DISEÑOS EXPERIMENTALES

Jorge Guzmán Calla

CAPITULO 6

ARREGLOS FACTORIALES
6.1 INTRODUCCION

Uno de los objetivos, en la investigación agrícola, es entender adecuadamente la respuesta de los

individuos a factores del medio que los rodea. Estos factores, a la par de los impuestos por el
investigador, pueden variar simultaneamente. Es por esta razón que es necesario estudiar la mayoría
de los factores que afectan a los experimentos.

Esto permitirá un estudio adecuado de la respuesta de las plantas y animales no solo a factores
individuales sino a la combinación de los mismos. La investigación simultanea de los efectos de los
diferentes factores en estudio puede ser mejor comprendida a través de los experimentos factoriales.

Se entiende por diseño factorial a aquel en el que se investigan todas las posibles combinaciones de
los niveles de los factores en cada ensayo completo. Por ejemplo, si existen a1, a2 niveles del factor
A y b1, b2 niveles del factor B, entonces cada réplica del experimento contiene las combinaciones
a1b1, a1b2 a2b1 a2b2 que son considerados los tratamientos del experimento.

Los experimentos factoriales se emplean, sobre todo, en investigaciones exploratorias donde se

conoce muy poco acerca de los factores que afectan el comportamiento de los individuos en estudio.
La información obtenida es mas amplia debido a que puede ser obtenida de la respuesta al efecto de
los diferentes factores, de los cambios de nivel de los factores y finalmente de la respuesta a la
interacción de los factores.

6.2. INTERACCION

Los experimentos factoriales envuelven un nuevo e importante concepto denominado como

interacción. Esta ocurre cuando la respuesta de un factor o una serie de factores es modificada por el
cambio en el comportamiento de alguno de los otros factores.

De esta manera, se puede decir que la interacción es la respuesta diferencial de uno o varios factores
cuando uno de los factores cambia de nivel. Por ejemplo, en un experimento para estudiar el efecto
de la fertilización nitrogenada en diferentes variedades de quinua, se determinó que algunas
variedades responden mejor a la fertilización nitrogenada que otras. Por tanto, se puede decir que
existe interacción entre las variedades de quinua y la fertilización.

Un ejemplo simple será usado para clarificar el concepto de interacción. Un experimento con dos
tratamientos (A y B) cada uno con dos niveles. Los posibles resultados son presentados en las
siguientes tres tablas.
El cuadro 1 muestra el incremento en el rendimiento de los niveles del factor B cuando los niveles
del factor A cambian de nivel.
a1bo - aobo = 50 -10 = 40
a1b1 - aob1 = 70 - 30 = 40

A RENDIMIENTO

ao a1 TOTAL

bo 10 50 60
B
b1 30 70 100

63
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

TOTAL 40 120 160

a) El cuadro 2 muestra una situación diferente. El cambio en el comportamiento de los niveles

del factor B es afectado por el cambio de nivel en el factor A.

a1bo - aobo = 30 -10 = 20

a1b1 - aob1 = 80 - 20 = 60

A RENDIMIENTO

ao a1 TOTAL

bo 10 30 40
B
b1 20 80 100

TOTAL 30 110 140

a) En este caso, se presenta una situación extrema. Cuando A cambia de nivel, el nivel bo
aumenta su rendimiento. En cambio, el nivel b1 decrece su rendimiento.

A RENDIMIENTO

ao a1 TOTAL

bo 10 70 80
B
b1 70 10 80

TOTAL 80 80 160

Cuando los datos de un experimento son estrictamente aditivos, esto es, la respuesta de un factor
actúa independientemente del otro factor, el experimento puede ser analizado como si los factores
fueran experimentos simples.

6.3. ELECCION DE LOS FACTORES

La selección de factores y niveles de cada factor es una tarea bastante delicada. De este punto
depende el éxito o fracaso del experimento. En la elección se debe tener en cuenta antecedentes y
revisión de literatura, especificamente resultados de experimentos similares o bajo condiciones
similares.

Se define como factor a un tipo particular de tratamiento o a una serie de tratamientos relacionados
entre si. En general, los factores son seleccionados mediante experimentos exploratorios o de
diagnóstico que permite obtener información sobre los factores que son parte o afectan al problema
en estudio. Estos factores pueden incluir factores cualitativos y cuantitativos, además de factores
manejables y no manejables. Por tanto, se deben seleccionar los factores manejables o que puedan
contener niveles.

Por ejemplo, si el problema es la baja producción de quinua en el altiplano, podemos seleccionar los
siguientes factores:

CUADRO 6.1. Selección de factores que afectan la producción de quinua en el altiplano.

64
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

FACTORES FACTORES CUANTITATIVOS FACTORES CUALITATIVOS

precipitación fertilización variedades

heladas materia orgánica métodos de siembra
fertilización enfermedades
enfermedades plagas
plagas riego
variedades densidad de siembra
suelos
maquinaria agrícola
materia orgánica
ataque de pájaros
riego
erosion
calidad de semilla
métodos de siembra
densidad de siembra

En el planeamiento de los experimentos factoriales deben contestarse las siguientes preguntas:

a) Que factores deben incluirse
b) cuantos tratamientos o niveles de cada factor deben ser considerados
c) como deben espaciarse los niveles de cada factor.

6.4. SELECCION DE TRATAMIENTOS

La selección de los niveles de un factor depende de las características del material experimental que
será utilizado para formar las unidades experimentales. Es por esta razón, que el material
experimental deberá ser seleccionado y estudiado con anticipación colectando información acerca de
las características de este material.

Para facilitar el análisis estadístico, los niveles de un factor cuantitativo deben estar igualmente
espaciados, de manera que el intervalo o distancia entre niveles sea constante. En especial, cuando
se realizan estudios de la respuesta lineal, o curvilínea de los niveles.

