Departamento de Estadística e Informática

Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

Capítulo IX
Diseño de Parcelas Divididas

In God we trust; all others must bring data.

W. E. Deming

1. Introducción

En el capítulo anterior, los tratamientos generados por la combinación de los niveles de los
factores en estudio eran asignados aleatoriamente, dependiendo del diseño utilizado, a las
unidades experimentales; esto es, los niveles de ambos factores eran aleatorizados
simultáneamente. Sin embargo, existen casos en los que esta aleatorización es poco práctica y
en los que resulta recomendable aleatorizar primero los niveles de un factor y luego los
niveles del otro. El procedimiento consiste entonces en asignar los niveles de un factor a las
unidades experimentales completas, también llamadas parcelas, y luego, cada unidad
experimental dividirla en subunidades, llamadas subparcelas, a las cuales se les aplicarán los
niveles del otro factor.
Suponga por ejemplo que se desea evaluar el rendimiento de algunas variedades de cultivo
bajo un número de métodos de preparación del terreno. Los métodos de preparación del
terreno podrían requerir el uso de maquinaria y para su aplicación sería conveniente utilizar
parcelas grandes; en cambio, las variedades de cultivo sí podrían ser aplicadas en parcelas de
tamaño pequeño. Para analizar esto con mayor detalle suponga que se tiene un campo de
media Ha y que se desean evaluar 5 variedades de cultivo y dos métodos para la preparación
del terreno. Desarrollando el experimento como un factorial en DBCA con 5 bloques, cada
combinación de variedad y método tendría que ser aplicada a una parcela de 100 m2. En
cambio, resultaría más adecuado dividir el terreno en 10 parcelas de 500 m2 y aplicar los
métodos de preparación del terreno aleatoriamente a estas parcelas grandes y luego dividir
cada parcela grande en 5 subparcelas más pequeñas de 100 m2 cada una, para asignar ahí en
forma aleatoria las 5 variedades de cultivo. Nótese que en este caso, cada parcela es
considerada como un bloque completo con relación a las variedades, pero solo como un
bloque incompleto con relación al conjunto de tratamientos. El croquis experimental para este
experimento podría ser el siguiente:

Ing. Raúl Eyzaguirre Pérez 135

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

a1 a2
Bloque 1 b1 b2 b4 b5 b2 b5 b2 b4 b3 b1
a2 a1
Bloque 2 b2 b3 b1 b4 b5 b1 b5 b3 b4 b2
a1 a2
Bloque 3 b1 b2 b3 b4 b5 b2 b3 b1 b4 b5
a1 a2
Bloque 4 b3 b1 b4 b5 b2 b3 b4 b2 b5 b1
a2 a1
Bloque 5 b4 b5 b1 b3 b2 b4 b1 b2 b3 b5

Otra situación en la que sería deseable utilizar este diseño, es cuando se desea mayor
precisión para uno de los dos factores en estudio; en este caso, dicho factor iría en las
subunidades.
En este capítulo se tratará el caso del diseño de parcelas divididas con dos factores, un factor
en las unidades completas y un factor en las subunidades, utilizando los diseños
completamente al azar y de bloques completos al azar para la asignación de los niveles del
factor que va en las unidades completas. Sin embargo, es posible utilizar el diseño de parcelas
divididas con más de un factor, tanto en las unidades completas como en las subunidades.
Aunque este diseño fue desarrollado en agricultura (y de ahí su nombre), puede aplicarse en
muchas otras disciplinas.

