Manual de Prácticas

DISEÑOS
EXPERIMENTALES
AGRÍCOLAS
Manual de prácticas
2018
Trabajo realizado con el apoyo del

Programa
UNAM-DGAPA-PAPIME
Proyecto PE210119
Mejoramiento de la enseñanza de las
Autoras: asignaturas Introducción a la
Agricultura y Diseños Experimentales
Agrícolas
Martha Elena Domínguez Hernández
Elisa Domínguez Hernández
Presentación
Los experimentos agrícolas se realizan con el objetivo de explicar
cómo una o muchas variables independientes modifican una variable
dependiente. Estos procesos generan un conjunto de datos que deberán
ser analizados estadísticamente, con el fin de validar o rechazar las
hipótesis del experimentador. Estos análisis pueden facilitarse con la
utilización de herramientas de software.
El Manual de Diseños Experimentales Agrícolas cubre la enseñanza
práctica contemplada en el programa de la asignatura que lleva el mismo
nombre, la cual pertenece al Plan de Estudios vigente de la Licenciatura en
Ingeniería Agrícola. Fue concebido como una herramienta de apoyo para
alumnos, profesores y egresados que deseen analizar datos experimentales
con software estadístico.
Se incluye una introducción al manejo de dos de los paquetes
estadísticos más utilizados en el área agrícola. Las prácticas contienen el
procedimiento general del análisis correspondiente y ejemplos para
trabajar en clase. Las prácticas inician con el análisis de regresión y
correlación; posteriormente se presenta el análisis de varianza para diseños
básicos como el completamente al azar, bloques o cuadro latino, así como
para el diseño en parcelas divididas y los experimentos factoriales. Los
ejercicios incluyen datos creados exclusivamente para este documento y
que se orientan a estudios que se realizan en las ciencias agrícolas.
Contenido
Índice de Tablas................................................................................... iii
Índice de Figuras ................................................................................. iv
Introducción al manejo de software estadístico ...................................... 1

Introducción al manejo de Minitab® ..................................................... 1
Generación de gráficos con Minitab® ................................................... 4
Análisis estadístico de datos ................................................................. 5
Manipulación de datos ......................................................................... 5
Otros cálculos ....................................................................................... 5
Introducción a SAS®.............................................................................. 7
Comandos básicos en SAS® ................................................................... 8
Crear un programa en SAS®................................................................... 8
Programa básico en SAS® ..................................................................... 9
Creación de gráficas ............................................................................. 9
Creación de diagramas ....................................................................... 10
Análisis estadístico básico con Minitab® ............................................. 11
Estadísticas descriptivas .................................................................. 11
Pruebas de normalidad ................................................................... 12
Frecuencia ....................................................................................... 13
Análisis estadístico básico con SAS® ................................................... 15
Proc means...................................................................................... 16
Proc Univariate................................................................................ 17
Proc freq.......................................................................................... 18
Práctica 1. Regresión y correlación ........................................................ 19

Análisis de Regresión con Minitab® .................................................... 19
Regresión con ajuste cuadrático o cúbico ........................................ 20
i
Regresión múltiple .......................................................................... 21
Correlación en Minitab® ..................................................................... 21
Análisis de regresión con SAS® ............................................................ 21
Regresión lineal ............................................................................... 21
Regresión con ajuste cuadrático o cúbico ........................................ 22
Regresión múltiple .......................................................................... 22
Correlación en SAS® ........................................................................... 22
Ejercicios ............................................................................................ 24
Ejercicio 1. Regresión lineal simple .................................................. 24
Ejercicio 2. Correlación lineal ........................................................... 25
Ejercicio 3. Regresión cuadrática ..................................................... 26
Ejercicio 4. Regresión múltiple ......................................................... 27
Práctica 2. Análisis de varianza en Diseño completamente al azar (DCA)28

Análisis de varianza (ANOVA) ............................................................. 28
Procedimiento para el ANOVA de un DCA en Minitab® .................... 28
Procedimiento para el ANOVA de un DCA en SAS® ........................... 29
Ejercicios ............................................................................................ 30
Ejercicio 1. Diseño completamente al azar ....................................... 30
Ejercicio 2. Diseño completamente al azar ....................................... 31
Práctica 3. Análisis de varianza en Diseño en bloques completos al azar

(DBCA)................................................................................................... 32
Diseño en bloques completos al azar ............................................... 32
Procedimiento para el ANOVA de un DBCA en Minitab® .................. 32
Procedimiento para el ANOVA de un DBCA en SAS®......................... 33
Ejercicios ............................................................................................ 35
Ejercicio 1. Diseño en bloques completos al azar ............................. 35
Ejercicio 2. Diseño en bloques completos al azar ............................. 36
Práctica 4. Análisis de varianza en Diseño en cuadro latino (DCL) .......... 37
ii
Diseño en cuadro latino ................................................................... 37
Procedimiento para el ANOVA de un DCL en Minitab® ..................... 37
Procedimiento para el ANOVA de un DCL en SAS® ........................... 37
Ejercicios ............................................................................................ 39
Ejercicio 1. Diseño en Cuadro latino................................................. 39
Ejercicio 2. Diseño en Cuadro latino................................................. 40
Práctica 5. Análisis de varianza en Diseño en parcelas divididas (DPD) .. 41

Diseño en Parcelas Divididas ........................................................... 41
Procedimiento para el ANOVA de un DPD en Minitab® .................... 41
Procedimiento para el ANOVA de un DPD en SAS®........................... 42
Ejercicios ............................................................................................ 44
Ejercicio 1. Diseño en Parcelas Divididas.......................................... 44
Ejercicio 2. Diseño en Parcelas Divididas.......................................... 46
Práctica 6. Análisis de varianza en Experimentos factoriales ................. 47