Por otra parte, los niveles pueden estar en escalas logarítmicas. Al respecto, Federer (1955), indica
que los niveles pueden ser espaciados de la siguiente manera: k 0 unidades, k1 unidades, k2 unidades,
k3 unidades, etc. De esta manera, los niveles quedan espaciados en forma equidistante en una escala
logarítmica. Por ejemplo, si k = 4, los niveles serían 0, 3, 9, 27, 81, etc.

Por su naturaleza los tratamientos pueden ser:

a) Totalmente cuantitativos: cuando se combinan factores cuantitavos continuos entre si. Por ej.:
Niveles de Nitrógeno x Niveles de Fósforo. Totalmente cualitativos: Por ej.:
Variedades x Insecticidas
b) Mixtas. Por ej.:
Variedades x niveles de Nitrógeno.

6.5 CLASIFICACION DE LOS FACTORES

Se utiliza para reconocer factores y niveles, asi cuando se tiene dos niveles del factor A y
dos niveles del factor B se tendrá un factorial de 2 x 2 ó 2 2. Cuando se tiende dos factores con tres
niveles cada uno, se denotará como 32 o 3 x 3. En general, se los puede clasificar como:
Serie pura: 2k : 21 ; 22 ; 23 ; 24 ; etc.
3k : 31 ; 32 ; 33 ; 34; etc.
4k : 41 ; 42 ; 43 ; etc.
Donde el exponente k, representa el número de factores, y el coeficiente 2, 3, 4, etc,
65
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

representan los niveles

c) Serie mixta: es la combinación de los anteriores entre si: 2 k x 3 x 3

6.5.1 NOTACION

La notación utilizada en esta sección esta basada en la sugerida por Yates (1933). Las primeras
letras mayúsculas del alfabeto representan factores. Las letras minúsculas y subíndices numéricos se
usan para denotar combinaciones de tratamientos y medias. A menudo, el cero se usa para el primer
nivel de un subíndice.
FACTOR : A, B, C....
NIVELES : a0, a1, a2 ......
FACTOR : B
NIVELES : b0, b1, b2..........
COMBINACIONES : a0b0, a0b1, a1b0 a1b1
OTRA NOTACION : 00, 01, 10, 11

Si consideramos un experimento con dos factores y dos niveles se tendrían las siguientes
notaciones:
Factor A

Forma completa Formas abreviadas

Nivel a1 a2 a1 a2 a1 a2
B
b1 a1 b1 a2 b1 (1) a 00 10

b2 a1 b2 a2 b2 b ab 01 11

Las diferencias a2,- a1 ; y b2 - b1 ; a cada nivel de A, se llaman efectos simples y son útiles en la
interpretación final de los resultados.

VENTAJAS

a) Permite el estudio de efectos principales, efectos de interacción, efectos simples; nunca

hay pérdida de información
b) Cuando todos los factores son independientes en sus efectos, el experimento significa
ahorro de tiempo y material.
c) Cada efecto principal se estima con la misma precisión que si todo el experimento se
hubiera dedicado a ese factor.
DESVENTAJAS
a) Con una gran número de combinaciones de tratamientos, la selección de unidades
experimentales homogeneas es más dificil.
b) Conforme aumenta el número de combinaciones de tratamientos el error experimental
aumenta

6.6 FACTORIAL 22

EJEMPLO

Se realizó un experimento para estudiar el efecto de dos distancias entre surco sobre dos variedades
de papa en la producción de semilla, bajo condiciones de invernadero.

66
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

a1 = Sani imilla a2 = Huaycha paceña

c1 = marco real 12 por 12 cm c2 = marco real 15 por 15 cm

TABLA 6.2 Rendimiento en gramos de tubérculo por parcela de un factorial 2 2.

a1 a2 densidad
c1 c2 c1 c2 Total c1 c2 total
var
1 21 38 22 19 100 a1 119 158 277
2 19 21 21 21 82 a2 125 111 236
3 27 36 31 25 119 Total 244 269 513
4 25 31 29 21 106
5 27 32 22 25 106 Tabla para la interacción densidad por variedad

Total 119 158 125 111 513

OBJETIVO
- Estudiar el efecto de dos densidades sobre dos variedades en la producción de papa amarga

HIPOTESIS
Respecto a las variedades:
- No existen efecto de la densidad de siembra en el comportamiento de las variedades de papa

67
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

6.7 MODELO ADITIVO Yikn = µ + αi + γ k + (αγ)ik + εn(ik)

LINEAL
Donde :

Yikn = Una observación cualesquiera.

µ = Media general del experimento.
αi = Efecto de la i-ésima variedad
γ k = Efecto del k-ésima densidad
αγik = Interacción de la i-ésima variedad y la k-ésima densidad.
εn(ik) = Error experimental.

NIVEL DE SIGNIFICACION α = 0.05

REGLA DE DECISION Aceptar la Ho si Fc ≠ Ft(0.05)

CALCULOS PARA RENDIMIENTO

Variedad : i : 1.......a a = 2
Densidad : k : 1..... c c = 2
Repeticiones : n : 1.......r r = 5

a) Factor de corrección (FC)

Y2 5132
FC = ---------- = --------------- = 13158.45
acr 2*2*5

b) Suma de Cuadrados del Total

SCT = ΣΣY2 ikn - FC = 13755 - 13158.45 = 596.55

c) Suma de Cuadrados de Variedades (A)

Y2k 2772 + 2362

SCA = ------------- - FC = --------------------------- - 13158.45 = 84.05
a*r 2*5

d) Suma de Cuadrados de Densidades (C)

Y2 i 2442 + 2692
SCC = --------------- - FC = ------------------------ - 13158.45 = 31.25
c*r 2*5

e) Suma de Cuadrados de Variedades por Densidades

Y2ij 1192 + 1252 +1582 + 1112

SCAxC = ----------- - FC - SCA - SCC = ----------------------------------- - 13158.45 - 84.05 – 31.25= 140.45
r 5

f) Suma de Cuadrados del Error

SCE = SCT - SCA - SCC - SCAxC = 340.8

g) Análisis de varianza

68
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

TABLA 6.3 Análisis de Varianza para el rendimiento en gramos de semilla de papa por parcela.

