Diseños experimentales en agricultura

Dr. Byron González

Dr. Ezequiel López

http://cete.fausac.gt

Las marcas y logotipos con derechos de autor son propiedad de sus respectivos fabricantes.

Inicio del CETE

Autorizado para su funcionamiento en el punto octavo, Acta 13-2000 de la Junta Directiva FAUSAC, donde se modifican las funciones del Centro de Estadística y Cálculo

http://cete.fausac.gt

Profesores

http://cete.fausac.gt

Definición del CETE

Unidad de apoyo de la FAUSAC responsable de la aplicación de tecnología digital a las ciencias agronómicas, ambientales y forestales

http://cete.fausac.gt

Instalaciones

Sala de Cómputo, tercer nivel edificio T-8

http://cete.fausac.gt

Líneas de trabajo

• Ciencia de datos

​

• Tecnología digital aplicada a la educación

​

• Teledetección y sensores remotos

​

http://cete.fausac.gt

Disponibilidad de materiales digitales

http://cete.fausac.gt

Textos de Estadística Experimental

Textos de Estadística Experimental

Textos de Estadística Experimental

Recursos en Internet

Dr. Raúl Machiavelli, Universidad de Puerto Rico

​

Felipe de Mendiburu, Universidad La Molina, Perú

​

Dr. Euclides Miranda, Universidade Estadual Paulista, Brasil

​

Dr. Surendra Sinha, Universidad de Los Andes, Venezuela

​

Publicaciones

• http://www.estadisticagt.tk

​

​

​

​

​

Publicaciones

• http://www.textocomputo.tk

​

​

​

​

​

Sistema de gestión del aprendizaje

http://uv.fausac.gt/uv

http://www.ecured.cu/Thomas_Bayes

http://www.ecured.cu/Ronald_A._Fisher

Ronald Fisher

Thomas Bayes

Escalas de medición

Escala nominal

Escala ordinal

Escala intervalo

Escala de razón

Técnicas descriptivas

Técnicas inferenciales

Técnicas inferenciales

Técnicas de comparación

Reglas básicas

para analizar datos (Chatfield, 1995)

• No intentar analizar datos antes de tener un entendimiento claro de qué es lo que se está midiendo

​

​

Reglas básicas

para analizar datos (Chatfield, 1995)

• Realizado lo anterior, explicar cómo fueron recolectados los datos

​

​

Reglas básicas

para analizar datos (Chatfield, 1995)

• Explicar la estructura de los datos
• Suficientes
• Tipos de variables: de respuesta o clasificación

​

​

Reglas básicas

para analizar datos (Chatfield, 1995)

• Realizar un análisis exploratorio (AED) de los datos

​

​

Reglas básicas

para analizar datos (Chatfield, 1995)

• Emplear el sentido común todo el tiempo

​

​

Reglas básicas

para analizar datos (Chatfield, 1995)

• Reportar los resultados en forma clara y explicativa

​

​

https://commons.wikimedia.org/wiki/File:Diagrama_de_caixa_box_plot.png

Software Propietario

http/www.centrodetelematica.tk

InfoStat

Historia

• Proyecto iniciado por la Facultad de Ciencias Agropecuarias, Universidad de Córdoba, Argentina en 1982

​

• Versión estable liberada en 1998

​

• En 2008 se añade interfaz con lenguaje R

​

• Versión estudiantil sin costo

Software estadístico libre

​

• Software popular

​

• R
• PSPP
• Scilab
• Gretl
• Macanova

​

​

​

R

• http://cran.es.r-project.org/

​

• Principales aplicaciones:

​

• R incluye variadas funciones, desde calculadora científica, pasando por integración y derivación, hasta análisis complejos y simulación de datos
• Permite la construcción avanzada y personalizada de gráficos
• Análisis de datos espaciales
• Análisis multivariado
• Para el 2012 ya se tenía disponible cerca de 3700 paquetes operativos

​

​

​

Historia de R

• En 1992 nace R como un dialecto en la Universidad de Nueva Zelanda, impulsado por Robert Gentleman y Ross Ihaka

​

• Su principal característica es su licencia GPL de software libre

​

​

​

​

​

​

¿Por qué usar R?

