Universidad Autónoma Chapingo

Departamento de Parasitología Agrícola

DISEÑOS EXPERIMENTALES

PROFR: Castillo Martínez, Luis Emilio

Practica: #2

Bloques completos al azar.

PRESENTA;

Herrera Domínguez Jazibe

Grado: 5O grupo: D

Chapingo, Méx., a 19 de septiembre de 2014

INTRODUCCIÓN

El diseño en bloques completos al azar se utiliza en experimentos en donde se sospecha o se tiene la certeza de que existe un factor que pueda alterar o influir en los resultados del experimento, a este se le llama factor de confusión.

Con la finalidad de disminuir lo más posible el efecto negativo del factor de confusión las unidades experimentales se agrupan en estructuras homogéneas llamadas bloques. Se debe utilizar el diseño en bloques completos al azar cuando sea muy difícil o prácticamente imposible eliminar el efecto negativo del factor de confusión, ya que si se tiene la posibilidad de eliminarlo se debe eliminar.

OBJETIVO

Implementar un programa SAS bajo un Diseño en Bloques Completos al azar, para analizar los resultados y dar una conclusión correcta.

METODOLOGÍA

Para el diseño en Bloques Completos al Azar, se realizaron 3 ejercicios del manual: Introducción a la Estadística Experimental, resueltos en el programa SAS.

Dentro de este programa se emplearon las siguientes instrucciones:

PROC GLM (General Lineal Model): Sirve para hacer un modelo.

CLASS: Sirve para declarar las fuentes de variación, en este caso a los tratamientos.

MODEL: Es el modelo lineal reducido Y= B Τ (Respuesta=Bloque Tratamiento)

RESULTADOS

A continuación se muestran los resultados obtenidos en el programa SAS de los 3 ejercicios del libro del Introducción a la Estadística Experimental de la página 259.

EJERCICIO 1 Class Levels ValuesBloques 5 I II III IV VAgente 4 Z60 Z70 Z80 Z90

Número total de datos: 20 Variable respuesta: Número de horas

FV GL SC MC Fcal Pr > F Bloques 4 157.0000000 39.2500000 21.61 <.0001 Tratamiento 3 12.9500000 4.3166667 2.38 0.1211 Error 12 21.8000000 1.8166667 Total 19 191.7500000

El programa que se utilizó para este ejercicio es el siguiente:

Programa:data Bloques1;input bloq$ agente$ horas;cards;I Z60 73I Z70 73I Z80 75I Z90 73II Z60 68II Z70 67II Z80 68II Z90 71III Z60 74III Z70 75III Z80 78III Z90 75IV Z60 71IV Z70 72IV Z80 73IV Z90 75V Z60 67V Z70 70V Z80 68V Z90 69proc glm;class bloq agente;model horas = bloq agente;run;

REGLA DE DECISIÓN

Bloques Se rechaza Ho si [Pr > F] < alfa

0.01 < 0.01Si se rechaza Ho me quedo con HaConclusión: al menos un bloque es diferente.

Tratamientos Se rechaza Ho si [Pr >F] < alfa 0.1211 > 0.01 No se rechaza Ho me quedo con HoConclusión: todos los agentes químicos son iguales.

EJERCICIO 2Class Levels ValuesBloques 4 I II III IVBactericida 3 UU3 WW1 ZZ6

Número total de datos: 12Variable respuesta: número de colonias

FV GL SC MC Fcal Pr > F Bloques 3 531.000000 177.000000 2.90 0.1239 Tratamiento 2 1172.166667 586.083333 9.59 0.0135 Error 6 366.500000 61.083333 Total 11 2069.666667

El programa que se utilizó para este ejercicio es el siguiente:data Bloques2;input bloq$ bactericida$ colonia; cards;I WW1 13II WW1 22III WW1 18IV WW1 39I ZZ6 16II ZZ6 24III ZZ6 17IV ZZ6 44I UU3 3II UU3 5III UU3 4IV UU3 1

proc glm;class bloq bactericida;model colonia = bloq bactericida;run;

Bloques Se rechaza Ho si [Pr > F] < alfa

0.1239 > 0.05No se rechaza Ho

Me quedo con HoConclusión: Todos los bloques son iguales.

Tratamientos Se rechaza Ho si [Pr >F] < alfa 0.0135 < 0.05 Se rechaza HoMe quedo con HaConclusión: Todos los bactericidas son iguales.

EJERCICIO 3Class Levels Values Bloques 6 I II III IV V VIBoquilla 5 1 2 3 4 5

Número total de datos.30Dependent Variable: cobertura

FV GL SC MC Fcal Pr > F Bloques 5 0.05773667 0.01154733 3.59 0.0176 Tratamientos 4 0.10033373 0.02508343 7.80 0.0006 Error 20 0.06427627 0.00321381 Total 29 0.22234667

Programa:data Bloques3;input bloq$ boquilla cobertura; cards;I 1 0.78I 2 0.85I 3 0.93I 4 1.14I 5 0.97II 1 0.80II 2 0.85II 3 0.92II 4 0.97II 5 0.86III 1 0.81III 2 0.92III 3 0.95III 4 0.98III 5 0.78IV 1 0.75IV 2 0.86

IV 3 0.89IV 4 0.88IV 5 0.76V 1 0.77V 2 0.81V 3 0.89V 4 0.86V 5 0.76VI 1 0.78VI 2 0.83VI 3 0.83VI 4 0.83VI 5 0.75proc glm;class bloq boquilla;model cobertura = bloq boquilla;run;

REGLA DE DECISIÓNBloques Se rechaza Ho si [Pr > F] < alfa

0.0074 < 0.01Se rechaza Ho Me quedo con HaConclusión: Al menos un bloque es diferente.

Tratamientos Se rechaza Ho si [Pr >F] < alfa 0.0003 > 0.01 Se rechaza Ho Me quedo con HaConclusión: Al menos un tipo de boquilla es diferente.

BIBLIOGRAFÍA

Castillo Márquez Luis Emilio, INTRODUCCIÓN A LA ESTADISTICA EXPERIMENTAL, Universidad Autónoma Chapingo, cuarta edición, 2008.

Castillo Márquez Luis Emilio. 2014. Cuaderno de apuntes de la materia de Diseño de Experimentos.