F.V. G.L. S.C. C.M. Fc Ft(0.05)

Variedades (A) 1 84.05 84.05 3.94 5.41
Densidades (C) 1 31.25 31.25 1.46 5.41
AxC 1 140.45 140.45 6.59 5.41
Error 16 340.8 21.30
Total 19 596.55

Coeficiente de variación

h) Interpretación del ANVA:

 No se encontró significación para variedades, pero si para densidades. Se encontró alta 

significación estadística para la interacción densidad por variedad (AxC). Por tanto,
podemos concluir que los factores no son independientes, es decir que cuando el factor
densidad cambia de nivel las variedades en estudio (los niveles del factor variedad)
cambian su comportamiento.
 Para estudiar la interacción, se debe hacer un análisis de efectos simples para cada factor
en los niveles del otro factor en estudio.

69
i) Análisis de efectos simples:
El primer paso es construir una tabla de doble entrada para los totales de la interacción Variedad por
Densidad (AxC)

C RENDIMIENTO C

c1 c2 TOTAL c1 c2 MEDIA

a1 119 158 277 a1 23.8 31.6 27.7

A A

a2 125 111 236 a2 25.0 22.2 23.6

TOTAL 244 269 513 MEDIA 24.4 26.9 25.6

1192 + 1582 277 2

SCC(ao) = ---------------- - ---------- = 152.1
5 2(5)
1252 + 1112 2362
SCC(a1) = --------------- - --------- = 19.6
5 2(5)
1192 + 1252 2442
SCA(co) = ---------------- - ---------- = 3.6
5 2(5)

1582 + 1112 2692

SCA(c1) = --------------- - --------- = 220.9
5 2(5)

j) Análisis de varianza para los efectos simples

Fig. 1. Respuesta lineal de las variedades en cada uno de los niveles de densidad.

TABLA 6.4 Análisis de Efectos Simples para el rendimiento en gramos de semilla de papa por
parcela.

F.V. G.L. S.C. C.M. Fc Ft(0.05)

C(a1) 1 152.1 152.1 7.14 5.41 *

C(a2) 1 19.6 19.6 0.92 5.41 ns

A(c1) 1 3.6 3.6 0.16 5.41 ns

A(c2) 1 220.9 220.9 10.37 5.41 *

Error 16 340.8 21.3

Total 20
k) Conclusiones:

El coeficiente de variación fue de 15.4 % y los datos se consideran confiables.

De acuerdo a la Tabla 1, no se encontró significación para variedades, ni para densidades al nivel del 5 %
(=0.05). Se encontró alta significación estadística para la interacción densidad por variedad (DxV).
El análisis de efectos simples Tabla 2, muestra que se encontraron diferencias significativas entre las
densidades para la variedad Sani imilla (v1) y no asi entre las densidades para la variedad Huaycha Paceña
(v2). Esto significa que para obtener un alto rendimiento para la variedad Sani Imilla, se la debe sembrar a
una densidad de 15 por 15 cm en marco real. Para la variedad Huaycha Paceña no se encontraron diferencias
entre las densidades, es decir que el rendimiento en ambos casos es similar. Esta diferencia puede deberse al
hecho que la variedad Sani Imilla tiene un un enraizamiento más profundo y lateral por tanto necesitará
mayor superficie para su desarrollo. La variedad Huaycha Paceña tiene un enraizamiento más compacto por
tanto no se detectará diferencias significativas entre densidades para esta variedad.

6.7 Pautas generales para deducir conclusiones 

Si el análisis de varianza muestra que los efectos principales de A y B son significativos pero no
la interacción, entonces se analizan los efectos principales. las conclusiones más importantes se
deduce de los efectos principales de A y de los efectos principales de B que sean significativas.
 Si en el experimento resulta significativa la Interacción AB y los efectos principales, se
recomienda analizar la interacción AB con mayor detalle. Las conclusiones más
importantes se deducen de los efectos simples de A en los niveles de B, y de los efectos
simples de B en los niveles de A que lleguen a alcanzar significación.
 Si el análisis de varianza no muestra significación para ninguna de las fuentes de
variación, entonces se deben revisar los siguientes puntos:
 Requisitos de los diseños experimentales (normalidad de los datos, homogeneidad de
varianzas, independencia de medias y varianzas)
 Repetir el experimento aumentando el número de repeticiones por tratamiento.
 Revisar el intérvalo entre los niveles de los factores, en muchos casos intérvalos muy
reducidos no permiten detectar diferencias reales entre los niveles en estudio.
 Revisar las unidades experimentales de cada tratamiento. Cuando las U.E. son muy
reducidas los CV se incrementan, por tanto, pueden dificultar el análisis correcto de la
información.

6.8 FACTORIAL 32

Si se toma en cuenta la notación para los arreglos factoriales, 3 2, que puede ser mencionado como 3x3, se
refiere a dos factores con tres niveles cada uno.

