UNIVERSIDAD NACIONAL DEL
CENTRO DEL PERU
FACULTAD DE AGRONOMIA
DISEÑO COMPLETO AL AZAR
(DCA)
Ing. Mg. Gustavo Osorio Pagán
DISEÑO COMPLETAMENTE ALEATORIO O AL AZAR (DCA)
ONE WAY CLASSIFICATION
CLASIFICACION DE UNA VIA
Generalidades
Un caso especial en los diseños experimentales ocurre cuando el material experimental de ensayo es suficientemente homogéneo,
de modo que el empleo de bloque no resulta apropiado, puesto que no hay heterogeneidad de que sea necesario absorber. Bajo
estas condiciones se generan los diseños completamente aleatorios.
Características
• Este diseño consiste en la asignación de los tratamientos en forma completamente aleatoria a las unidades experimentales
(individuos, grupos, parcelas, jaulas, animales, insectos, etc.). Debido a su aleatorización irrestricta, es conveniente que se utilicen
unidades experimentales de lo más homogéneas posibles: animales de la misma edad, del mismo peso, similar estado fisiológico;
parcelas de igual tamaño, etc., de esta manera disminuir la magnitud del error experimental, ocasionado por la variación intrínseca
de las unidades experimentales.
• Este el diseño más simple de investigación científica.
• Este diseño es útil cuando las unidades experimentales son esencialmente homogéneas; es decir, cuando la variación entre ellas
es pequeña y agruparlas en bloque sería poco más que un proceso aleatorio.
• Se emplea generalmente en trabajos experimentales de laboratorio, tinglados, cobertores o en donde se controla el efecto del
medio ambiente.
• La elección del número de observaciones que han de hacerse sobre los diversos tratamientos, no se considera una restricción
(limitación o modificación) a la aleatorización.
• Cada unidad experimental tiene la misma probabilidad de recibir un tratamiento.
2.2 Ventajas
Es flexible en cuanto al número de tratamientos y muestras (repeticiones), sólo esta
limitado por el número de unidades experimentales disponibles para la investigación.
El número de muestras (repeticiones) puede variar de un tratamiento a otro, aunque
generalmente lo ideal sería tener un número igual para todos los tratamientos.
La sencillez del análisis de variancia no se pierde aún cuando alguna(s) unidad(es)
experimentales o tratamientos enteros faltan o se descartan.
La pérdida de información debida a estos datos faltantes, es pequeña en relación con las
pérdidas sufridas con otros diseños.
El número de grados de libertad para estimar el error experimental es máximo, esto mejora
la precisión del experimento.
2.3 Desventajas
La principal objeción al diseño completamente al azar es su frecuente ineficiencia.
Como la aleatorización no tiene restricciones, el error experimental incluye toda la
variación entre las unidades experimentales excepto la debida a los tratamientos.
En muchas situaciones es posible agrupar las unidades experimentales de modo
que la variación entre unidades dentro de los grupos sea menor que la variación
entre las unidades de diferentes grupos.
Ciertos diseños sacan ventaja a tal agrupamiento; excluyen la variación del error
experimental entre grupos y aumenta la precisión del experimento.
Existen dos tipos de diseño completamente al azar:
Diseño completamente al azar con igual número de muestras o repeticiones por
tratamiento, y
Diseño completamente al azar con desigual número de muestras o repeticiones
por tratamiento.
2.4 Modelo aditivo lineal
El modelo aditivo lineal, se define como una ecuación algebraica, en donde una
observación cualesquiera dentro del experimento esta conformada por la media poblacional
y los efectos aleatorios.
Xij = µ + i + ij
Donde:
Xij = Observación cualesquiera dentro del experimento
µ = Media poblacional
i = Efecto aleatorio del i-ésimo tratamiento
ij = Error experimental
i = 1, 2, ....., t; tratamientos
j = 1, 2,......, r; muestras o repeticiones
DISEÑO COMPLETAMENTE AL AZAR CON IGUAL NÚMERO DE MUESTRAS O
REPETICIONES POR TRATAMIENTO
Hoja de datos y simbología
TRATAMIENTOS
Muestras
1 2 3 4
I X11 X21 X31 X41
II X12 X22 X32 X42
III X13 X23 X33 X43
IV X14 X24 X34 X44
V X15 X25 X35 X45
∑Xi. X1. X2. X3. X4. X..
Xi X1. X2. X3. X4. X.
∑ni n1 n2 n3 n4 n.
∑(ni-1) n1-1 n2-1 n3-1 n4-1 n.-t
Planteamiento de la hipótesis
En primer lugar se plantea la hipótesis estadística
Ho: Todos los i = 0
Ha: Algunos i ≠ 0
Luego se halla el análisis de variancia (ANVA)
Pasos:
1. Hallar los grados de libertad
GL de tratamientos : (t – 1)
GL del error : ∑(ni – 1)
GL del total : ∑ni – 1
1. Hallar el término de corrección
TC = =
Nota: El término de corrección no se redondea.
