DISEÑOS EXPERIMENTALES
JUAN ENRIQUE RODRÍGUEZ PÉREZ
1. INTRODUCCIÓN
Algunas de las necesidades recurrentes en los procesos de producción agrícola vegetal son, por mencionar 1
solo algunas, incrementar los rendimientos de cultivos, mejorar de calidad de alimentos y materias primas,
aumentar la eficiencia y rentabilidad de procesos productivos, generar nuevas variedades de cultivos, adecuar
el manejo y control de factores bióticos y abióticos adversos en la producción, mejorar las condiciones de las
personas relacionadas con la actividad, diseñar o adaptar técnicas, instrumentos y materiales requeridos en
la producción, incrementar la eficiencia de la propagación, conservación y uso de recursos genéticos, etc.
Estos problemas del ámbito agronómico pueden abordarse mediante la investigación científica a través de la
aplicación del método científico, en donde una de sus fases es la experimentación, la cual involucra técnicas
estadísticas, debido al manejo de variables aleatorias, las cuales no muestran uniformidad.
La investigación agronómica requiere controlar las variaciones ambientales debido a que su principal objeto
de estudio son seres vivos, los cuales presentan fuertes interacciones con factores como el clima, suelo,
plagas, enfermedades, déficit hídrico, deficiencias nutrimentales, etc.; así como por diferentes condiciones
experimentales (campo, invernadero, laboratorio) y las unidades experimentales empleadas para verificar los
efectos de tratamientos (planta, parcela, hojas, cortes anatómicos, macetas, caja Petri, etc.), lo que genera
amplia diversidad de situaciones que exigen soluciones particulares. Todo ello con el fin de corroborar
hipótesis respecto a algún factor que modifica la respuesta de caracteres específicos.
Dentro de las herramientas estadísticas más usadas en los procesos de investigación se encuentran los
Diseños Experimentales, los cuales son instrumentos fundamentales en la toma de decisiones ante la
incertidumbre de la existencia de efectos diferenciales de tratamientos particulares sobre alguna
característica o variable aleatoria de interés. Esto requiere manejar sus principios, requerimientos, aplicación
y forma de análisis para lograr la interpretación correcta de los resultados experimentales en un contexto
científico, acompañado por una medida de incertidumbre al momento de generar las conclusiones.
El presente escrito aborda conceptos fundamentales para comprender el uso de los diseños experimentales
en el área de la agronomía y biología (aunque muchas de estas técnicas son comunes en otras muchas
disciplinas científicas). Se describen sus supuestos generales y se presentan ejemplos de la aplicación de los
análisis asociados a esta disciplina, atendidos con la rigurosidad requerida.
El curso de diseños experimentales requiere el entendimiento previo de: estadística descriptiva, variables
aleatorias y distribuciones probabilísticas, especialmente la distribución normal y aquellas derivadas del
procesos de muestreo, estimación por intervalos y pruebas de hipótesis referentes a medias y varianzas de
poblaciones con distribución normal y binomial.
2. CONCEPTOS BÁSICOS Y DEFINICIONES
2.1. Introducción
Como cualquier disciplina, el dominio de los diseños experimentales requiere de la comprensión de conceptos
y definiciones precisas, las cuales, en aras del entendimiento rápido y conciso, se escriben en forma breve y
sencilla, a reserva de la consulta de definiciones más extensa en libros y artículos científicos especializados.
Se pretende que se desarrollen ideas más fortalecidas de estos conceptos conforme se avance en el presente
curso. Se hace énfasis en la necesidad de la plena comprensión y retención de estos conceptos para facilitar
el entendimiento de futuros temas. 2
2.2. Conceptos básicos
Investigación Científica
Conjunto de pensamientos y acciones que son realizados con el fin de conocer algún aspecto de la realidad
con la mayor aproximación posible a la verdad, mediante la guía de principios y métodos de la ciencia. Puede
ser básica, dirigida al conocimiento de un aspecto de la realidad, o aplicada, con el fin de resolver problemas
en procesos que transforman la realidad.