EJEMPLO 3

Se realizó un experimento para estudiar el efecto de la fertilización nitrogenada sobre el rendimiento de

tres variedades de cebolla en un diseño Bloques Completos al Azar. Para tal efecto, se utilizaron los
siguientes niveles:
a1= Isleña amarilla c1= 0 kg/ha
a2= Arequipeña c2= 50 kg/ha
a3= Local c3= 100 kg/ha

TABLA 6.5 Rendimiento de cebolla en kg/19m2

 a1 a2 a3
c1 c2 c3 c1 c2 c3 c1 c2 c3
I 12 15 13 11 14 16 12 15 12 120
II 11 16 15 12 12 14 11 17 16 124
III 11 17 15 12 12 12 10 18 19 126
IV 10 16 16 10 14 20 8 23 14 131
V 11 19 16 11 18 19 12 28 16 150
55 83 75 56 70 81 53 101 77 651

TABLA 6.6 Rendimientos totales para la interacción Fertilizante por Variedad

VARIEDAD
o a1 a2 a3
c1 55 56 53 164
c2 83 70 101 254
c3 75 81 77 233
213 207 231 651

OBJETIVO
- Estudiar el efecto de la fertilización nitrogenada en el rendimiento de tres variedades de cebolla

HIPOTESIS
- No existen efecto de la fertilización nitrogenada en el comportamiento agronómico de la cebolla

MODELO ADITIVO LINEAL Yijk = µ + βj + αi + γk + (αγ)ik + εijk

Donde :
Yijk = Una observación cualquiera
µ = Media general del experimento.
βj = Efecto del j-ésimo bloque
αi = Efecto de la i-ésima variedad de cebolla
γk = Efecto de la k-ésima fertilización
(αγ)ik = Interacción fertilización por variedad
ε ijk = Error experimental

NIVEL DE SIGNIFICACION α = 0.05

REGLA DE DECISION Aceptar la H o si Fc ≠ Ft(0.05)

CALCULOS PARA RENDIMIENTO

NUMERO
NIVEL
FACTOR EFECTO NIVEL DE
CUALQUIERA
NIVELES
Variedad α I a 3
Bloque β J b 5
Nitrógeno γ K c 3

a) Factor de corrección (FC)

Y2 6512
FC = ---------------- = --------------- = 9417.8
 a*b*c 3*5*3

b) Suma de Cuadrados del Total

SCT = ΣΣΣY2 ijk - FC = 10053 - 9417.8 = 635.2

c) Suma de Cuadrados de Bloques

ΣY2 j 1202 +...+ 1502

SCB = --------------- - FC = ------------------------------ - 9417.8 = 61.42
a*c 3*3

d) Suma de Cuadrados de Variedades (A)

ΣY2i 2132 +... + 2312

SCA = ------------- - FC = ------------------------------- - 9417.8 = 20.8
b*c 3*5

e) Suma de Cuadrados de Nitrógeno (C)

ΣY2 1642 +.... + 2332

SCC = ---------------- - FC = ------------------------------ - 9417.8 = 295.6
a *b 3*5

f) Suma de Cuadrados de variedad por nitrógeno (A*C)

ΣΣY2i 552 + 832 + 1012 + 772

SCAxC = ------------- - FC - SCA - SCC = -------------------------------- -- 9417.8 - 295.6 - 20.8 = 80.8
b 5

g) Suma de Cuadrados del Error

SCE = SCT - SCB - SCA - SCC - SCAxC = 635.2 - 61.42 - 20.8 - 295.6 - 80.8 = 176.58

h) Análisis de varianza

F.V. G.L. S.C. C.M. Fc Ft(0.05)

Bloques (B) (b-1)=4 61.42 15.36 2.78

Variedades (A) (a-1)=2 20.8 10.4 1.88

Nitrógeno (C) (c-1)=2 295.6 147.8 26.78

AXC (a-1)(c-1)=4 80.8 20.2 3.66

Error (ac-1)(b-1)=32 176.58 5.52

Total (abc-1)=44 635.2

i) Coeficiente de variabilidad

j) Interpretación:
  El coeficiente de variación fue de 22.3 % y los datos se consideran como aceptables. 
 No se encontró significación para densidades y variedades. Se encontró alta significación
estadística para la interacción densidad por variedad (DxV). Por tanto, podemos concluir que los
factores no son independientes, es decir que cuando el factor densidad cambia de nivel las
variedades en estudio (los niveles del factor variedad) cambian su comportamiento.
 Para encontrar el cambio en la respuesta de las variedades, se debe hacer un análisis de efectos
simples para cada factor en los niveles del otro factor en estudio.

k) Análisis de efectos simples:

El primer paso es construir una tabla de doble entrada para los totales de la interacción DxV

TABLA. 4. Interacción Variedad por Fertilizante

VARIEDAD VARIEDAD

N a1 a2 a3 N a1 a2 a3
c1 55 56 53 164 c1 11.0 11.2 10.6 10.9
c2 83 70 101 254 c2 16.6 14.0 20.2 16.9
c3 75 81 77 233 c3 15.0 16.2 15.4 15.5
213 207 231 651 14.2 20.7 15.4 14.5

552 + 562 + 532 1642

SCA(c1) = ---------------------------- - ------------ = 0.93
5 3(5)
832 + 702 + 1012 2542
SCA(c2) = ---------------------------- - ------------ = 96.93
5 3(5)

752 + 812 + 772 2332

SCA(c3) = --------------------------- - ------------- = 3.73
5 3(5)

552 + 832 + 752 2132

SCC(a1) = ---------------------------- - ------------- = 83.2
5 3(15)

562 + 702 + 812 2072

SCC(a2) = --------------------------- - ------------- = 62.8
5 3(15)

532 + 1012 + 772 2312

SCC(a3) = ------------------------------ - ----------- = 230
5 3(15)

l) Análisis de varianza para los efectos simples

F.V. G.L. S.C. C.M. Fc Ft(0.05)