Experimentos factoriales ................................................................. 47
Procedimiento para el ANOVA de un Factorial en Minitab® ............. 47
Procedimiento para el ANOVA de un DPD en SAS®........................... 49
Ejercicios ............................................................................................ 51
Ejercicio 1. Experimento Factorial .................................................... 51
Ejercicio 2. Experimento Factorial .................................................... 53
Referencias ........................................................................................ 54
Índice de Tablas
Tabla 1. Gráficas en Minitab .................................................................... 4

Tabla 2. Programa básico en SAS ............................................................. 9
Tabla 3. Procedimientos en SAS............................................................. 15
Tabla 4. Estadísticas que se pueden calcular en PROC MEANS ............... 16
Tabla 5. Programa para cálculo de estadísticas descriptivas .................. 17
Tabla 6. Obtención de estadísticas descriptivas con Proc Univariate ..... 17
iii
Tabla 7. Obtención de tablas de frecuencias con Proc Freq.................... 18
Tabla 8. Código para regresión en SAS ................................................... 22
Tabla 9. Código para regresión con ajuste cuadrático ............................ 22
Tabla 10. Código para correlación lineal en SAS ..................................... 23
Tabla 11. Código para el ANOVA de un DCA .......................................... 29
Tabla 12. Código para el ANOVA de un DBCA ........................................ 34
Tabla 13. Código para el ANOVA de un DCL ........................................... 38
Tabla 14. Código para el ANOVA de un DPD .......................................... 43
Tabla 15. Código para el ANOVA de un Factorial.................................... 50
Índice de Figuras
Figura 1. Abrir Minitab® desde el menú de Inicio..................................... 1

Figura 2. Elementos básicos de un archivo de Minitab® ........................... 2
Figura 3. Ventana Project Manager ......................................................... 2
Figura 4. Ventana Sesión ......................................................................... 3
Figura 5. Datos en la hoja de trabajo ....................................................... 3
Figura 6. Menú Estadísticas ..................................................................... 5
Figura 7. Menú Datos .............................................................................. 6
Figura 8. Menú Calc ................................................................................. 6
Figura 9. Ventanas principales de SAS® ................................................... 7
Figura 10. Comandos básicos y limpieza de código .................................. 8
Figura 11. Gráfica de salida .................................................................... 10
Figura 12. Estadísticas descriptivas en Minitab ...................................... 11
Figura 13. Cuadro de diálogo para agrupar las estadísticas descriptivas por
variable ................................................................................................. 12
Figura 14. Pruebas de normalidad con Minitab...................................... 13
Figura 15. Cuadro de diálogo para crear un histograma ......................... 14
Figura 16. Cuadro de diálogo para selección de variables y características del
histograma ............................................................................................ 15
Figura 17. Regresión en Minitab ............................................................ 19
Figura 18. Gráfica de dispersión............................................................. 20
Figura 19. Gráfica de línea ajustada para regresión ............................... 20
iv
Figura 20. Correlación en Minitab.......................................................... 21
Figura 21. ANOVA de un diseño completamente al azar en Minitab ...... 28
Figura 22. Pruebas de medias con Minitab ............................................ 29
Figura 23. ANOVA de un diseño en bloques completos al azar en Minitab32
Figura 24. Pruebas de medias para un DBCA con Minitab ...................... 33
Figura 25. ANOVA de un diseño en cuadro latino en Minitab ................ 37
Figura 26. ANOVA de un diseño en Parcelas Divididas en Minitab ......... 41
Figura 27. Modelo para el ANOVA en un diseño en Parcelas Divididas .. 42
Figura 28. ANOVA de un experimento Factorial en Minitab ................... 47
Figura 29. Modelo para el ANOVA en un experimento Factorial ............ 48
Figura 30. Obtención de gráficas de efectos principales e interacción .... 49
v
Introducción al manejo de
software estadístico
El software estadístico es una herramienta fundamental para el análisis de
datos ya que facilita la exploración y visualización de los resultados
experimentales. Existen diferentes opciones, sin embargo, la selección
dependerá de los recursos tecnológicos y económicos disponibles. En este
curso se utilizarán Minitab® y SAS® que son dos de los programas más
utilizados en el área agrícola.
Introducción al manejo de Minitab®

Minitab® es un software que incorpora las principales técnicas de análisis
estadístico; además, proporciona un entorno gráfico y posee
compatibilidad con editores de texto, hojas de cálculo y las bases de datos
más comunes. Una vez instalado el software, éste se puede iniciar dando
clic en el ícono de acceso directo en el escritorio o desde el menú de inicio
(Figura 1).
Figura 1. Abrir Minitab® desde el menú de Inicio
Un proyecto de Minitab® contiene tres ventanas básicas Project Manager,

Sesión y Hoja de trabajo, además contiene una barra de menús y una de
herramientas (Figura 2).
1
Figura 2. Elementos básicos de un archivo de Minitab®
La ventana Project Manager almacena toda la información del proyecto;

contiene carpetas que permiten navegar, ver y manipular diversas partes
del proyecto. Al hacer clic con el botón derecho del ratón en las carpetas o
en su contenido, puede acceder a una variedad de menús que permiten
administrar la salida de la ventana Sesión, las gráficas, las hojas de trabajo,
el lenguaje de comando y las áreas relacionadas del proyecto (Figura 3).
Figura 3. Ventana Project Manager
En la ventana Sesión se mostrarán los resultados de los análisis que se

realicen en formato de texto; cada salida, incluidos los gráficos, se
identifican con el título del procedimiento ejecutado (Figura 4).
2
Figura 4. Ventana Sesión
La ventana Hoja de trabajo contiene una hoja de cálculo donde se