Método Experimental.
Es un procedimiento que persigue la generación de nuevo conocimiento. Su fin es obtener información para
contrastar hipótesis que intentan explicar un hecho o resolver un problema. Mediante la experimentación un
fenómeno bajo estudio es reproducido al controlar sus condiciones ambientales y manejo.
Método Científico Experimental
Las fases del método científico experimental son: A) Observación del fenómeno y definición de objetivos.
B) Planteamiento de hipótesis. C) Fase experimental. D) Confrontación de hipótesis. E) Planteamiento de
nuevas hipótesis.
El método científico requiere de conocimiento previo cuyo análisis deriva en el planteamiento de nuevas
hipótesis, las cuales son susceptibles a ser rechazadas. Para verificar la veracidad de estos supuestos se
requiere una fase experimental, donde los diseños experimentales juegan un papel fundamental; ya que el
fenómeno en estudio se reproduce bajo condiciones específicas o modalidades experimentales. La
recopilación de datos, su sistematización y análisis son pasos primordiales en este proceso. Un aspecto clave
es la repetibilidad de los experimentos con fines de corroboración; de lo contrario, no podrá considerarse
como un experimento científico. La información recopilada en la fase experimental, permitirá contrastar las
hipótesis planteadas y determinar su validez; esto, a la postre, permitirá la generación de nuevas hipótesis.
Papel de la estadística en la experimentación.
La Estadística es primordial en la experimentación ya que ayuda a planear y ejecutar muchas de las acciones
a seguir en el proceso de investigación. Dentro de la experimentación agronómica pueden considerarse tres
grandes enfoques para la aplicaciones de análisis de datos.
1. El estudio de poblaciones existentes a través de muestras y aplicando el proceso de inferencia estadística
para obtener conclusiones sobre los parámetros de las poblaciones en estudio.
2. El estudio de tratamientos específicos elegidos o diseñados por el investigador, los cuales deben
reproducirse bajo condiciones específicas, lo que corresponde al campo de los diseños experimentales. En
este enfoque los resultados y conclusiones obtenidos son aplicables única y exclusivamente a los
tratamientos ensayados y no pueden extenderse a otros que no hayan sido incluidos en el experimento.
3. Es posible la aplicación simultánea de ambos enfoques, al combinar técnicas de inferencia y de diseños
experimentales para el estudio tanto de poblaciones como de tratamientos diseñados por el investigador.
La Estadística interviene en procesos en la planeación de muestreos o de experimentos. Asimismo, el proceso
de investigación asume la recopilación de datos, lo cual requiere de la definición de tamaños de muestra en
el estudio de poblaciones, o bien el número de repeticiones y el tamaño de las parcelas en el caso de diseños
experimentales. Con ello se pretende reducir la cantidad de datos a recopilar y, consecuentemente, reducir
el costo económico o laboral de la captura de información, sin disminuir en forma apreciable la precisión de
las estimaciones.
Posteriormente, el análisis de datos deriva estadísticas o estimadores con los que se determina las 3
distribuciones probabilísticas de las variables estudiadas; o bien, en el caso de los diseños experimentales,
permite cuantificar y comparar los efectos que generan tratamientos específicos sobre variables de interés.
Así, la confrontación de hipótesis se realiza al comparar las distribuciones probabilísticas esperadas con las
observadas; estas últimas estimadas a partir de las muestras o experimentos.
Problemas de la experimentación
Existen innumerables cuestiones que requieren la atención del investigador al hacer experimentos. En el caso
de la experimentación agrícola, el primer problema a que se enfrenta debido a que trata con seres vivos, son
las variaciones de estos a través de diferentes condiciones ambientales (interacción ambiental). Otras más
que se abordarán en el presente curso, se refieren a la forma de construir tratamientos, la elección de un
diseño experimental adecuado, la forma de medir las variables de interés, determinar el tamaño de la unidad
experimental y el número de repeticiones, la forma en que se controlan condiciones del suelo u otros factores
que afectan a un experimento, la manera de distribuir las parcelas en el área experimental, determinar el
manejo del cultivo en un experimento, la forma de analizar la información y de comparar los efectos
estimados de los tratamientos estudiados, definir el nivel de confiabilidad de las conclusiones, las condiciones
en las que se pueden aplicar los resultados obtenidos y la forma de reportar los resultados de los análisis
estadísticos.