A(c1) 2 0.93 0.47 0.08 3.29 ns
A(c2) 2 96.93 48.47 8.78 3.29 *
A(c3) 2 3.73 1.87 0.34 3.29 ns
C(a3) 2 83.2 41.6 7.54 3.29 *
C(a2) 2 62.8 31.4 5.69 3.29 *
C(a3) 2 230.4 115.2 20.88 3.29 *
Error 32 176.58 5.52
Total 44 635.2

m)Conclusiones:
  El coeficiente de variación fue de 15.4 % y los datos se consideran confiables.
 De acuerdo a la Tabla 1, no se encontró significación para variedades, pero si para
densidades al nivel del 5 % (α=0.05). Se encontró alta significación estadística para la
interacción densidad por variedad (AxC).
 El análisis de efectos simples Tabla 2, muestra que se encontraron diferencias significativas
entre las densidades para la variedad Sani imilla (v1) y no asi para las densidades para la
variedad Huaycha Paceña (v2). Esto significa que para obtener un alto rendimiento para la
variedad Sani Imilla, se la debe sembrar a una densidad de 15 por 15 cm en marco real. Para
la variedad Huaycha Paceña no se encontraron diferencias entre las densidades, es decir que
el rendimiento en ambos casos es similar. Esta diferencia puede deberse al hecho que la
variedad Sani Imilla tiene un un enraizamiento más profundo y lateral por tanto necesitará
mayor superficie para su desarrollo. La variedad Huaycha Paceña tiene un enraizamiento más
compacto por tanto no se detectará diferencias significativas entre densidades para esta
variedad.

PROGRAMACION Y RESULTADOS EN ‘SAS’

options ps=85 ls=85 nodate;

data fac33;
input b v $ n Y @@;
cards;
1 1 1 12 2 1 1 11 3 1 1 11 4 1 1 10 5 1 1 11
1 1 2 15 2 1 2 16 3 1 2 17 4 1 2 16 5 1 2 19
1 1 3 13 2 1 3 15 3 1 3 15 4 1 3 16 5 1 3 16
1 2 1 11 2 2 1 12 3 2 1 12 4 2 1 10 5 2 1 11
1 2 2 14 2 2 2 12 3 2 2 12 4 2 2 14 5 2 2 18
1 2 3 16 2 2 3 14 3 2 3 12 4 2 3 20 5 2 3 19
1 3 1 12 2 3 1 11 3 3 1 10 4 3 1 8 5 3 1 12
1 3 2 15 2 3 2 17 3 3 2 18 4 3 2 23 5 3 2 28
1 3 3 12 2 3 3 16 3 3 3 19 4 3 3 14 5 3 3 16
;
proc glm data=fac33;
class b v n;
model y=b v n v*n;
run;
quit;

The SAS System

General Linear Models Procedure
Class Level Information
Class Levels Values
B 5 12345
V 3 123
N 3 123
Number of observations in data set = 45
General Linear Models Procedure
Dependent Variable: Y
Source DF Sum of Squares Mean Square F Value Pr > F
Model 12 458.62222222 38.21851852 6.93 0.0001
Error 32 176.57777778 5.51805556
Corrected Total 44 635.20000000
R-Square C.V. Root MSE Y Mean
0.722012 16.23770 2.34905418 14.46666667
Source DF Type I SS Mean Square F Value Pr > F
B 4 61.42222222 15.35555556 2.78 0.0432
V 2 20.80000000 10.40000000 1.88 0.1683
N 2 295.60000000 147.80000000 26.78 0.0001
V*N 4 80.80000000 20.20000000 3.66 0.0145

6.9 FACTORIAL 33

Si se toma en cuenta la notación para los arreglos factoriales, 3 3, que puede ser mencionado como 3x3x3,
se refiere a tres factores con tres niveles cada uno.
EJEMPLO

Se realizó un experimento para estudiar el efecto de la fertilización química sobre el rendimiento de papa
en un diseño Bloques Completos al Azar en tres bloques. Para tal efecto, se utilizaron los factores:

a1= 50 kg/ha c1= 60 d1=0

a2= 100 kg/ha c2= 100 d2= 50

 a3= 150 kg/ha c3= 140 d3= 100

N P2O5 K2O I II III IV TOTAL

50 60 0 33.0 31.5 30.5 28.0 123.0
TABLA.:
50 60 50 35.0 33.8 29.0 35.5 133.3 Interacción
50 60 100 28.5 35.0 34.0 34.5 132.0 Nitrógeno por
50 100 0 29.5 33.5 35.0 30.0 128.0 Fósforo
50 100 50 43.0 34.5 34.0 28.5 140.0
FOS FOS
50 100 100 38.0 31.5 31.0 31.5 132.0 FOR FO

50 140 0 34.5 32.5 34.0 32.5 133.5

c cc Nc c c
13 24 34 1 a 31 32 3 3
50 140 50 37.5 31.5 33.5 33.0 135.5 8 6 6 3 2 8 8 6
1
4 4 4 1 a 3 3 3 3
50 140 100 37.5 33.5 37.0 36.0 144.0 0 3 3 2 3 5 6 5
2
4 4 4 1 a 3 3 3 3
100 60 0 33.5 36.5 43.0 32.5 145.5 1 6 2 2 4 8 5 6
3
1 1 1 3 3 3 3 3
100 60 50 37.5 39.0 40.5 36.5 153.5
2 3 3 8 3 7 6 5
100 60 100 35.5 45.5 46.0 38.0 165.0
100 100 0 38.5 36.0 38.5 34.0 147.0 TABLA.:
100 100 50 34.5 44.5 36.5 33.5 149.0 Interacción
100 100 100 37.5 29.5 34.5 32.5 134.0
Nitrógeno por
Potasio
100 140 0 39.0 37.0 37.5 42.0 155.5
100 140 50 36.5 38.5 40.5 37.0 152.5 NIT NI
RO TR
100 140 100 40.0 37.5 35.0 43.0 155.5
aaa Ka a a
150 60 0 38.5 34.0 39.5 41.5 153.5 3 4 4 1
8 4 4 2
d 32 37 36 35
150 60 50 43.0 32.5 38.5 35.0 149.0
4 4 4 1
0 5 3 2
d 34 37 36 36
150 60 100 37.0 42.0 41.0 40.5 160.5
4 4 4 1
0 5 4 3
d 34 37 37 36
150 100 0 30.5 39.5 38.0 36.0 144.0
1 1 1 3 3 3 3 3
150 100 50 33.5 40.0 38.5 39.5 151.5 2 3 3 8 3 7 6 5