introducen los datos; está ordenada en filas y columnas. Existe una celda
con fondo gris situada bajo los nombres de las columnas que se utiliza para
introducir los nombres de las variables correspondientes (Figura 5). Los
datos en las columnas pueden números, texto o fechas, Minitab® reconoce
la tipología en el nombre principal de la columna, es importante mencionar
que únicamente las columnas de texto admiten cualquier tipo de valor.
Figura 5. Datos en la hoja de trabajo
Minitab® trabaja con archivos llamados proyectos cuya extensión es .mpj,

un archivo de este tipo almacena toda la información generada en una
sesión: datos, contenidos de la ventana sesión y gráficos.
Archivo, guardar proyecto como…
Es posible guardar únicamente la hoja de trabajo, en este caso la extensión
del archivo es .mtw.
Archivo, guardar hoja de trabajo actual…
3
Generación de gráficos con Minitab®
El software contiene una serie de opciones gráficas para el procesamiento
de los datos experimentales, la selección dependerá del tipo de variable y
el análisis que se desea realizar, en la Tabla 1 se presentan las opciones
disponibles.
Tabla 1. Gráficas en Minitab

Objetivo Gráfica adecuada Menú Gráfica
Examinar relaciones Dispersión, Matriz o
entre pares de Marginal
variables
Examinar y comparar Histograma, Puntos, Tallo
distribuciones y hoja, Probabilidad, CDF
empírica, Distribución de
probabilidad o Caja.
Comparar resúmenes Caja, Intervalos, Valores
o valores individuales individuales, Línea, Barras
de una variable o Circular.
Evaluar distribuciones Barras o Circular
de conteos
Graficar una serie de Serie de tiempo, Área o
datos en el tiempo Dispersión
Examinar relaciones Contorno, Dispersión 3D
entre tres variables o Superficie 3D.
Además de las gráficas que se incluyen en el menú Gráficas, existen otras

que se generan al realizar el análisis de los datos; por ejemplo, las gráficas
de efectos principales e interacciones que se encuentran en el menú
Estadísticas dentro del ANOVA. Las gráficas se editan en forma similar a un
elemento generado en Office y se pueden guardar en un archivo
independiente al proyecto con la secuencia Archivo, Guardar gráfica
4
como…, se recomienda guardar el archivo con extensión .png o .jpg para
que no ocupe demasiado espacio.
Análisis estadístico de datos

El menú Estadísticas contiene diferentes opciones para el tratamiento
estadístico de datos, es posible obtener estadísticas básicas, regresiones,
correlaciones, análisis de varianza, análisis multivariado y estadísticas no
paramétricas, entre otros (Figura 6).
Figura 6. Menú Estadísticas
Manipulación de datos
El menú Datos permite ordenar, codificar, apilar o jerarquizar los datos de
cada variable de respuesta o dato ingresado en la hoja de trabajo (Figura
7).
Otros cálculos
El menú Calc incluye distintas opciones para la manipulación de datos;
permite calcular, estandarizar, crear mallas y matrices de datos. Una de las
opciones más utilizadas es Calc, Crear patrones de datos, que permite la
generación de listados numéricos, de texto o fechas (Figura 8).
5
Figura 7. Menú Datos
Figura 8. Menú Calc
6
Introducción a SAS®
El Statistical Analysis System, cuyas siglas son SAS®, es un software que
permite realizar el análisis estadístico y gráfico de los datos experimentales,
el entorno de trabajo de este programa está basado en un lenguaje de
programación por lo que es necesario utilizar comandos para ejecutar un
proceso.
El SAS® utiliza tres ventanas principales para realizar el análisis de los datos
(Figura 9):
• Ventana Editor de código: es una ventana editable para escribir
las instrucciones y los datos experimentales. Para que las órdenes
se ejecuten se deberá dar clic en el botón .
• Ventana Log: es una ventana para almacenamiento de los
procesos realizados, proporciona información sobre velocidad de
ejecución, recursos del sistema, avisos y errores.
• Ventana Resultados: también llamada Salida, en ella se presentan
los resultados de los procedimientos ejecutados.
Figura 9. Ventanas principales de SAS®
7
Comandos básicos en SAS®
Los programas elaborados con SAS® incluyen dos instrucciones básicas
DATA y PROC; la primera permite introducir el nombre del programa y la
segunda se emplea para trabajar con los datos sin modificar su estructura.
Además del nombre del programa, es necesario incluir el nombre de las
variables, el comando que indica a SAS® este procedimiento es INPUT. Los
datos experimentales se deberán introducir en el mismo orden que las
variables. Para indicar que un listado es un set de datos se utiliza CARDS. Al
ejecutar un programa se generan salidas en las diferentes ventanas, en caso
de ser necesario se deberá borrar el contenido utilizando la opción Limpiar
todo (Figura 10).
Figura 10. Comandos básicos y limpieza de código
Crear un programa en SAS®

Los programas se crean en la ventana Editor introduciendo las instrucciones
y datos que se desean procesar. Es importante tener en cuenta las
siguientes observaciones:
• Existen palabras reservadas que corresponden a un
procedimiento determinado y por tanto no pueden ser utilizadas
para nombrar programas o variables.
• Cada instrucción debe terminar con punto y coma (;).
• Las instrucciones pueden ocupar más de un renglón.
• Una vez que se ha terminado de escribir el programa es necesario
colocar el comando run y dar clic en el botón .
• Los nombres de las variables y programas no pueden tener más
de 8 caracteres, deben iniciar con una letra y no pueden contener
espacios en blanco. En caso de que la variable a manejar sea
alfanumérica se deberá colocar un signo $ al final del nombre.
8
• Los comentarios dentro del programa deben estar precedidos por
un asterisco * o por /*.
• Los datos perdidos se sustituyen con un punto (.).
Programa básico en SAS®