2.3. Definiciones
Hipótesis estadística
Supuesto sujeto a comprobación referida sobre algún parámetro de un modelo estadístico.
Ante la confusión común entre los conceptos de las hipótesis estadísticas e hipótesis de la investigación, es
necesario hacer énfasis en que las hipótesis estadísticas son empleadas en los análisis de información; en
tanto que las hipótesis de investigación determinan la orientación primordial y el diseño de la investigación;
además, estas últimas definirán la metodología a realizar. Evidentemente, estos conceptos tienen una fuerte
relación; aunque no son lo mismo.
Experimento aleatorio
Proceso o método mediante el cual se obtiene una observación; sin embargo, sus resultados no se pueden
determinar antes de ser ejecutado.
Espacio muestral
Es el conjunto de posibles resultados de un experimento aleatorio. Existen dos tipos de espacios muestrales,
los discretos y los continuos, asociados a las correspondientes definiciones de conjuntos.
Espacio muestral discreto
Conjunto de resultados de un experimento aleatorio en el cual es posible enumerar sus elementos.
Espacio muestral continuo
Conjunto de resultados de un experimento aleatorio que poseen un número infinito de resultados
posibles, por lo que es imposible enumerarlos, ya que están conformados por uno o varios segmentos o
intervalos de la recta numérica.
De acuerdo con la naturaleza del espacio muestral, se generan las variables aleatorias, las cuales pueden ser
discretas o continuas; de estas, se derivan las funciones de probabilidades discretas y continuas,
respectivamente.
4
Función de Binomial
Discreto Variable probabilidades Poison
experimento aleatorio
Conjunto de posibles
aleatoria Geométrica
Espacio Muestral
Elementos discreta
resultados de un
enumerables discreta Hipergeométrica
𝑃𝑃 𝑋𝑋 = 𝑥𝑥
Binomial negativa
Contínuo Funcion de Normal
Variable Probaiblidad
Número t
aleatoria continua
infinito de χ2
continua
elementos 𝑓𝑓𝑋𝑋 𝑥𝑥 Γ
Unidad Experimental
Es la unidad física de material experimental a la cual se le aplica un solo tratamiento (sea simple o factorial).
Puede ser de diferente índole; por ejemplo, parcela de 5 m2, una hoja, un campo de visión de microscopio
sobre el xilema de un tallo, un conjunto de 4 macetas, un tallo, una hoja, etc.
Repetición
Cuando el mismo tratamiento es aplicado a varias unidades experimentales, a cada una de ellas se le conoce
como repetición. También, a un juego completo de tratamientos aplicados al mismo número de unidades
experimentales se le llama repetición completa.
El uso de repeticiones permite cuantificar al error experimental. Además, al aumentar su número, mejora la
precisión de la estimación de efectos de tratamientos mediante la disminución de la varianza del error
experimental, así como la de los tratamientos. Esto es debido a que la distribución de la media de una
distribución es: 𝑋𝑋� ~𝑁𝑁(𝜇𝜇, 𝜎𝜎 2 /𝑛𝑛).
Exactitud y precisión
La exactitud es la capacidad de coincidencia entre el valor de una medición con el valor verdadero buscado;
en tanto que la precisión es la capacidad de igualar repetidamente una medición.
Factor
Variable independiente que al variar a través de sus dosificaciones o modalidades altera la expresión de una
variable respuesta.
Nivel
Modalidad o dosificación de un factor.
Tratamiento
Conjunto de condiciones experimentales que se imponen a una unidad experimental, donde se evaluará el
efecto del tratamiento sobre las variables respuesta evaluadas.