150 100 100 33.0 39.0 36.5 33.0 141.5

150 140 0 34.0 34.0 36.5 40.0 144.5
TABLA.:
150 140 50 35.0 37.0 30.5 32.5 135.0
Interacción Fósforo
150 140 100 36.0 37.0 36.5 34.0 143.5 por Potasio
969.5 976.3 985.5 950.5 3881.8
PO PO
TA TA
ccc Nc c c
4 4 4 1
2 1 3 2
d 35 34 36 35
4 4 4 1
3 4 2 2
d 36 36 35 36
4 4 4 1
5 0 4 3
d 38 34 36 36
1 1 1 3 3 3 3 3
3 2 2 8 6 5 6 5

OBJETIVO
- Estudiar el efecto de la fertilización química en la producción de papa amarga

HIPOTESIS

- No existen efecto de la fertilización en el comportamiento agronómico de la quinua

 MODELO ADITIVO LINEAL Yijk = µ + βj + αi + γ k + λl + (αγ)ik+ (αλ)il+(γλ)kl + (αγλ)ikl + εijkl
Donde :

Yij =Una observación cualquiera.

µ = Media general del experimento.
βj = Efecto del j-ésimo bloque
αi = Efecto del i-ésimo nivel de nitrógeno
γk = Efecto del k-ésimo nivel de fósforo
λl = Efecto del l-ésimo nivel de potasio
(αγ)ik = Interacción del i-ésimo nivel de nitrógeno con el k-ésimo nivel de fósforo
(αλ)il =Interacción del i-ésimo nivel de nitrógeno con el l-ésimo nivel de potasio
(γλ)kl =Interacción del k-ésimo nivel de fósforo con el l-ésimo nivel de potasio
(αγλ)ikl = Triple interacción de los niveles de nitrógeno fósforo y potasio
εijkl = Error experimental.

NIVEL DE SIGNIFICACION α = 0.05

REGLA DE DECISION Aceptar la H o si Fc ≠ Ft(0.05)

CALCULOS PARA RENDIMIENTO

NUMERO
NIVEL
FACTOR EFECTO NIVEL DE
CUALQUIERA
NIVELES
Nitrogeno α i a 3
Bloque β j b 4
Fósforo γ k c 3
Potasio λ l d 3

a) Factor de corrección (FC)

Y2 3881.82
FC = ---------------- = ------------------- = 139521.9
a*b *c*d 3*4*3*3

b) Suma de Cuadrados del Total

SCT = ΣΣΣΣY2 ijkl - FC = 141094.8 - 139521.9 = 1572.9

c) Suma de Cuadrados de Bloques

ΣY2j 969.52 + 976.32 + 985.52 + 950.52

SCB = --------------- - FC = ----------------------------------------------------------------- - 139521.9 = 24.4
a*c*d 3*3*3

d) Suma de Cuadrados de Nitrógeno

ΣY2i 1201.32 + 1357.52 + 13232

SCA = ------------- - FC = ----------------------------------------------- - 139521.9 = 374.1
b *c* d 4*3*3

e) Suma de Cuadrados de Fósforo (P)

ΣY2k 1315.32 + 12672 + 1299.52

SCC = ---------------- - FC = -------------------------------------------------- - 139521.9 = 33.7
 a*b*l 3*4*3

f) Suma de Cuadrados de Potasio (K)

ΣY2l 1274.52 + 1299.32 + 13082

SCD = ------------- - FC = ------------------------------------------------ - 139521.9 = 16.8
a * b *c 3*4*3

g) Suma de Cuadrados de Nitrógeno por Fósforo (A x C)

ΣY2ik 388.32 + 4002 + ...... + 4232

SCAxC = ------------- - FC - SCA - SCC = ----------------------------------- 139521.9 - 374.1 - 16.8 = 123.71
b*d 4*3

h) Suma de Cuadrados de Nitrógeno por Potasio (A x D)

ΣY2il 384.52 + 408.82 + ...... + 445.52

SCAxD = ------------- - FC - SCA - SCD = -------------------------------------------- - 139521.9 - 374. 0 - 16.8 = 21.8
b*c 4*3

i) Suma de Cuadrados de Fósforo por Potasio (C x D)

ΣY2kl 4222 + 435.82 + ...... + 4432

SCCxD = ------------- - FC - SCC - SCD = -------------------------------------- - 139521.9 - 33.7 - 16.8 = 100.0
a*b 3*4

j) Suma de Cuadrados de Nitrógeno por Fósforo por Potasio

ΣY2ijk
SCAxCxD = ---------- - FC - SCN - SCP - SCK - SCNxP - SCNxK - SCPxK =
b

1232 + 133.32 + ...... + 143.52

SCAxCxD = ------------------------------------- - 139521.9 - 374.1 - 33.7 - 16.8 - 123.7 - 21.8 - 100.0 = 37.9
4

k) Suma de Cuadrados del Error

SCE = SCT - SCB - SCA - SCC - SCD - SCAxC - SCAxD - SCCxD - SCAxCxD =

SCE = 1572.9 - 24.4 - 374.1 - 33.7 - 16.8 - 123.7 - 21.8 - 100.0 - 37.9 = 840.5

l) Análisis de varianza

F.V. G.L. S.C. C.M. Fc Ft(0.05)