2. Análisis de un Diseño de Parcelas Divididas

2.1. Modelo Aditivo Lineal

Dado que en este diseño la aleatorización se realiza en dos etapas, el modelo aditivo lineal
tendrá dos fuentes de error, una desde las unidades completas y otra desde las subunidades.
En el caso de que los niveles del factor que va en las unidades completas se distribuyan según
un DCA, el modelo aditivo lineal estará dado por:
Yijk = µ + α i + γ ij + β k + (αβ )ik + ε ijk

donde:
Yijk es el valor o rendimiento observado con el i-ésimo nivel del factor A, j-ésima
repetición, y k-ésimo nivel del factor B.
µ es el efecto de la media general.
αi es el efecto del i-ésimo nivel del factor A.
γ ij es el efecto del error experimental en parcelas (Error (a))
βk es el efecto del k-ésimo nivel del factor B.
Ing. Raúl Eyzaguirre Pérez 136
reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

(αβ)ik es el efecto de la interacción en el i-ésimo nivel del factor A y el k-ésimo nivel del
factor B.
εijk es el efecto del error experimental en subparcelas (Error (b))
i = 1, ..., p (p = número de niveles del factor A)
j = 1, ..., r (r = número de repeticiones para los niveles del factor A)
k = 1, ..., q (q = número de niveles del factor B)
En el caso que el diseño sea un DBCA, el modelo será:
Yijk = µ + α i + ρ j + γ ij + β k + (αβ )ik + ε ijk

En este caso:
ρj es el efecto del j-ésimo bloque.
j = 1, ..., r (r = número de bloques)
Se asume que tanto γ ij como εijk están normal e independientemente distribuidos con medias
cero y variancias σ γ2 y σ ε2 respectivamente.

Ejemplo (Parcelas Divididas en DBCA):

Un experimento diseñado para evaluar tres variedades de cebada y cuatro niveles de
abobamiento con nitrógeno (0, 0.01, 0.02 y 0.04 toneladas por parcela) fue conducido en 4
bloques de tres parcelas cada uno. Cada parcela fue dividida en 4 subparcelas. Cada
variedad fue sembrada en una parcela mientras que los cuatro niveles de abonamiento
fueron utilizados en las subparcelas. Los resultados del experimento (en kilogramos por
subparcela) se presentan en la siguiente tabla:

Bloque Variedad b1 b2 b3 b4 Bloque Variedad b1 b2 b3 b4

a1 (572) 111 130 157 174 a1 (366) 74 89 81 122
I III
a (533) 117 114 161 141 a (432) 64 103 132 133
(1624) 2 (1178) 2
a3 (519) 105 140 118 156 a3 (380) 70 89 104 117
a1 (349) 61 91 97 100 a1 (368) 62 90 100 116
II IV
a (453) 70 108 126 149 a (382) 80 82 94 126
(1287) 2 (1091) 2
a3 (485) 96 124 121 144 a3 (341) 63 70 109 99

El modelo aditivo lineal para este ejemplo será:

Yijk = µ + α i + ρ j + γ ij + β k + (αβ )ik + ε ijk

donde:
Yijk es el rendimiento observado con la i-ésima variedad, j-ésimo bloque y k-ésimo nivel
de abonamiento.
Ing. Raúl Eyzaguirre Pérez 137
reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

µ es el efecto de la media general.

αi es el efecto de la i-ésima variedad.
ρj es el efecto del j-ésimo bloque.
γ ij es el efecto del error experimental en parcelas (Error (a))
βk es el efecto del k-ésimo nivel de abonamiento.
(αβ)ik es el efecto de la interacción en la i-ésima variedad y el k-ésimo nivel de
abonamiento.
εijk es el efecto del error experimental en subparcelas (Error (b)).

2.2. Análisis de Variancia

Las sumas de cuadrados para un diseño de parcelas divididas en DBCA son calculadas por:
p r q 2
Y•••
SC(Total subparcelas) = ∑∑∑ Yijk2 −
i =1 j =1 k =1 prq
2
Y•••
donde es el término de corrección (TC).
prq
p r Yij2•
SC(Total parcelas) = ∑∑ − TC
i =1 j =1 q

r Y•2j •
SC(Bloques) = ∑ − TC
j =1 pq
p q
Yi•2k
SC(Comb. AB) = SC(A) + SC(B) + SC(AB) = ∑∑ − TC
i =1 k =1 r

p
Yi••2
SC(A) = ∑ − TC
i =1 rq

q
Y••2 k
SC(B) = ∑ − TC
k =1 pr

SC(AB) = SC(Comb. AB) - SC(A) - SC(B)