• Libertad para redistribuir copias, en forma gratuita o bien de pago si ha creado sus propias modificaciones

​

• Libertad de distribuir versiones modificadas para beneficiar a la comunidad de usuarios

R

Fases de la metodología estadística

Aspectos del uso de software estadístico

• Su uso correcto demanda que el investigador tenga una base teórica adecuada

​

• Su formación le permite analizar los datos a profundidad y emitir conclusiones correctas

​

• El software no soluciona automáticamente una planificación deficiente

​

• Elegir la técnica de análisis adecuada en función de los objetivos de la investigación

Diseño experimental

Prueba (s) en la (s) que se inducen cambios deliberados en las variables de entrada de un proceso de manera que sea posible identificar cuál o cuáles produce cambios en la variable de respuesta

Diseño experimental

http://slideplayer.es/slide/11634967/

Diseño experimental

http://slideplayer.es/slide/11634967/

Diseño experimental

• Completamente al azar (DCA)
• Bloques completos al azar (DBA)
• Cuadrado latino (DCL)

Diseño experimental

• Experimentos simples
• Experimentos Factoriales
• Diferentes arreglos: combinatorio, parcelas divididas, franjas

Tabla de datos

Ejemplo: Adultos de chinche salivosa en 4 ubicaciones

Ejemplo: Adultos de chinche salivosa en 4 ubicaciones

http://slideplayer.es/slide/11634967/

Ejemplo: Adultos de chinche salivosa en 4 ubicaciones

Ejemplo: Adultos de chinche salivosa en 4 ubicaciones

Procedimiento

• Planteamiento de hipótesis
• Ho: µ₁= µ₂ = µ₃ = µ₄
• H1: µ₁ ≠ µ₂ ≠ µ₃ ≠ µ_{4 (Al menos una de las medias es distinta)}

​

• Seleccionar el nivel de significancia

Procedimiento

• Determinar el estadístico de prueba

​

​

​

Procedimiento

• Determinar el estadístico de prueba

​

​

​

Procedimiento

• Determinar el estadístico de prueba
• Calcular la media general y de tratamientos

​

​

​

Procedimiento

• Determinar el estadístico de prueba
• Calcular la SCD

​

​

​

Procedimiento

• Determinar el estadístico de prueba
• Calcular SCG

​

​

​

Procedimiento

• Determinar el estadístico de prueba
• Tabla resumen de ANOVA

​

​

​

​

​

Procedimiento

• Regla de decisión
• Ftab (gl numerador, gl denominador, alfa)
• Ftab(3,10,0.01) = 6.55

​

• Si Fc > F tab se rechaza Ho (10.18 > 6.55)

​

​

​

​

​

​

​

​

​

​

​

​

​

​

​

Ftab=6.55

Fcalc=10.18

p-value

Procedimiento

Procedimiento

• Conclusión

​

• Las ubicaciones presentan diferencias en el número de adultos. En general la ubicación A presenta los valores más elevados de adultos de chinche.

​

​

​

​

​

​

​

​

​

​

​

​

​

​

Supuestos del ANDEVA

Procedimiento

• Planteamiento de hipótesis sobre la normalidad de los residuales

​

• Ho: Los residuales siguen una distribución normal
• H1: Los residuales no siguen una distribución normal

​

Supuestos del ANDEVA

Supuestos del ANDEVA

Supuestos del ANDEVA

Supuestos del ANDEVA

Supuestos del ANDEVA

• Planteamiento de hipótesis sobre homocedasticidad

​

• Ho: Las varianzas de los errores son iguales
• H1: Las varianzas de los errores son diferentes

​

Supuestos del ANDEVA

Experimentos Factoriales

http://fernandotuya.org/wp-content/uploads/2010/10/ANOVA-y-su-familia.pptx

Experimentos Factoriales

http://fernandotuya.org/wp-content/uploads/2010/10/ANOVA-y-su-familia.pptx

Experimentos Factoriales

http://fernandotuya.org/wp-content/uploads/2010/10/ANOVA-y-su-familia.pptx

Otras posibilidades

• Transformaciones

​

• Pruebas no paramétricas

​

• Modelos lineales generalizados (MLG)

​

• Análisis de varianza multivariado (MANOVA)

Diseños experimentales en agricultura

Dr. Byron González

Dr. Ezequiel López

http://cete.fausac.gt

Las marcas y logotipos con derechos de autor son propiedad de sus respectivos fabricantes.