Efecto
Variación que provoca el nivel de un tratamiento o factor sobre una variable respuesta y son estimados a
partir de todas las unidades experimentales.
La estimación de la variación de los efectos de tratamientos son parte medular en la experimentación, ya que
éstos son comparados con las variaciones aleatorias o ambientales para decidir su significancia.
5
Variable Respuesta:
Carácter medido en la unidad experimental. A través de las variaciones de la variable respuesta se cuantifica
el efecto causado por los tratamientos. Este concepto es equivalente al de Variable Aleatoria.
Diseño de Tratamiento Factorial:
Este diseño de tratamiento se utiliza al ensayar dos o más factores simultáneamente. En este caso, todos los
niveles de los factores ensayados se combinan irrestrictamente para generar tratamientos. Por ejemplo, si se
estudian los factores variedades, dosis de fertilización y tipos de poda, con 4, 3 y 2 niveles, respectivamente,
se generará un total de 24 tratamientos.
Clasificación de factores de acuerdo con el interés del investigador
Los factores que influyen en un experimento pueden clasificarse como:
Pertinentes
Son de einterés del
investigador (tratamientos) Controlables
Factores (técnicas de bloqueo)
No pertinetes
No son de interés del No controlables
investigador
Factores desconocidos como Error experimental
clima, plagas, enfermedades,
etc.
Factores pertinentes: son aquellos cuyo efecto interesa al experimentador y son objeto de la investigación
(tratamientos); por ello, son estudiados en diferentes dosificaciones o modalidades.
Factores no pertinentes: no son de interés para el investigador; sin embargo, también afectan el
comportamiento de las variables respuesta, debido a variaciones ambientales, de materiales o de manejo. Se
dividen a su vez en: controlables y no controlables.
Factores no pertinentes controlables: pueden ser manipulados principalmente mediante técnicas de
bloqueo, en donde se repetirá el experimento dentro de cada uno de los niveles del factor no pertinente.
Factores no pertinentes y no controlables: generan el error experimental ya que no es posible controlar su
variación, por lo que sus efectos están confundidos con los efectos de factores pertinentes y de los
controlables; además, están involucrados en todas las unidades experimentales y modifican el
comportamiento de las variables respuesta. Ejemplos de estos son condiciones de clima, plagas,
enfermedades; e incluyen todos los factores desconocidos por el investigador. Esta es la fuente de variación
que es llamada “variación ambiental”, “variación aleatoria” o en el caso de diseños experimentales, ERROR
EXPERIMENTAL.
Técnicas de control de factores no pertinentes controlables
Bloqueo
En ocasiones es posible identificar niveles o modalidades de factores no pertinentes que generan variación
en las unidades experimentales. En esta situación, es posible agrupar unidades experimentales homogéneas
o bloques, donde se establece al menos una repetición del experimento con lo que se logra determinar su
efecto y separarlo de los efectos de los tratamientos; por ejemplo, los diseños bloques completos al azar y
cuadro latino. Existen otras técnicas que ayudan al control de estos factores como la confusión de
interacciones, empleadas en los diseños de bloques incompletos y látices. 6
Si los bloques pueden contener una repetición completa de los tratamientos, se les conoce como bloques
completos. Si no tienen la posibilidad de contener una repetición de tratamientos, se les llama bloques
incompletos. En ciertos diseños experimentales, es posible construir bloques que pueden contener más de
una repetición de los tratamientos, tal es el caso del diseño de bloques al azar generalizado.
Las técnicas de bloqueo permiten estimar la magnitud de los efectos de los factores no pertinentes
controlados, de la misma manera que se hace con tratamientos. De no considerar la variación de estos
factores en forma independiente, obviamente serían incluidas dentro del error experimental.
Refinación de las técnicas experimentales.