SC(Error (a)) = SC(Total unidades) - SC(A) – SC(Bloques)
SC(Error (b)) = SC(Total subunidades) - SC(Total unidades) – SC(B) – SC(AB)

El cuadro de Análisis de Variancia se presenta a continuación. Generalmente el cuadrado

medio del error para las unidades completas, designado por Ea, es mayor que el cuadrado
medio del error para las subunidades, designado por Eb, ya que las observaciones en las

Ing. Raúl Eyzaguirre Pérez 138

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

subunidades tienden a tener resultados más homogéneos dentro la misma unidad que entre
unidades diferentes.

Cuadro ANVA

Fuentes de Grados de Sumas de Cuadrados Medios

Fc
Variación Libertad (gl) Cuadrados (SC) (CM)
SC(Bloques)
Bloques r–1 SC(Bloques)
gl(Bloques)
SC( A) CM( A)
A p–1 SC(A)
gl( A) Ea
SC(Error(a ))
Error (a) (r – 1)(p – 1) SC(Error(a))
gl(Error(a))

Total Unidades pr – 1 SC(Total Unid.)

SC( B) CM( B )
B q-1 SC(B)
gl( B ) Eb
SC( AB) CM( AB )
AB (p – 1)(q-1) SC(AB)
gl( AB ) Eb
SC(Error(b))
Error (b) p(q – 1)(r – 1) SC(Error(b))
gl(Error(b))

Total Subunidades pqr – 1 SC(Total Subunid.)

Hipótesis:
Para el Modelo I (Efectos fijos) las hipótesis son, en términos de los efectos de los niveles de
los factores las siguientes:
Para el efecto principal de A: H0: αi = 0 ∀ i
H1: αi ≠ 0 para al menos algún i
Para el efecto principal de B: H0: βk = 0 ∀ k
H1: βk ≠ 0 para al menos algún k
Para el efecto de la interacción AB: H0: (αβ)ik = 0 ∀ i, k
H1: (αβ)ik ≠ 0 para al menos algún i, k

Estadístico de Prueba:
CM( A)
Para el efecto principal de A: Fc = ~ F( gl( A),gl(Error(a )) )
Ea

CM( B )
Para el efecto principal de B: Fc = ~ F( gl( B ),gl(Error(b )))
Eb

Ing. Raúl Eyzaguirre Pérez 139

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

CM( AB)
Para el efecto de la interacción AB: Fc = ~ F( gl( AB ),gl(Error(b )))
Eb

Regla de Decisión:
Las hipótesis nulas se rechazan con un nivel de significación α si el Fc resulta mayor que el
valor de tabla F(1−α ) con los grados de libertad correspondientes a cada caso.

Al igual que en el análisis de un experimento factorial, se debe primero evaluar la hipótesis

correspondiente a la interacción. De no existir interacción, se procedería a evaluar los efectos
principales de los factores, en caso contrario, sería necesario evaluar los efectos simples.

Ejemplo (Cont.): A continuación se presenta el análisis de variancia y las prueba de

hipótesis correspondientes para el ejemplo tratado en esta sección:
p r q 2
Y•••
SC(Total subunidades) = ∑∑∑ Yijk2 −
i =1 j =1 k =1 prq
51802
= (1112 + 1302 + ... + 992 ) − = 38303.7
(3)(4)(4)
p r Yij2•
SC(Total unidades) = ∑∑ − TC
i =1 j =1 q
5722 + 5332 + ... + 3412 51802
= − = 17361.2
4 (3)(4)(4)

r Y•2j •
SC(Bloques) = ∑ − TC
j =1 pq
16242 + 1287 2 + 11782 + 10912 51802
= − = 13634.2
12 (3)(4)(4)

