Statistics">
Fase 3
Fase 3
Fase 3
Programa de:
Agronomía
Presentado por:
xxxxx
Código:
1103220217
Grupo:
300004_29
Presentado a:
Diego Alberto Deaza
Introducción
El siguiente trabajo contiene una serie de preguntas con sus respectivas respuestas
sobre los diseños de cuadro latino y diseño factorial los cuales agilizan los trabajos en
campo como lo son el analices de las diferentes variables que podemos encontrar en
campo.
También se habla del uso del software estadístico (Programa R) el cual ayuda a
realizar de manera más eficiente y rápida los diferentes análisis de las variables lo cual
ayuda a dar respuesta de muchas preguntas que surgen en el ámbito agrícola, además
de entender sobre los diseños cuadro latino y factorial los cuales ayudan a mejorar la
1. El estudiante debe revisar el OVI del diseño cuadrado latino que está en el
desarrollar un resumen de los conceptos básicos de cada uno de los diseños cada
Cuadrado latino
*Organización en campo
primera fila ya que se inicia con la siguiente columna con la unidad que esta de segunda
en la primera columna y así sucesivamente para se realiza la organización en campo
hasta que todas las unidades experimentales estén en su sitio sin repetirse.
Ejemplo:
manera.
1 2 3
2 3 1
3 1 2
En todos los tratamientos se tiene una hipótesis nula y al igual se tiene una hipótesis al
terna que quiere decir que por lo menos un tratamiento es diferente a los demás, al igual
si Pvalor es menor que 0,05 se rechaza la hipótesis nula, esto es igual para las filas y las
columnas que todas deben tener el mismo promedio o por lo menos una sea diferente que
es la hipótesis nula, esto se puede hacer con el tipo de criterio que se utilice en campo.
Para este caso se busca el P valor es o sea mayor que 0,05, para la validación de
normalidad se tienen dos test los cuales son el shapiero wilk que puede llegar hasta 50
mod lilliefors, y el rersustado en ambos test es que los residuales se ajusten a una
distribución normal y es P valor es menor que 0,05 se concluye que los residuales no se
que la hipótesis nula quiere decir que los residuales presente una varianza constante y
para este caso cuando se tiene un Pvalor menor a 0,05 se rechaza la hipótesis nula y se
concluye que los residuales no se comporten acorde a una varianza constate pero si el
Pvalor es mayor que 0,05 no se rechaza la hipótesis nula y se concluye que los residuales
Para el caso de diseño cuadro latino tenemos tipo de comparación simple, es decir que
si las letras se comportan diferente el comportamiento será diferente pero si las letras se
Diseño factorial
*Organización en campo
podrá apreciar que cada bloque tiene una organización diferente ya que este se hace por
bloques.
Los criterios serán que las medias serán igual en los tratamientos o por lo menos una
sea diferente a los demás el cual se obtiene con la hipótesis alterna, es decir si el criterio
También en este caso del diseño factorial se debe realizar una matriz de interacción y
Para la varianza constante se utiliza el test de levene a todos los factores que se
puedan tener y es igual que si y entonces que el pvalor es mayor a 0,05 no se rechaza la
hipótesis nula y se concluye que los factores tienen una varianza constante.
Para el diseño factorial va hacer múltiples pareadas es decir q estas aparecerán por
pares, pero de debe tener la matriz ya que no saldrá con letras ya que se comparan todos
Modelo.
Donde:
µ=media general
varianza
−(∑ X ) 2
SDC total=∑ X 2
N
∑(∑ Fila.)2 (∑ X) 2
SDC fila .= −
¿ dedatosporfila . N
∑ (∑Columna.)2 (∑ X ) 2
SDC Columna .= −
¿ dedatosporcolumna . N
R.
Nos sale el resultado del análisis de varianza, el P valué Pr(>F) si es menor a 0,05 se
rechaza la hipótesis nula y se concluye con un 95% de confianza que hay una diferencia
en los residuales se comporta de acuerdo con una distribución normal, no se rechaza los
residuales.
En esta grafica podemos visualizar que la mejor en variable rendimiento fue la F1 y F2,
variable en rendimiento.
4. Del texto indicado ubique el capítulo de Diseño bifactorial bloques al azar, y
registre:
Modelo.
Donde:
( BC) jk = Efecto de la interacción entre el k ésimo nivel del factor B y el j ésimo del factor
B.
varianza
SDC Rep=
∑ Rep2 −¿ ¿
¿ de obs . en cada Rep .
SDC Tto=
∑ Tto2 −¿ ¿
¿ de obs . en cada Tto .
SDC V =
∑ Var 2 −¿ ¿
¿ de obs . en cada Var .
SDC Dosis=
∑ Dosis2 −¿ ¿
¿ de obs . en cada Dosis .
Ejecución de R
Nos sale el resultado del análisis de varianza, el P valué Pr(>F) si es menor a 0,05 se
rechaza la hipótesis nula y se concluye con un 95% de confianza que hay una diferencia
en los residuales se comporta de acuerdo con una distribución normal, no se rechaza los
residuales.
En esta grafica podemos visualizar que la mejor en variable rendimiento, fue la Biobras
diseño experimental y cómo funcionan los diferentes tratamientos que se pueden utilizar
en la parte agrícola siendo esto provechoso para nuestras carreras como futiros
profesionales, así como también nos deja como en enseñanza sobre lo que es el diseño
de: https://repository.unad.edu.co/handle/10596/33974