Bloques (B) (b-1)=3 24.4 8.14 0.75 2.72 ns
Nitrogeno (A) (a-1)=2 374.1 187.04 17.36 3.13 *
Fósforo (C) (c-1)=2 33.7 16.84 1.56 3.13 ns
Potasio (D) (d-1)=2 16.8 8.39 0.78 3.13 ns
AxC (a-1)(c-1)=4 123.7 30.93 2.87 2.5 *
AxD (a-1)(d-1)=4 21.8 5.45 0.51 2.5 ns
CxD (c-1)(d-1)=4 100 25.01 2.32 2.5 ns
AxCxD (a-1)(c-1)(d-1)=8 37.9 4.75 0.44 2.01 ns
Error (acd-1)(b-1)=78 840.5 10.77
Total (abcd-1)=107 1572.9 14.7
m) Interpretación del ANVA

 Se encontró significación solo para Nitrógeno (N) y la interacción Nitrógeno por 

Fósforo. El resto de las fuentes de variación resultaron no significativas.
 Cuando resultan significativos los efectos totales y también las interacciones es
recomendable analizar solo las interacciones, puesto que el análisis de los efectos
principales carece de sentido. En este caso, se recomienda hacer un análisis para la
interacción (NxP) que resultó significativa, mediante el análisis de efectos simples.
 Sin embargo para conocer el procedimiento de comparación de los niveles de los
efectos totales se hará el análisis de comparación de medias de Duncan para
Nitrógeno (N).

n) Prueba de Duncan para Nitrógeno (N).

10 Promedios de tratamientos

n1 n2 n3

334 377 368

_______ ________
 p*k*b  3*3*4
Determinación de Sx = CME = 10.77 = 0.5469

Nota: La determinación del Error Estandard para la prueba de Duncan esta en función
al número de repeticiones para cada nivel de nitrógeno es por esta razón que el CME se
divide entre (p*k*b) y no entre el número de repeticiones o bloques (r)

o) Buscar en la tabla de Duncan los valores de las Amplitudes Estudiantizadas Significativas de

Duncan (AES-D)

valores de p 2 3
AES (D) 2816 2966
Sx = 0.5469
ALS(D) 154 162

p) Se ordenan los promedios

n2 n3 n1
377 368 334
I II III

q) Se comparan medias aledañas

Comparados con : n2 n3 n1
37.7 36.8 33.4
n2 -- 9 43
37.7
n3 -- 34
36.8
 n1 --
33.4

r) Una forma más adecuada de presentar los resultados es el diagrama de barras.

n2 n3 n1
377 368 334

Conclusión : El nivel n2 (50 kg/ha de N) no muestra diferencias significativas con el nivel n 3(100 kg/ha
de N), se encontraron diferencias significativas entre n 1 y n3 (150 kg/ha de N) y entre n2 y n3

s) Análisis funcional para Nitrógeno (N)

Debido a que el factor principal Nitrógeno (N) tiene sus niveles igualmente espaciados, se
procederá a analizar si la respuesta es lineal o cuadrática. Los coeficientes ortogonales serán
deducidos de acuerdo a la siguiente tabla.

Cuadro 8 Componente lineal y cuadrático para el factor nitrógeno.

contraste n1 n2 n3 C C2 divisor SC

(C2/p*k*b* 2)
(50 kg) (100 kg) (150 kg)
1201.3 1357.5 1323.0 p*k*b *
2
Lineal -1 0 +1 121.7 14810.9 72 205.7
fertilizante)
Cuadrático +1 -2 +1 -190.7 36366.5 216 168.4

Lineal

C = 1201.3(-1) + 1357.5 (0) + 1323(+1) = 121.7

Divisor = p*k*b*2 = 3*3*4* {(-1)2 + (0)2 + (+1)2 } = 72

C2 14810.9
SC = -------------------- = ------------- = 205.7
(p*k*b*  ) 2
72

Cuadrático

C = 1201.3(+1) + 1357.5 (-2) + 1323(+1) = - 190.7

Divisor = p*k*b*2 = 3*3*4* {(+1)2 + (- 2)2 + (+1)2 } = 216

C2 36366.5
SC = -------------------- = ------------- = 168.4
(p*k*b* 2) 216

t) Análisis funcional para la interacción Nitrógeno por Fósforo (NxP)

Cuadro 9 Componente lineal y cuadrático para la interacción NxP

n1 n2 n3
contraste (50 kg) (100 kg) (150 kg) C

Lineal -1 0 +1
NL en p1 388.3 464.0 463.0 74.7
fertilizante)
NL en p2 400.0 430.0 437.0 37
 NL en p3 413.0 463.5 423.0 10
Cuadrático +1 -2 +1
NC en p1 388.3 464.0 463.0 -76.7
NC en p2 400.0 430.0 437.0 -23
NC en p3 413.0 463.5 423.0 -91

u) Análisis de efectos simples para la interacción (NxP)

Para hacer este análisis se utilizará la tabla 3 que muestra los totales de la interacción NxP
388.32 + 4642 + 4642 1315.32
SCN(p1) = ----------------------------------------- - ---------------- = 314.2
12 3(12)

4002 + 4302 + 4372 12672

SCN(p2) = ----------------------------------- - ---------------- = 64.4
12 3(12)

4132 + 463.52 + 4232 1299.52

SCN(p3) = ------------------------------------ - ---------------- = 119.2
12 3(12)

388.32 + 4002 + 4132 1210.32

SCP(n1) = -------------------------------------- - -------------- = 25.4
12 3(12)

4642 + 4302 + 463.52 1357.52

SCP(n2) = -------------------------------------- - ---------------- = 63.3
12 3(12)

4632 + 4372 + 4232 13232

SCP(n3) = ----------------------------------- - ---------------- = 68.7
12 3(12)

Análisis de varianza para los efectos simples

F.V. G.L. S.C. C.M. Fc Ft(0.05)