Un programa básico en SAS® deberá contener un nombre, un grupo de
variables, un conjunto de datos, procedimientos y la orden para ejecutar
(Tabla 2).
Tabla 2. Programa básico en SAS
Programa Descripción
data ejemplo1; Nombre del programa
input variedad$ porcsob; Variables(variable$=alfanumérica)
cards; Datos
INIA-76 1.60
NK-819 85.16
Aragón 2.86
CUF-101 93.01
Mesa-Sirsa . Dato faltante (.)
proc print; Impresión de los datos
run; Ejecutar
Los archivos generados en SAS® se pueden guardar directamente y tendrán

una extensión .sas, sin embargo, es recomendable exportar los resultados
y el programa a un procesador de texto para visualizarlo aún sin tener el
software instalado.
Creación de gráficas
El procedimiento Proc plot permite graficar una variable contra otra. En
cada gráfico es posible controlar la escala, el tamaño, el símbolo utilizado y
las especificaciones sobre el número de variables y su agrupación. Las
opciones que se pueden utilizar en este procedimiento son:
• Overlay: cuando se desea sobreponer gráficas
• Hpos: el tamaño del eje horizontal (de 1 a 80)
• Vpos: el tamaño del eje vertical (de 1 a 60)
• Vaxis: para controlar la escala en el eje vertical
• Haxis: para controlar la escala en el eje horizontal
Cuando se desea realizar un gráfico por variable donde se identifiquen

grupos, se debe utilizar la instrucción BY. En el siguiente programa se
9
presenta un ejemplo para este procedimiento, la salida se muestra en la
Figura 11.
Data Grafico;
input Mes$ Ingreso @@;
cards;
1 1800 2 2700 3 1300 4 1400 5 2500 6 3300
proc print;
proc plot;
plot Ingreso*Mes/Vaxis=1000 to 3500 BY 500 Vpos=10 Hpos=30;
run;
Figura 11. Gráfica de salida
Creación de diagramas
El procedimiento que permite la creación de diagramas de barras,
histogramas, diagramas de bloques y diagramas circulares es Proc Chart. El
tipo de gráfica se define con las siguientes instrucciones:
• Vbar: histograma vertical
• Hbar: histograma horizontal
• Block: diagrama de cloques
• Pie: diagrama circular
El tipo de estadística se define con la opción Type, que tiene las siguientes
opciones:
• Frec: frecuencia
• Pct: porcentajes
• Cfreq: frecuencias acumuladas
10
• Cpct: porcentajes acumulados
• Sum: totales
• Mean: promedios
La forma de agrupar los valores se define según el tipo de variable graficada,

sea numérica o de caracteres, y por opciones:
• Discrete: agrupamiento categórico, por variables discretas.
• Group: para agrupar de acuerdo con una variable
• Midpoints: permite definir puntos medios de intervalos en
variables continuas.
Análisis estadístico básico con Minitab®

Estadísticas descriptivas
En Minitab® el análisis estadístico básico se realiza con la opción

Estadísticas, Estadística básica, y dentro de este submenú se selecciona la
opción deseada (Figura 12).
Figura 12. Estadísticas descriptivas en Minitab
11
En caso de que se deseen agrupar los resultados en función de alguna
variable se deberá especificar en el cuadro de diálogo Mostrar estadísticas
descriptivas (Figura 13).
Figura 13. Cuadro de diálogo para agrupar las estadísticas descriptivas por variable
Pruebas de normalidad
Las pruebas de normalidad para un conjunto de datos se pueden realizar

por diferentes métodos en el menú Estadísticas, Prueba de normalidad. En
el cuadro de diálogo que aparece es necesario indicar la variable que se va
a probar y el método a utilizar (Figura 14).
12
Figura 14. Pruebas de normalidad con Minitab
Frecuencia
La frecuencia se obtiene en el menú Estadísticas, Estadística básica, Mostrar

estadísticas descriptivas; es necesario definir la variable de interés y la
forma en que se agruparán los datos. En caso de requerir un histograma de
frecuencias es necesario entrar al menú Gráfica y seleccionar la opción
13
Histograma, en el cuadro de diálogo es posible seleccionar el tipo de
histograma (Figura 15).
Figura 15. Cuadro de diálogo para crear un histograma
Las características básicas de un histograma se pueden editar en el

siguiente cuadro de diálogo que se muestra en la Figura 16, es importante
seleccionar la variable o variables que se desean graficar.
14
Figura 16. Cuadro de diálogo para selección de variables y características del histograma
Análisis estadístico básico con SAS®

Los programas siguientes son ejemplos para realizar un análisis estadístico
básico de un conjunto de datos, cada programa contiene la estructura
básica y los procedimientos específicos. En la Tabla 3 se presentan los
procedimientos más comunes del software.
Tabla 3. Procedimientos en SAS
Instrucción Descripción
PROC SORT; BY Variable; Permite ordenar las observaciones
de los archivos de trabajo de
acuerdo con una o varias variables.
PROC MEANS Genera estadísticas descriptivas
Proc MEANS opciones; univariadas simples para variables
Var v1…vn; numéricas. En este procedimiento
se pueden definir las estadísticas a
calcular con la instrucción BY.
PROC PLOT Se utiliza para graficar una variable
contra otra.
PROC CHART Produce diagramas de barras,
histogramas, diagramas de bloques
y diagramas circulares.
15
Proc means
Las opciones que contiene el procedimiento Means son las siguientes:
• Maxdec=n permite definir el número de decimales en la salida.
• Noprint: no imprime las estadísticas
• By variables: la lista de variables para calcular las estadísticas por
grupos.
• Output Out=Archivo: el nombre del archivo de trabajo de SAS que
tendrá las estadísticas calculadas (opcional).
Las estadísticas que se calculan en este procedimiento se describen en la