2. Hallar la suma de cuadrados
SC del Total = – TC
S.C. Total = X211 + X212 + X213 + X214 + X221 + …….. + X2nm - TC
Suma de cuadrados de tratamientos
Σ X2i.
S.C. Trat. = ------------ - TC
r
Suma de cuadrados del error
S.C. Error = S.C. Total – S.C. Tratamientos
3. Hallar el cuadrado medio
S.C. Trat.
C.M. Trat. = -------------
G.L. Trat.
S.C. Error
C.M. Error = --------------
G.L. Error
4. Hallar la F calculada
C.M. Trat.
Fc. Trat. = --------------
C.M. Error
5. Hallar la F tabular
Estos valores se obtienen de la tabla de F
Ft.
F de V. G.L. 0,05 0,01
Tratamientos GL. tratamientos; G.L. error = (3,12) 3,490 5.953
1. Hallar la significación estadística o contrastación estadística
Sí:
La Fc < Ft; entonces se pone n.s.; y se dice que no existe diferencia estadística
significativa
≥ 0,05; entonces se pone un asterisco (*) y se dice que existe diferencia
estadística significativa
Fc > Ft
> 0,05 y ≥ 0,01; entonces se pone dos asteriscos (* *), y se dice que
existe diferencia estadística altamente significativa
Hallar los estadígrafos
Desviación estándar
S = √(CM error) ANÁLISIS DE VARIANZA
Promedio F de V G.L. S.C. C.M. Fc Sig.
Tratamientos
_ X…
X = ------- Error
tr TOTAL
Coeficiente de variabilidad
S
C.V. = ----- x 100
X
Diseño completamente al azar con desigual número de muestras o repeticiones por
tratamiento
En todo trabajo de investigación suele ocurrir accidentes o se descartan unidades experimentales por
muchas razones (ejemplo: descarte de plantas por falta de pureza varietal, muerte por insectos, muerte
por enfermedades, etc.), en este caso, este diseño es flexible por que puede analizar los datos con
diferente número de repeticiones o muestras por tratamiento. Es por eso que este diseño es flexible para
este caso de sucesos.
Ejemplo:
En el ejemplo anterior vamos a suponer que se perdieron las siguientes unidades experimentales por
daños producidos por ratones de campo: X14; X21; X42 y X43, entonces, se procede el análisis de variancia
de la siguiente manera:
Hoja de datos
Solución:
En primer lugar se plantea la hipótesis estadística
Ho: Todos los i = 0
Ha: Algunos i ≠ 0
Luego se halla el análisis de variancia
Pasos:
1. Hallar los grados de libertad
GL de tratamientos : (t – 1) = 4 – 1 = 3
GL del error : ∑(ni – 1)= 2+2+3+1 = 8
GL del total : ∑ni – 1 = 12 – 1 = 11
2. Hallar el término de corrección
TC = = = 27,755520833
Nota: El término de corrección no se redondea.
3. Hallar la suma de cuadrados
SC del Total = – TC
S.C. Total = X211 + X212 + X213 + X214 + X221 + …….. + X244 - TC
S.C. Total = 1,502 + 1,482 + 1,522 + 1,522 + 1,512 + …….. + 0,872 – 27,75520833
S.C. Total = 29,2681- 27,75520833
S.C. Total = 1,51289
Suma de cuadrados de tratamientos
Σ X2i.
S.C. Trat. = ------------ - TC
ri
X21. X22. X23. X24.
S.C. Trat. = -------- + ------- + -------- + -------- - TC
r1 r2 r3 r4
4,502 4,502 7,582 1,672
S.C. Trat. = -------- + --------- + --------- + --------- - TC
3 3 4 2
S.C. Trat. = 29,25855 – 27,75520833
S.C. Trat. = 1,50334
Suma de cuadrados del error
S.C. Error = S.C. Total – S.C. Tratamientos
S.C. Error = 1,51289 - 1,50334
S.C. Error = 0,00955
4. Hallar el cuadrado medio
S.C. Trat. 1,50334
C.M. Trat. = ------------- = ------------ = 0,5011
G.L. Trat. 3
S.C. Error 0,00955
C.M. Error = -------------- = ------------ = 0,0012
G.L. Error 8
5. Hallar la F calculada
C.M. Trat. 0,5011
Fc. Trat. = -------------- = ----------- = 417,58
C.M. Error 0,0012
6. Hallar la F tabular
Estos valores se obtienen de la tabla de F
Ft.
F de V. G.L.
0,05 0,01
Tratamientos GL. trat.; G.L. error = (3,8) 4,07 7,59
ANÁLISIS DE VARIANZA
F de V G.L. S.C. C.M. Fc Signif.
Tratamientos
Error
TOTAL
GRACIAS