Otra forma de controlar a los factores no pertinentes, o al menos disminuir sus efectos, es lo que se conoce
como la refinación de las técnicas experimentales, lo cual implica que no se debe escatimar cuidados para
lograr la mayor uniformidad en la aplicación de tratamientos, la conducción del experimento y el registro de
variables. Emplear diseños experimentales adecuados, uso de técnicas de aleatorización, aplicación correcta
de tratamientos (dosificaciones o modalidades), utilización de equipos de medición adecuados, utilización de
materiales o insumos uniformes, entre otros, son ejemplos de acciones que reducen las variaciones
ambientales aleatorias.
Interacción
Este concepto se deriva del estudio simultáneo de dos o más factores (tratamientos factoriales). Si el
comportamiento de los niveles de un factor, digamos A, tienen el mismo comportamiento en cada uno de los
niveles de un segundo factor, digamos B, entonces se dice que NO existe interacción entre ambos factores.
En contraste, si el comportamiento de los niveles de A a través de los niveles de B es distinto, existirá
interacción entre los factores A y B.
El concepto de interacción y su interpretación, son de gran importancia en el contexto agronómico, debido a
que los cultivos, al ser seres vivos, presentan variaciones de su comportamiento ante diferentes ambientes o
condiciones de producción, lo que genera el concepto de interacción genotipo – ambiente.
Aleatorización
En el contexto de los diseños experimentales, es el proceso mediante el cual a cada unidad experimental se
les asigna un solo tratamientos sin seguir reglas sistemáticas; es decir, se asigna mediante el azar.
La aleatorización evita sesgos de las estimaciones al controlar los efectos de factores no pertinentes, ya que
otorga igual oportunidad a todos los tratamientos de establecerse en cualquier nivel o condición de variación
presente en las unidades experimentales que no ha sido posible controlar por el investigador. Esto permite
la estimación correcta de la variación ambiental o error experimental. Adicionalmente, favorece la condición
de independencia de errores entre unidades experimentales y la validez de la inferencia estadística.
Error Experimental
En términos prácticos, es la incapacidad del investigador para controlar los efectos de los factores no
pertinentes que causan variaciones en las variables respuesta a través de las repeticiones de un mismo
tratamiento; y en general, entre todas las repeticiones de todos los tratamientos.
En otras palabras, el error experimental, estimado a través del cuadrado medio del error, es una estimación
de la variación generada por factores que no identificados por el investigador, o bien, que no es capaz de
controlar (condiciones ambientales) que modifican las variables medidas sobre las unidades experimentales.
Por ello, se les ha llamado variaciones aleatorias.
Confusión:
7
Ocurre cuando es imposible separar los efectos de dos o más factores actuando sobre una variable respuesta.
El principio de confusión puede ser ventajoso y útil, el cual se maneja en los arreglos o diseños confundidos.
A manera de ejemplo, considere que se tiene un sector del área experimental con diferentes niveles de
intensidad de luz, siendo este factor no pertinente (no es de interés en la investigación). Si se aleatorizan los
tratamientos en las unidades experimentales sin considerar la condición de luminosidad, los efectos de
tratamientos estarán confundidos con los de la intensidad de luz, sin posibilidad de ser separados.
Diseño Experimental:
El propósito del Diseño Experimental es asignar los tratamientos a las unidades experimentales al considerar
el grado de homogeneidad o heterogeneidad de estas. Así, determina la distribución física de los tratamientos
en sus repeticiones.
Experimento en serie:
Cuando se repite un mismo experimento en diferentes localidades o ambientes, con el mismo diseño
experimental (aunque con aleatorización diferente), al conjunto de todos estos experimentos se les conoce
como “experimento en serie” o “serie de experimentos”.
Modelos estadísticos.
Consideraremos que un modelo es una representación o abstracción de una realidad.
Un modelo matemático, entonces, es una abstracción hecha con base en fórmulas o expresiones
matemáticas; por ejemplo: A = 3.141592 r2. En este caso, una vez definido el valor de la variable r, A adquiere
un valor único.