Tabla 4:
Tabla 4. Estadísticas que se pueden calcular en PROC MEANS
Estadística Descripción
N Número de observaciones
Nmiss Número de observaciones con valores
faltantes
Mean Media aritmética
Std Desviación estándar
Min Valor mínimo
Max Valor máximo
Range Rango
Sum Suma
Var Varianza
Uss Suma de cuadrados no corregida
CV Coeficiente de variación
Kurtosis Valor de kurtosis
T Valor de T
CSS Suma de cuadrados corregida
Stderr Error estándar
En el programa siguiente se presenta el cálculo de la media, la desviación

estándar y la suma de la variable rendimiento. Las estadísticas se realizaron
por la variable nitrógeno y los datos se guardan en un archivo de trabajo de
SAS llamado Estadis.
16
Tabla 5. Programa para cálculo de estadísticas descriptivas
data basica; Nombre del programa
input Nitrogeno rendim @@; Variables, @@ indica que los
cards; datos están a renglón seguido
0 8.5 100 10.2 0 6.9 200 14.3 Datos
200 15.5
100 9.3 300 19.5 300 21.3 100
8.5 0 4.3
400 12.5 400 11.3 400 10.5
proc sort; by Nitrogeno; Ordenar datos
proc means mean std sum; Calcular media, desviación
by Nitrogeno; Var rendim; estándar y suma
Output out=Estadis Mean=MedRend
STD=StdRend Sum=SumRend;
proc print; VAR Nitrogeno
MedRend StdRend SumRend;
run; Ejecutar
Proc Univariate
El procedimiento Univariate es similiar al procedimiento Means, genera las

mismas estadísticas, pero adiciona la moda, la mediana, los percentiles y
una prueba de normalidad para las variables (Tabla 6).
Tabla 6. Obtención de estadísticas descriptivas con Proc Univariate
data ejedes; Nombre del programa
input numcta nota @@; Variables
cards; Datos
1 80 2 83 3 75 4 70 5 60 6 93 7 74 8 69
9 72 10 86 11 82 12 95 13 55 14 85 15 77
proc univariate normal; Obtener estadísticas
var nota; descriptivas
run; Ejecutar
En este procedimiento es posible obtener gráficos para visualizar la

distribución de los datos, por ejemplo, el gráfico de tallo/hoja. Las opciones
que puede incluir son:
• Normal: prueba de normalidad con los estadísticos Shaphiro,
Kolmogorov-Smirnov, entre otros.
• Plot: realiza gráficos como tallo/hoja, de caja y de probabilidad
normal.
• Freq: genera una tabla de frecuencias con frecuencia absolutas,
relativas y acumuladas de los datos.
17
Proc freq
El procedimiento Freq genera tablas de frecuencias en una o más

dimensiones; las frecuencias pueden ser absolutas, relativas, simples y
acumuladas. Calcula medidas de asociación y pruebas estadísticas para
tablas de dos dimensiones o entradas, también es posible realizar la prueba
de independencia Chi-cuadrada (Tabla 7).
Tabla 7. Obtención de tablas de frecuencias con Proc Freq
data ejfrec; Nombre del programa
input Sexo Niveledu @@; Variables
cards; Datos
1 1 2 5 1 3 2 4 1 2 2 5 1 2 2 3 1 5 2 3
1 1 2 1 1 1 2 2 1 3 2 4 1 3 2 4 1 3 2 4
proc format; Codificación de
VALUE Sexo 1='Femenino' valores numéricos
2='Masculino';
VALUE Niveledu 1='Sin escolaridad'
2='Primaria'
3='Secundaria'
4='Universitaria'
5='Otros'; Obtener tablas de
proc freq; frecuencias y prueba
TABLES Sexo Niveledu; Chi cuadrada
FORMAT Sexo Sexo. Niveledu Niveledu.;
TABLES Sexo*Niveledu/CHISQ;
FORMAT Sexo Sexo. Niveledu Niveledu.; Ejecutar
run;
18
Práctica 1. Regresión y
correlación
Análisis de Regresión con Minitab®
En el menú Estadísticas, seleccionar la opción Regresión, Ajustar modelo de
regresión, con esto se desplegará una ventana donde Minitab® solicita
ingresar la variable dependiente y la o las variables independientes o
predictores (Figura 17).
Figura 17. Regresión en Minitab
19
La gráfica de dispersión con la línea ajustada se obtiene en el menú Gráfica,
Gráfica de dispersión (Figura 18).
Figura 18. Gráfica de dispersión
Minitab® ofrece una opción para obtener la gráfica de dispersión con línea
de ajuste, la ecuación de regresión y el coeficiente de determinación R2. En
el menú Estadísticas, Regresión, Gráfica de línea ajustada (Figura 19).
Figura 19. Gráfica de línea ajustada para regresión
Regresión con ajuste cuadrático o cúbico
La regresión con ajuste cuadrático o cúbico se realiza en el menú

Estadísticas, Regresión, Gráfica de línea ajustada (Figura 19); el
procedimiento es similar al de la regresión lineal, la única diferencia es el
modelo que utiliza y que será cuadrático o cúbico según sea el caso
experimental; la salida es una gráfica.
20
Regresión múltiple
La regresión múltiple en Minitab® se realiza en el menú Estadísticas,