Yi•2kp q
SC(Comb. AB) = ∑∑ − TC
i =1 k =1 r

3082 + 4002 + ... + 5162 51802

= − = 17756.2
4 (3)(4)(4)
p
Yi••2
SC( A) = ∑ − TC
i =1 rq

16552 + 18002 + 17252 51802

= − = 657.3
16 (3)(4)(4)

Ing. Raúl Eyzaguirre Pérez 140

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

q
Y••2 k
SC( B) = ∑ − TC
k =1 pr

9732 + 12302 + 14002 + 1577 2 51802

= − = 16538.2
12 (3)(4)(4)

SC(AB) = SC(Comb. AB) - SC(A) - SC(B)

= 17756.2 – 657.3 – 16538.2 = 560.7
SC(Error (a)) = SC(Total unidades) - SC(A) – SC(Bloques)
= 17361.2 – 657.3 – 13634.2 = 3069.7
SC(Error (b)) = SC(Total subunidades) - SC(Total unidades) – SC(B) – SC(AB)
= 38303.7 – 17361.2 – 16538.2 – 560.7 = 3843.6

Cuadro ANVA
Fuentes de Grados de Sumas de Cuadrados
Fc
Variación Libertad (gl) Cuadrados (SC) Medios (CM)
Bloques 3 13634.2 4544.7
A 2 657.3 328.6 0.6423
Error (a) 6 3069.7 511.6
Total Unidades 11 17361.2
B 3 16538.2 5512.7 38.66
AB 6 560.7 93.5 0.6557
Error (b) 27 3843.6 142.6
Total Subunidades 47 38303.7

Las hipótesis a probar son:

Para el efecto principal de A: H0: αi = 0 i = 1, 2, 3.
H1: αi ≠ 0 para al menos algún i
Para el efecto principal de B: H0: βk = 0 k = 1, 2, 3, 4.
H1: βk ≠ 0 para al menos algún k
Para el efecto de la interacción AB: H0: (αβ)ik = 0 i = 1, 2, 3; k = 1, 2, 3, 4.
H1: (αβ)ik ≠ 0 para al menos algún i, k
Para la interacción el estadístico de prueba es Fc = 0.6557 y el valor de tabla, con un nivel
de significación del 5%, es F( 0.95, 6,27 ) = 2.46. Dado que el estadístico de prueba resulta
menor que el valor de tabla se acepta H0 y se concluye que no existe suficiente evidencia
estadística para aceptar que exista interacción entre la variedad de cebada y el nivel de
abonamiento. Al aceptar que no existe interacción entre los dos factores se procede a
evaluar los efectos principales. Para el factor A (variedad), el Fc = 0.6423 es menor que el
valor de tabla F( 0.95, 2,6) = 5.14; para el factor B (nivel de abonamiento), el Fc = 38.66 es
mayor que el valor de tabla F( 0.95, 3,27 ) = 2.96. Luego, se concluye que:

Ing. Raúl Eyzaguirre Pérez 141

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

- No existe suficiente evidencia estadística con un nivel de significación del 5% para

aceptar que con al menos una de las variedades de cebada se obtengan rendimientos
diferentes.
- Existe suficiente evidencia estadística con un nivel de significación del 5% para aceptar
que con al menos uno de los niveles de abonamiento se obtiene un rendimiento
diferente.

En este diseño, se debe calcular un coeficiente de variación para parcelas y otro para
subparcelas:

Ea / q
cv(parcelas) =
Y•••

Eb
cv(subparcelas) =
Y•••

Con los datos del ejemplo se tiene:

511.6 / 4
cv(parcelas) = = 10.48%
107.9

142.6
cv(subparcelas) = = 11.07%
107.9

2.3. Pruebas de comparación de medias

Para comparar las medias de los niveles i y j de un factor sobre todos los niveles del otro
(efectos principales) se deben utilizar las siguientes fórmulas para las desviaciones estándar:

Prueba Factor A (Parcelas) Factor B (Subparcelas)

