcelas divididas es deseable en las siguientes situaciones:
1. Puede usarse cuando los tratamientos relacionados con los niveles de uno o más de los
factores necesita mayores cantidades de material experimental en una unidad
experimental que los tratamientos de otros factores. Esto es común en experimentos sobre
el campo, el laboratorio, industrial y social. Por ejemplo, en un experimento sobre el campo
uno de los factores puede ser métodos de preparación del suelo o aplicación de un
fertilizante, factores que necesitan ambos, por lo general, parcelas o unidades
experimentales grandes.
2. El diseño puede usarse si va a incorporarse en un experimento un factor adicional para
aumentar su alcance. Por ejemplo, supongamos que el objeto principal de un experimento
es comparar los efectos de varios fungicidas como protectores contra infección por una
enfermedad.
3. A partir de la información anterior, se puede saber que pueden esperarse diferencias
mayores entre los niveles de ciertos factores que entre los niveles de otros. En este caso,
las combinaciones de los tratamientos para los factores donde se esperan diferencias
grandes pueden asignarse aleatoriamente a las unidades completas, simplemente por
comodidad.
4. El diseño se usa cuando se desea mayor precisión para comparaciones entre ciertos
factores, que para otras. Esta es esencialmente la misma que la tercera situación, pero las
razones pueden ser diferentes.
En resumen, como se espera que la variación entre las subunidades sea menor que entre las
unidades, en los experimentos con parcelas divididas, los factores que necesitan menores
cantidades de material experimental, o que sean de mayor importancia, de los que se espera
que presenten menores diferencia, o para los cuales por alguna razón se desee mayor
precisión, se asignan a las subunidades.
Ahora se expone la forma del análisis de la varianza para un experimento de dos factores en
parcelas divididas para un diseño en bloques completos al azar. Sea r el número de bloques, a el
número de niveles de A o unidades completas por bloque y b el número de niveles de B o
subunidades por unidad completa.
Las unidades enteras constituyen un grupo a=12 unidades. Los 11 Grados de libertad entre
unidades completas se particionan en 2 grados de libertad para bloques, 3 grados de libertad para
el efecto principal A y 6 grados de libertad para un error experimental para las comparaciones de
las unidades completas. Dentro de cada unidad completa hay un grado de libertad asociado con la
variación entre subunidades dentro de una unidad completa, lo que da un total de 12 grados de
libertad dentro de unidades completas para el experimento. Estos 12 grados de libertad están
particionados en un grupo de libertad para el efecto principal B, 3 grados de libertad para la
interacción AB, y 8 grados de libertad para el efecto principal B, 3 grados de libertad para la
interacción AB y grados de libertad para un error experimental para las comparaciones ente las
subunidades.
La partición de los grados de libertad para un diseño de parcelas divididas en la cual las unidades
completas están dispuestas completamente al azar, en bloques completos aleatorizados y en un
cuadrado latino, se presenta en la tabla.
El factor A, aplicado a las unidades completas, tiene a niveles; y el factor B, aplicado a las
subunidades, tiene b niveles. El factor B puede aplicarse a las subunidades en arreglos diferentes
a los que aquí se usan.
Como cada unidad entera se debe dividir para acomodar todos los niveles de B, una unidad
completa es un bloque en cuanto se refiere a B. En consecuencia, se aplica a un análisis de dos
vías con las fuentes: bloques, B, y el residuo o bloques XB. Si se particionan los bloques, como
sucede para dar el análisis de la unidad completa, entonces el residuo puede particionarse también
en cada componente multiplicado por B, es claro que, desearemos examinar la interacción AB. Por
otro lado, estamos preparados para incluir bloques XB en el error (b) para el diseño de bloques
completos al azar, y filas XB y columnas XB en el error (b) para el cuadro latino. Todo esto implica
que, para el diseño de bloques completos al azar, los bloques no interaccionan con el factor B; y
que, para el diseño de cuadrado latino, ni las filas ni las columnas interactúan con el factor B. Si
existe alguna razón para dudar de este supuesto, debe particionarse aún más el error (b) en
componentes de acuerdo con un modelo más completo. Cualquier duda respecto al modelo debe
examinarse a la luz de la naturaleza del material experimental y a la experiencia anterior con el
mismo. Obsérvese que el error (b) tiene el mismo número de grados de libertad.
Un ejemplo de parcelas divididas.