Regresión, Regresión, Ajustar modelo de regresión (Figura 17). El
procedimiento utiliza un modelo formado por las n variables
independientes que se deseen estudiar, éstas deben ingresarse en el área
de Predictores.
Correlación en Minitab®
La correlación entre variables se realiza con Estadísticas, Estadísticas
básicas, Correlación (Figura 20).
Figura 20. Correlación en Minitab
Análisis de regresión con SAS®
Regresión lineal
En SAS® se pueden ajustar modelos lineales simples (una variable

independiente) o modelos lineales múltiples (más de una variable
independiente). El procedimiento específico para hacer una regresión es
Proc reg, es necesario indicar el modelo que será analizado (Tabla 8). En
este procedimiento se puede calcular una regresión por grupos con el
comando By.
21
Tabla 8. Código para regresión en SAS
data ejregl; Nombre del programa
input varInd varDep; Variables
cards; Datos
1 10
2 15
proc reg; model varDep=varInd; Procedimiento para regresión
Output predicted=By; y modelo
Proc plot; Procedimiento para gráfica de
Plot VarDep*VarInd= "*"; dispersión
run; Ejecutar
Regresión con ajuste cuadrático o cúbico

En caso de que la relación a estudiar sea cuadrática o cúbica, será necesario
realizar una regresión con este tipo de ajuste, para ello se modificará el
código como se muestra en la Tabla 9.
Tabla 9. Código para regresión con ajuste cuadrático
data ejregcua; Nombre del programa
cards; Datos
1 10
2 15
proc glm; model Procedimiento para regresión con
varDep=varInd VarInd*VarInd; ajuste cuadrático y modelo
run; Ejecutar
En caso de que el ajuste sea cúbico es necesario modificar el modelo:

model varDep=varInd VarInd*VarInd VarInd*VarInd*VarInd;
Regresión múltiple
Cuando la respuesta depende de más de una variable independiente, será
necesario utilizar un modelo de regresión múltiple, el procedimiento
utilizado es Proc glm y en el modelo se especifican las variables
independientes:
model varDep=varInd1 VarInd2 VarIndn;
Correlación en SAS®
La correlación se expresa mediante un coeficiente que puede tomar valores
desde -1 hasta +1. Un coeficiente con valor 1 indica una correlación perfecta
ya sea positiva o negativa; un coeficiente con valor 0 indica falta de
22
correlación entre las variables. La estimación de este coeficiente se hace
con Proc corr.
Tabla 10. Código para correlación lineal en SAS
data ejcorrel; Nombre del programa
cards; Datos
1 10
2 15
proc corr; Procedimiento para correlación
proc plot; Procedimiento para gráfica
plot varDep*varInd="x"; Ejecutar
title "Título Gráfica";
run;
23
Ejercicios
Ejercicio 1. Regresión lineal simple
Un ingeniero agrícola desea determinar un modelo matemático que

relacione el diámetro del tronco de un pino (Pinus patula) a partir del
volumen de la copa. Para ello, recolectó datos de volumen de copa y
registró el diámetro de los troncos obteniendo los valores siguientes:
Volumen de la copa Diámetro

(cm) (cm)
22 36
6 9
93 67
62 44
84 72
14 24
52 33
69 61
99 64
98 65
41 47
85 60
90 51
Obtenga:
1. Gráfica de dispersión
2. Coeficientes de regresión
3. Ecuación de regresión en términos de las variables estudiadas
4. Gráfica de la recta de mejor ajuste
5. Coeficiente de determinación R2
6. El crecimiento de un abeto que tiene 30 cm de volumen de copa
7. El volumen de copa de un abeto que tiene un diámetro de 50 cm
8. El código en SAS y el procedimiento en Minitab para este ejercicio
Interprete los resultados
24
Ejercicio 2. Correlación lineal
Un estudiante de Ingeniería Agrícola recolectó bulbos de cebolla (Allium

cepa) durante su práctica de producción de hortalizas, en cada bulbo midió
diámetro y peso fresco porque desea determinar si existe correlación entre
ambas variables. Los valores obtenidos se registraron en la Tabla siguiente:
Diámetro del bulbo Peso fresco del bulbo

(cm) (g)
6.34 51.0
11.53 66.2
14.66 69.2
13.26 59.5
8.07 56.9
12.56 67.1
8.01 58.1
7.87 53.9
11.28 63.0
9.62 60.0
Obtenga:
1. Coeficiente de correlación
Interprete los resultados
25
Ejercicio 3. Regresión cuadrática
Un estudiante de Ingeniería Agrícola desea modelar el comportamiento del

rendimiento de un cultivo forrajero cuando se aplica determinada cantidad
de fertilizante; sabe que si se excede la cantidad aplicada podría causar
daños al cultivo, entonces probó diferentes dosis desde 0 a 50 kg ha-1 ya
que la cantidad usada comúnmente es de 30 kg ha-1. los datos obtenidos se
presentan en la Tabla siguiente:
Dosis de fertilización Rendimiento

(kg ha-1) (t ha-1)
0 7.5
10 13.7
20 23.0
30 24.7
40 14.4
50 10.6
Obtenga:
1. Gráfica de dispersión
2. Ecuación de regresión con ajuste cuadrático en términos de las
variables estudiadas
3. Gráfica de la ecuación cuadrática
5. El código en SAS y el procedimiento en Minitab
Interprete los resultados y compare el modelo con ajuste cuadrático

con un modelo de regresión lineal.
Analice las diferencias y determine qué modelo explica mejor la
variabilidad.
26
Ejercicio 4. Regresión múltiple
Un tesista de Ingeniería Agrícola desarrolla un trabajo de investigación para

determinar el efecto de diferentes factores en el rendimiento de maíz
amarillo. Desea obtener una ecuación de regresión que modele el
rendimiento de maíz por el efecto de la cantidad de nitrógeno aplicado, la
altura promedio de las plantas y el número de mazorcas cosechadas en cada
parcela.
Dosis de Nitrógeno Altura de planta Número de mazorcas Rendimiento