2 Ea 2 Eb
t y DLS sd = sd =
qr pr
Ea Eb
Tukey sd = sd =
qr pr

Ejemplo (Cont.): En el ejemplo tratado en esta sección, sería necesario efectuar la prueba
de Tukey para el factor niveles de abonamiento. Las hipótesis en este caso serán:
H0: µ••1 = µ••2 H0: µ••1 = µ••3 H0: µ••1 = µ••4
H1: µ••1 ≠ µ••2 H1: µ••1 ≠ µ••3 H1: µ••1 ≠ µ••4
H0: µ••2 = µ••3 H0: µ••2 = µ••4 H0: µ••3 = µ••4
H1: µ••2 ≠ µ••3 H1: µ••2 ≠ µ••4 H1: µ••3 ≠ µ••4

Ing. Raúl Eyzaguirre Pérez 142

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

El valor de tabla con α = 5%, p = 4 tratamientos y 27 grados de libertad para Eb es AES(T)

= 3.87. La amplitud límite significativa de Tukey es:

Eb 142.6
ALS(T) = AES(T) = 3.87 = 13.34
pr (3)(4)

A continuación se presentan los resultados para las 6 comparaciones:

Niveles de B Y••i − Y•• j Significancia

1y2 21.42 *
1y3 35.59 *
1y4 50.34 *
2y3 14.17 *
2y4 28.92 *
3y5 14.75 *

2.4. Pruebas de comparación de medias de efectos simples

Para comparar las medias de los niveles k y l de un factor en un nivel del otro utilice las
siguientes fórmulas para las desviaciones estándar:

Prueba Factor A en bj Factor B en ai

2[(q − 1) Eb + Ea ] 2 Eb
t y DLS sd = sd =
qr r
Eb
Tukey sd =
r

Al comparar dos medias del factor A en un nivel del factor B, se están comparando tanto
parcelas como subparcelas, por lo que es necesario utilizar un promedio ponderado de Ea y Eb
para el cálculo de la desviación estándar como se puede ver en el cuadro presentado arriba.
Las ponderaciones son (q-1) y 1 para Eb y Ea respectivamente, las cuales suman q, cantidad
que aparece en el divisor. Para estas comparaciones, el valor t calculado no sigue una
distribución t de Student, y por lo tanto se deberá utilizar la siguiente aproximación para el
valor tabular:
(q − 1) Eb tb + Ea ta
t'=
(q − 1) Eb + Ea

donde los valores ta y tb son los valores de la tabla t de Student con los grados de libertad de
Ea y Eb respectivamente.

Ing. Raúl Eyzaguirre Pérez 143

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

Ejercicios

1. La siguiente información corresponde a un experimento en tabaco realizado con un diseño

de parcelas divididas en DBCA con 3 bloques, donde los factores están dados por:
A (en unidades): Tipo de riego con 3 niveles (a1, a2 y a3)
B (en subunidades): Tipo de fertilizante con 2 niveles (b1 y b2)
Los resultados del experimento, en Kg por parcela, se dan a continuación:

Riego b1 b2 Riego b1 b2
a1 159 301 a1 207 209
Bloque I Bloque II
a2 220 409 a2 109 186
a3 303 144 a3 281 153

Riego b1 b2
a1 333 419
Bloque III
a2 198 254
a3 253 228

a) Presente el modelo aditivo lineal e interprete sus componentes en términos del problema.
b) Realice el ANVA y presente los coeficientes de variabilidad.
c) Utilice la prueba t para comparar las medias de los niveles del factor fertilizante en cada
uno de los sistemas de riego.

2. Considere un experimento para comparar el efecto de tres diferentes planes de manejo en

el campo para ser cultivado con cuatro diferentes variedades de trigo. Seis parcelas fueron
aleatoriamente asignadas a los planes de manejo (factor A). Entonces, cada parcela es
dividida en cuatro subparcelas y las cuatro variedades (factor B) son aleatoriamente
asignadas a ellas (en forma independiente dentro de cada parcela). A continuación se
presentan los resultados obtenidos en Kg/subparcela.