En un experimento llevado a cabo por D. C. Arny en la universidad de Wisconsin, se compararon
los rendimientos de cuatro lotes de avenas para tres tratamientos químicos de las semillas y un
control sin tratamiento. Dos de los lotes de semillas eran Vicland, designados Vicland (1) cuando
estaban infectados por H. Victoriae y Vicland (2) cuando no estaban infectados. Los otros dos lotes
de semillas eran muestras de avena Clinton y Branch que son resistentes a H. Victoriae. Los lotes
de semillas, factor A, se distribuyeron aleatoriamente a las parcelas completos dentro de cada
bloque: los protectantes de las semillas. Factor b. se asignaron aleatoriamente a las subparcelas
dentro de cada parcela completa. El diseño de parcelas completas era un diseño de bloques
completos al azar de cuatro bloques. Los rendimientos se muestran en la siguiente tabla:
Paso 1: Calcular el factor de corrección y la suma de cuadrados total.
Paso 2: Completar el análisis de las unidades completas.
Paso 3: Completar el análisis de las subunidades.
Las sumas de cuadrados se llevan a una tabla de análisis de varianza, que es la que suministra los
datos en estudio. Se dan los coeficientes de variación. Para parcelas completas, CV se define
como = (
√ Ea … ¿100 . Esto equivale a omitir la división en subparcelas y a hacer solo el análisis
bY
de parcelas completas. Para el modelo fijo, el valor de F para los lotes de semillas exige que E esté
en el denominador; los para tratamientos de semillas e interacciones exigen Eb. El valor de F para
los lotes de semillas altamente significante, el para los tratamientos de las semillas es casi
insignificante al nivel del 5 por ciento, y el para la interacción es altamente significante. Para el
modelo aleatorio, la elección del denominador para los diversos contrastes F no es tan directa.
Como la interacción es significante, las diferencias en las respuestas entre los lotes de semillas
varían para los tratamientos de las semillas en una forma que el azar y la hipótesis nula no pueden
explicar fácilmente; es importante examinar los efectos simples. Los efectos simples de mayor
interés están entre los cuatro tratamientos de semillas dentro de cada lote de semillas.
Para calcular un valor r, correspondiente a un r 0.025 tabulado para comparar los promedios de
dos lotes de semillas con el mismo tratamiento para las mismas. Los t tabulados para 9 y 36
grados de libertad son 2.262 y 2.028, respectivamente. Así, t 0.025 para la comparación es:
Tal valor t siempre se encuentra entre los dos
valores de t usados en su cálculo, ya que es una media ponderada de tales t tabulados. Este hecho
a menudo obviará la necesidad del cálculo de t. Esta prueba se hace frente a alternativas
bilaterales con ∝=0.05 .
Para comparaciones en que el control con cada uno de los protectantes de semillas dentro de los
lotes, el método de Dunnett da:
Donde t procede de
las tablas de Dunnett. Aquí se usa una prueba unilateral porque se espera que un protectante sea
beneficioso. La probabilidad se aplica al conjunto de enunciados, esto es, un conjunto de tres, en
vez de para cada enunciado por separado. Se concluye que con Vicland (1) el aumento en
rendimiento comparado con el control es altamente significante para Ceresan M y Panogen, pero
no para Agrox. Para los otros lotes de semillas no se encontraron diferencias significativas.
Datos faltantes en diseños de parcelas dividas
Las fórmulas para estimar observaciones faltantes en el diseño de parcelas divididas las Anderson.
Considérese el caso en que falta una subunidad y el tratamiento es a jbk. Sea Y la observación de la
subunidad faltante, y sea W el total de subunidades observadas en la unidad entera de donde falta
la observación, (ajbk), y sea (aj) el total de subunidades observadas que recibieron el nivel j-ésimo
de A. Entonces la estimación del valor faltante está dada. Nótese que esta es la ecuación, en lo
que los bloques son las parcelas completas, donde A se encuentra en el nivel j-ésimo.
Por ejemplo, supóngase que falta el valor del control en el bloque 1 para Vicland (1), es decir, 42.9.
Entonces:
Si faltan valores, cada uno en tratamientos diferentes de unidades completas, estimar los valores
faltantes dentro de cada tratamiento en unidad completa tal como se describe.
Referencias bibliográficas:
Steel y Torrie, (1985). Bioestadística: principios y procedimientos. Bogotá, Colombia: McGraw-Hill