(kg ha-1) (cm) cosechadas (kg ha-1)
120 120 54 18.56
126 124 68 21.34
128 138 75 25.58
133 140 88 33.28
110 120 28 13.23
112 135 27 12.28
110 129 29 11.19
122 127 45 12.12
121 127 37 17.28
99 149 31 17.12
Obtenga:
1. Ecuación de regresión múltiple en términos de las variables
estudiadas
3. El código en SAS y el procedimiento en Minitab
Interprete los resultados y determine cuáles son las variables

independientes que influyen en el rendimiento de maíz.
27
Práctica 2. Análisis de varianza en
Diseño completamente al azar
(DCA)
Análisis de varianza (ANOVA)
El análisis de varianza es un procedimiento estadístico que permite probar

si dos o más medias son iguales o diferentes con un nivel de significancia
predeterminado. En SAS® y Minitab® existen procesos que permiten probar
las hipótesis, para el primer caso se usan el Proc anova y el Proc glm; para
Minitab se utiliza la opción ANOVA del menú Estadísticas. Para poder aplicar
este procedimiento es necesario que los datos se distribuyan de manera
normal, con varianzas homogéneas en los tratamientos y que las
mediciones sean independientes.
Procedimiento para el ANOVA de un DCA en Minitab®

El análisis de varianza para un diseño completamente al azar se realiza
utilizando la opción Un solo factor del menú Estadísticas (Figura 21).
Figura 21. ANOVA de un diseño completamente al azar en Minitab
28
Las pruebas de medias se realizan a través del botón Comparaciones,
existen diferentes métodos, los más utilizados son Tukey, Fisher y Dunnett
(Figura 22).
Figura 22. Pruebas de medias con Minitab
Procedimiento para el ANOVA de un DCA en SAS®

El análisis de varianza para un diseño completamente al azar se ejecuta a
través del Proc anova; es necesario especificar las clases o variables
independientes y el modelo (Tabla 11).
Tabla 11. Código para el ANOVA de un DCA
data DCA; Nombre del programa
input factor1$ Respuesta; Variables, $(variable alfanumérica)
cards; Datos
T1 10
T2 15
proc anova; Procedimiento para ANOVA
class factor1; Factores (tratamientos)
model Respuesta=factor1; Modelo DCA
means factor1/tukey; Prueba de medias
run; Ejecutar
29
Ejercicios
Ejercicio 1. Diseño completamente al azar
Un experimento fue diseñado para evaluar el efecto de diferentes dosis de
fertilización nitrogenada en el rendimiento de rye grass anual. Se probaron
tres dosis distintas de nitrógeno: N1 = 0 kg ha-1, N2 = 100 kg ha-1 y N3 = 200
kg ha-1, cada tratamiento se replicó 5 veces y las condiciones de la parcela
experimental fueron homogéneas. Los resultados se muestran en la Tabla
siguiente:
Dosis de Nitrógeno Rendimiento rye grass

(kg ha-1) (Peso seco, t ha-1)
N1 12.8
N1 12.6
N1 12.7
N1 12.5
N1 13.1
N2 20.1
N2 21.4
N2 20.3
N2 20.7
N2 21.5
N3 30.6
N3 31.2
N3 32.0
N3 30.8
N3 30.9
Obtenga:
1. Modelo matemático en términos de las variables estudiadas
2. Hipótesis
3. Tabla de ANOVA
4. Prueba de medias por los métodos de Tukey, Fisher y Dunnett
(considere N1 como el tratamiento control)
Interprete los resultados del ANOVA y de las pruebas de medias.

Determine cuál es el tratamiento que recomendaría.
30
Ejercicio 2. Diseño completamente al azar
Un experimento fue diseñado para evaluar el efecto de diferentes

tratamientos para disminuir en el número de unidades formadoras de
colonias de hongos fitopatógenos (UFC). Se probaron cuatro tratamientos
distintos: Testigo, Solarización 4 semanas, Solarización 8 semanas y un
tratamiento químico, cada tratamiento se replicó 6 veces y las condiciones
de la parcela experimental fueron homogéneas. Los resultados se muestran
en la Tabla siguiente:
Tratamiento UFC
R1 R2 R3 R4 R5 R6
Testigo 48 35 27 52 49 47
Solarización 4 semanas 15 12 10 18 16 19
Solarización 8 semanas 4 6 2 5 7 4
Químico 3 4 2 3 3 1
Obtenga:
2. Hipótesis
3. Tabla de ANOVA
4. Prueba de medias por los métodos de Tukey, Fisher y Dunnett
(considere Químico como el tratamiento control)

Determine cuál es el tratamiento que recomendaría.
¿Considera que utilizar algún tratamiento de solarización da el mismo
resultado que el tratamiento químico? Fundamente su respuesta
estadísticamente.
31
Diseño en bloques completos al
azar (DBCA)
Diseño en bloques completos al azar
Procedimiento para el ANOVA de un DBCA en Minitab®
El análisis de varianza para un diseño en bloques completos al azar se realiza

con Estadísticas, ANOVA, Modelo lineal general, Ajustar Modelo lineal
general (Figura 23).
Figura 23. ANOVA de un diseño en bloques completos al azar en Minitab
Una vez realizado el ANOVA se activará la opción Comparaciones dentro del

menú de Modelo lineal general (Figura 24), estas pruebas se pueden
realizar por pares o comprando con un control.
32
Figura 24. Pruebas de medias para un DBCA con Minitab
Procedimiento para el ANOVA de un DBCA en SAS®