Variedad
Plan de Manejo Parcela
I II III IV
Sin labrar 1 178 154 119 145
2 164 154 107 139
Sin cultivar en verano 1 141 130 81 116
2 129 112 73 98
Cultivado en verano 1 151 144 113 132
2 197 176 137 150

a) Presente el modelo aditivo lineal e interprete sus componentes en términos del

problema.
b) Realice el ANVA y presente los coeficientes de variación.
c) Realice la prueba de Tukey para comparar las distintas variedades.

3. Se estudió el comportamiento de 4 épocas de aplicación (A) en parcelas y 3 dosis de

Nitrógeno (B) en subparcelas. El experimento se llevó a cabo en un DBCA con 3

Ing. Raúl Eyzaguirre Pérez 144

reyzaguirre@[Link]
Departamento de Estadística e Informática
Curso: Métodos Estadísticos para la Investigación I Parcelas Divididas

repeticiones, 12 parcelas y 36 subparcelas. Los resultados del experimento en TM/Ha de

arroz se presentan a continuación:
Dosis de Nitrógeno (Subparcelas): 0 Kg/Ha (b1), 50 Kg/Ha (b2), 100 Kg/Ha. (b3).
Toda la siembra (a1) Siembra y Floración (a2)
Bloques Bloques
I II III Total I II III Total
b1 6.1 8.1 7.8 22.0 b1 6.1 6.8 6.0 18.9
b2 3.8 7.2 6.0 17.0 b2 4.2 6.2 4.4 14.8
b3 4.0 3.1 4.6 11.7 b3 4.1 5.2 4.5 13.8
Total 13.9 18.4 18.4 50.7 Total 14.4 18.2 14.9 47.5

Macollo y Floración (a3) Siembra Macollo y Floración (a4)

Bloques Bloques
I II III Total I II III Total
b1 5.1 7.8 5.9 18.8 b1 4.8 6.2 5.2 16.2
b2 5.8 7.1 7.7 20.6 b2 5.4 6.1 6.8 18.3
b3 4.1 5.0 4.5 13.6 b3 4.6 5.4 5.5 15.5
Total 15.0 19.9 18.1 53.0 Total 14.8 17.7 17.5 50
a) Presente el modelo aditivo lineal e interprete sus componentes en términos del
problema.
b) Realice el ANVA y presente los coeficientes de variación.
c) Presente el gráfico de la interacción.
d) Realice la prueba de Tukey para B(a1). Presente sus resultados mediante el diagrama de
líneas.

4. Un fabricante de papel está interesado en el efecto de tres diferentes métodos para la

preparación de la pulpa y cuatro temperaturas de cocción de la pulpa en la resistencia a la
tensión del papel resultante. El equipo que es usado en el método de la preparación de la
pulpa trabaja solo con grandes cantidades de pulpa. El equipo que es usado para la
cocción de la pulpa puede trabajar con pequeñas cantidades. En un día, un lote de pulpa es
producido por uno de los tres métodos bajo estudio. El método es aleatorizado entre los 9
días disponibles para el experimento. En cada día, el lote es dividido en cuatro sublotes y
cada sublote es cocido en cada una de las cuatro temperaturas (en ºF). Los resultados
obtenidos para la resistencia a la tensión del papel son los siguientes:
Método 1 2 3 1 2 3 1 2 3
Día 5 1 8 7 6 3 9 4 2
Temperatura
200 30 34 29 28 31 31 31 35 32
225 35 41 31 32 36 35 37 40 39
250 32 38 33 35 42 32 36 39 39
275 36 42 31 41 40 35 40 44 40
a) Presente el modelo aditivo lineal e interprete sus componentes en términos del problema.
b) Realice el ANVA y presente los coeficientes de variación.
c) Realice la prueba de Tukey para comparar las distintas temperaturas.
Ing. Raúl Eyzaguirre Pérez 145
reyzaguirre@[Link]