Scribd
Cargar
101 vistas18 páginas

Diseño de Bloques Completamente Al Azar

El documento describe el diseño de bloques completamente aleatorizado (DBCA), un diseño experimental agrícola. El DBCA divide las unidades experimentales en bloques homogéneos y asigna los tratamientos aleatoriamente dentro de cada bloque para controlar la variabilidad local. Tiene ventajas como precisión, simplicidad y flexibilidad de análisis. Se usa comúnmente en experimentos de campo cuando el número de tratamientos es pequeño. El documento proporciona dos ejemplos de cómo aplicar este diseño experimental.

Cargado por

Luis Jesus Foronda Gamarra
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
101 vistas18 páginas

Diseño de Bloques Completamente Al Azar

El documento describe el diseño de bloques completamente aleatorizado (DBCA), un diseño experimental agrícola. El DBCA divide las unidades experimentales en bloques homogéneos y asigna los tratamientos aleatoriamente dentro de cada bloque para controlar la variabilidad local. Tiene ventajas como precisión, simplicidad y flexibilidad de análisis. Se usa comúnmente en experimentos de campo cuando el número de tratamientos es pequeño. El documento proporciona dos ejemplos de cómo aplicar este diseño experimental.

Cargado por

Luis Jesus Foronda Gamarra
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Universidad Nacional San Luis Gonzaga de Ica

Diseños experimentales Agrícolas

Diseño de Bloques Completamente Randomizado o aleatorio (DBCA)

Diseño de Bloques completamente al azar (DBCA)


Para este diseño, el control local consiste en formar grupos de unidades homogéneas llamadas
bloques, los tratamientos corresponden al otro factor que se supone fijo o en ambos casos podría
ser aleatorio, en cualquier caso, estos son asignados al azar en cada bloque.

Las repeticiones de los tratamientos son los bloques.

El modelo aditivo lineal

En este ejemplo de ubicación del diseño se muestra

Los tratamientos A, B, C y D distribuidos a azar dentro de cada uno de los 3 bloques se les coloco en
columnas de forma de derecha a izquierda porque tal vez en el lote al lado izquierdo sea de un suelo
más arenoso que el derecho y para que todos los tratamientos estén distribuidos los más
homogéneamente posible se colocan así lo bloques
Ventajas:

1. Preciso, por medio del agrupamiento comúnmente se obtienen resultados más precisos que
cuando se usa un DCA
2. Simple, este diseño es razonablemente sencillo de planificar
3. Las parcelas pérdidas no causan mucha dificultad en el análisis, ya que pueden ser
fácilmente estimados
4. Flexibilidad. Este diseño es flexible con respecto al número de tratamientos y repeticiones
5. Fácil de analizar, el análisis estadístico no presenta complicaciones.

Cualquier número de tratamiento puede ser excluido del análisis sin que este se complique.

Desventajas:

Este diseño no es aconsejable cuando el número de tratamientos es grande y la variabilidad de las


unidades experimentales dentro del bloque es considerable

En ensayos en campo, la variabilidad del suelo no siempre ocurre en la dirección ideal para formar
los bloques en forma efectiva

No es adecuado cuando los tratamientos interaccionan con los bloques.

Usos:

1. Es el diseño más comúnmente usado. Especialmente bueno para experimentos en el campo.


Puede aplicárselo en muchos problemas experimentales en muchos campos de la
investigación.
2. Usado para controlar el error experimental en casos donde los bloques son días,
observadores, porciones de material, animales, chiqueros, pacientes, escuelas,
laboratorios, etc.
3. No es recomendable para más de 20 tratamientos

Análisis de variancia (ANVA)


Ejemplo 1:

Se aplicó 5 tratamientos con diferentes dosis de materia orgánica

Como variable se utilizó: Numero de melones por planta

Los tratamientos se repitieron 4 veces

Entonces se aplicó un DBCA con 5 tratamientos con 4 repeticiones= 5*4 = 20 und experimentales

Hallar:

Media tratamientos

Suma tratamientos

Suma total

Media

Suma bloques (Se agrega en DBCA en comparación a DCA)


Ejemplo 2:

Se tomó el rendimiento de quinua en kg en la sierra (variable rendimiento), se probó 6 variedades


con 6 repeticiones

Se utilizó un diseño de bloques completamente al azar

Se utilizaron diferentes 5 variedades de quinua blanca, que son los tratamientos

Cada tratamiento se repitió 6 veces

6*6 = 36 und experimentales

Hallar:

Media tratamientos

Suma tratamientos

Suma total

Media

Suma bloques

También podría gustarte