En tanto, un modelo estadístico es un modelo matemático que intenta describir el comportamiento de una
variable aleatoria. En nuestro curso de diseños experimentales, son de interés los modelos estadísticos
lineales, los cuales poseen al menos un término aleatorio que es el error experimental (ε) y al menos un efecto
fijo que es la media experimental (µ). Por ejemplo:
Yij = µ + αi + βj + εij Yij = µ + αi + βj + (α β)ij + εij Yij = µ + εij
P value
El “P-value” de una prueba estadística es la probabilidad más pequeña (α) que permitiría rechazar la hipótesis
nula. Corresponde a la probabilidad mínima de cometer el error tipo I; es decir, rechazar H0 cuando H0 es
cierta.
2.4. Propiedades básicas de los diseños experimentales
En términos prácticos, las funciones principales de un diseño experimental son:
Técnica estadística para evaluar los factores de estudio, así como sus niveles
(tratamientos).
Asigna los tratamientos a las unidades experimentales. (distribución de los
tratamientos en sus repeticiones)
8
Permite repetir y corroborar los resultados de una investigación, condición
fundamental en el método científico
Diseño Experimental
Funciones
Cuantifica y controla la variación generada por factores no pertinente no
controlables; es decir, la variación de las unidades experimentales
debida al azar (error experimental)
Cuantifica los efectos de tratamientos sobre la variable respuesta y determina
mediante pruebas de hipótesis si son "significativos"; lo que permite la toma de
decisiones con una medida de incertidumbre
Permite el estudio simultaneo de los efectos de varios factores (interacción).
Facilitan establecer las relaciones causa efecto en la discusión de los resultados
Los requerimientos fundamentales de un diseño experimental son:
Aleatorización
Diseño Experimental
Requerimientos
Independencia de errores
Presencia de repeticiones de tratamientos
Tamaño adecuado de la muestra
La aleatorización evita la confusión de efectos de tratamientos con los efectos ambientales, lo cual ocurre
cuando se realiza la asignación en forma sistemática u ordenada.
La independencia de errores entre unidades experimentales indica que el error que puede ser cometido en
una unidad experimental particular, no está asociada con el error de otra unidad experimental. Por ejemplo,
en un experimento de evaluación de rendimiento de variedades de maíz, si un genotipo de altura baja es
sembrado junto a un genotipo de gran altura, la sombra del segundo causará disminuciones en el desarrollo
del primero; por ello, los errores en las parcelas aledañas estarían asociados y no serían independientes. Esta
situación no tiene compostura, por lo que el experimento no tendría utilidad.
Las repeticiones permiten cuantificar la variación ambiental (error experimental), así como las variaciones de
los tratamientos (efectos de tratamientos), con estos dos elementos es posible determinar la existencia de
efectos de tratamientos en forma estadística. La ausencia de repeticiones causa que los análisis pierdan
validez.
El número de repeticiones es primordial en la precisión de las estimación de efectos de tratamientos. Debido
a que las técnicas de análisis de varianza se basan en la distribución normal, las varianzas de las medias
tratamientos disminuyen al incrementar el tamaño de muestra (teorema central del límite).
En muchos experimentos, no en todos, se establecen tratamientos de referencia o testigos. Su importancia 9
radica en que permiten comparar y, en ocasiones, validar los resultados con una realidad preexistente. Estos
tratamientos no siempre son posibles de definir. Por ejemplo, si se evalúa nuevas formulaciones de soluciones
nutritivas, la definición de un “tratamiento testigo”, podría ser impráctico.
Finalmente, es importante remarcar que antes de iniciar una investigación, es necesario haber elegido un
diseño experimental de acuerdo con la variabilidad de las unidades experimentales, las hipótesis de trabajo,
la condición en que se desarrollará el experimento, las variables respuesta a registrar, etc. La falta de
planeación experimental generalmente conduce a errores que difícilmente pueden ser corregidos con la
consecuente pérdida de tiempo y recursos, y la imposibilidad de hacer uso de la información recabada.