SCN(p1) 2 314.2 157.1 14.58 3.13 *
SCN(p2) 2 64.4 32.2 2.99 3.13 ns
SCN(p3) 2 119.2 59.6 5.53 3.13 *
SCP(n1) 2 1201.3 600.7 55.74 3.13 *
SCP(n2) 2 1357.5 678.8 62.99 3.13 *
SCP(n3) 2 1357.5 661.5 61.39 3.13 *
Error 78 840.5 10.8
Total 27 6.5

v) Conclusiones
  El coeficiente de variación fue de 9.13 % y los datos se consideran como aceptables. 
 No se encontraron diferencias significativas para Bloques, lo cual significa que el
diseño utilizado no fue el adecuado para el terreno donde se realizó el experimento,
por tanto se perdió eficiencia en el estudio.
 Se encontró significación para Nitrógeno y para la interacción Nitrógeno por
Fósforo.
Por tanto, podemos concluir que estos factores no son independientes, es decir que
cuando el factor fósforo cambia de nivel existen respuestas diferenciadas de los
niveles del Nitrógeno.
 El nivel n2 (50 kg/ha de N) no muestra diferencias significativas con el nivel n 3(100
kg/ha de N), se encontraron diferencias significativas entre n 1 y n3 (150 kg/ha de N)
y entre n2 y n
 El análisis de efectos simples muestra que existen diferencias significativas para los
niveles de Fósforo para cada uno de los niveles de Nitrógeno.
 Las respuestas del Nitrógeno en los niveles de Fósforo tienen una tendencia lineal.

PROGRAMACION Y RESULTADOS EN ‘SAS’

options ps=85 ls=85 nodate;

data fac33;
input b n p k Y;
proc glm data=fac33;
class b n p k;
model y=b n p k n*p n*k p*k n*p*k;
means n/duncan;

run;
quit;
p
The SAS System 3
General Linear Models Procedure
Class Level Information
Class Levels Values
B 4 1234
N 3 123
P 3 123
K 3 123
Number of observations in data set = 108
General Linear Models Procedure
Dependent Variable: Y
Source DF Sum of Squares Mean Square F Value Pr > F
Model 29 732.50981481 25.25895913 2.34 0.0016
Error 78 840.47425926 10.77531102
Corrected Total 107 1572.98407407
R-Square C.V. Root MSE Y Mean
0.465682 9.132833 3.28257689 35.94259259
Source DF Type I SS Mean Square F Value Pr > F
B 3 24.43074074 8.14358025 0.76 0.5223
N 2 374.07018519 187.03509259 17.36 0.0001
P 2 33.69240741 16.84620370 1.56 0.2159
K 2 16.78685185 8.39342593 0.78 0.4624
N*P 4 123.70981481 30.92745370 2.87 0.0284
N*K 4 21.80703704 5.45175926 0.51 0.7315
P*K 4 100.03481481 25.00870370 2.32 0.0641
N*P*K 8 37.97796296 4.74724537 0.44 0.8931
General Linear Models Procedure
Duncan's Multiple Range Test for variable: Y
NOTE: This test controls the type I comparisonwise error rate, not the
experimentwise error rate
Alpha= 0.05 df= 78 MSE= 10.77531
Number of Means 2 3
Critical Range 1.540 1.621
Means with the same letter are not significantly different.
Duncan Grouping Mean N N
A 37.7083 36 2
A 36.7500 36 3
B 33.3694 36 1
6.10 DEFINICIONES
FACTORIAL.- es un arreglo especial o una forma de combinar los niveles de los factores en
estudio y no un tipo de diseño experimental.

FACTOR.- Es un tipo particular de tratamiento que varía según el deseo del investigador, por
ejemplo: la temperatura, la densidad de plantación, el peso de la semilla, las variedades, etc.

FACTOR CUALITATIVO.- Es aquel que corresponde al caso en que los tratamientos no

pueden ser arreglados en orden de magnitud y cada nivel tiene un interés intrínseco, por ej.:
variedades de maiz, técnicas de poda de árboles, formas de aplicación de fungicidas.

FACTOR CUANTITATIVO.- Son aquellos factores cuyos niveles son cantidades numéricas
están directamente relacionados con variables cuantitativas, ej.: dosis crecientes de nitrógeno,
peso de semilla.

NIVELES.- Son los diferentes valores que se asignan a un factor en estudio, ej.:
FACTOR : Nitrógeno
NIVELES : 0, 50, 100, 150, 200 kg/ha
FACTOR : Temperatura
NIVELES : 0, 40, 80, 120 oC
FACTOR : Formas de aplicación de fertilizantes
NIVELES : En bandas, al voleo, a golpe.

RESPUESTA.- Es el resultado de una parcela experimental, ej.: el rendimiento de maiz, la

longitud de mazorca, altura de planta, número de tallos, diámetro de tuberculos, etc.

EFECTO.- Es la medida de cambio en la respuesta de uno de los factores por efecto del cambio
de nivel en el otro factor. Asi cuando el factor que se estudia tiene dos niveles, el efecto es la
diferencia entre el primer nivel del factor y el promedio de las respuestas de las que llevan el
segundo nivel del mismo factor. Cuandose estudian más de dos niveles, las diferencias entre
promedios de respuesta puedenser expresadas de varias maneras, esto es, efecto lineal,
cuadrático, cúbico, cuártico (Vasquez, 1990)

INTERACCION.- Se define la interacción como la respuesta diferencial a un factor en

combinación con niveles variables de un segundo factor aplicado simultaneamente. Es decir, la
interacción es un efecto adicional debido a la influencia combinada de dos o más factores
(Ostle,1974). También se puede decir que es el cambio en el comportamiento de los niveles de
un factor cuando el otro factor cambia de nivel.