El análisis de varianza para un diseño en bloques completos al azar se
ejecuta a través del Proc anova; es necesario especificar las clases o
variables independientes y el modelo (Tabla 12).
33
Tabla 12. Código para el ANOVA de un DBCA
data DBCA; Nombre del programa
input factor1$ bloque$ Variables, $(variable alfanumérica)
Respuesta;
cards; Datos
T1 B1 10
T2 B2 15
class factor1 bloque; Factor y Bloque
model Respuesta=factor1 Modelo DBCA
bloque;
run; Ejecutar
34
Ejercicios
Ejercicio 1. Diseño en bloques completos al azar
Un experimento fue diseñado para evaluar el efecto de la fertilización en el

rendimiento de maíz para grano de una variedad criolla. Se probaron tres
fertilizaciones: F1 = sin aplicación, F2 = fertilización con estiércol y F3 =
fertilización química, el Ingeniero Agrícola desea probar los tratamientos en
4 localidades de una región de valles altos. Los resultados de rendimiento
en t ha-1 se muestran en la Tabla siguiente:
Fertilización Localidad Localidad Localidad Localidad

1 2 3 4
Sin aplicación 4.87 5.03 5.82 4.64
Estiércol 6.58 8.26 6.35 7.83
Química 5.43 6.42 6.92 4.95
Obtenga:
2. Hipótesis
3. Tabla de ANOVA
4. Prueba de medias por los métodos de Tukey y Fisher.

Determine cuál es el tratamiento que recomendaría y defina si hay
diferencia entre las localidades.
35
Ejercicio 2. Diseño en bloques completos al azar
Un experimento fue diseñado para evaluar el rendimiento de cuatro

variedades de maíz (V1, V2, V3 y V4), los tratamientos se establecieron en
cuatro campos experimentales del Estado de México CI, CII, CIII y CIV. Los
resultados de rendimiento en t ha-1 se muestran en la Tabla siguiente:
CAMPO EXPERIMENTAL
Variedad
CI CII CIII CIV
V1 12.5 12.0 11.9 12.3
V2 11.0 11.3 10.3 10.5
V3 9.1 7.2 8.3 8.1
V4 7.3 8.2 7.6 7.5
Obtenga:
2. Hipótesis
3. Tabla de ANOVA
4. Prueba de medias por los métodos de Tukey y Fisher

Determine cuál es la variedad que recomendaría y defina si hay
diferencia entre los campos experimentales.
36
Diseño en cuadro latino (DCL)
Diseño en cuadro latino
Procedimiento para el ANOVA de un DCL en Minitab®
El análisis de varianza para un diseño en Cuadro latino se realiza con

Estadísticas, ANOVA, Modelo lineal general, Ajustar Modelo lineal general
(Figura 25).
Figura 25. ANOVA de un diseño en cuadro latino en Minitab
Una vez realizado el ANOVA se activará la opción Comparaciones dentro del

menú de Modelo lineal general (Figura 24), estas pruebas se pueden
realizar por pares o comprando con un control.
Procedimiento para el ANOVA de un DCL en SAS®
El análisis de varianza para un diseño en Cuadro latino se ejecuta a través

del Proc anova; es necesario especificar las clases o variables
37
Tabla 13. Código para el ANOVA de un DCL
data DCL; Nombre del programa
input factor1$ fila$ Variables, $(variable alfanumérica)
columna$ Respuesta;
cards; Datos
T1 FI CI 10
T2 F2 C2 15
class factor1 fila Tratamiento, Fila y Columna
columna;
model Respuesta=factor1 Modelo DCL
fila columna;
run; Ejecutar
38
Ejercicios
Ejercicio 1. Diseño en Cuadro latino
Un experimento fue diseñado para evaluar el efecto de diferentes dietas en

la ganancia de peso en ovinos. El grupo de corderos se dividió por peso
inicial (P1=25 kg, P2=27 kg y P3=29 kg) y raza (Suffolk, Friesian y Dorper). Se
probaron tres dietas: A=alimento concentrado, B=forraje henificado y
C=granos. Los resultados de ganancia en peso (kg) se muestran en la Tabla
siguiente:
Peso inicial (kg)

Raza
P1 P2 P3
Suffolk 39.4 (C) 38.6 (A) 39.6 (B)
Friesian 37.3 (A) 37.4 (B) 43.7 (C)
Dorper 35.8 (B) 40.8 (C) 41.9 (A)
Obtenga:
2. Hipótesis
3. Tabla de ANOVA

Determine qué dieta recomendaría y defina si hay diferencia entre el
peso inicial y entre las razas.
39
Ejercicio 2. Diseño en Cuadro latino
Un experimento fue diseñado para evaluar el rendimiento de grano en

toneladas por hectárea de cuatro híbridos de maíz (H1, H2, H3 y H4). El
Ingeniero Agrícola encargado del proyecto identificó que en la parcela
experimental hay un gradiente de fertilidad del suelo; además, utilizará
riego por gravedad. Por ello, decide utilizar un diseño en cuadro latino. Los
Fertilidad Riego
R1 R2 R3 R4
F1 10.7 (H2) 8.6 (H4) 11.9 (H3) 12.3 (H1)
F2 7.1 (H3) 11.3 (H1) 8.3 (H4) 10.5 (H2)
F3 9.1 (H1) 7.2 (H3) 8.3 (H2) 8.1 (H4)
F4 8.8 (H4) 8.2 (H2) 9.6 (H1) 7.5 (H3)
Obtenga:
2. Hipótesis
3. Tabla de ANOVA

Determine cuál es el híbrido que recomendaría y defina si hubo
diferencia en el riego y la fertilidad.
40
Diseño en parcelas divididas
(DPD)
Diseño en Parcelas Divididas
Procedimiento para el ANOVA de un DPD en Minitab®
El análisis de varianza para un diseño en Parcelas divididas se realiza con

(Figura 26).
Figura 26. ANOVA de un diseño en Parcelas Divididas en Minitab
Para este modelo es necesario establecer las interacciones que permitirán

calcular el error en la parcela principal (Factor P_Principal*Bloque) y la
interacción entre el factor en la parcela principal y el factor en la subparcela
(P_Principal*Subparcela), el botón Model permite ingresar lo anterior
(Figura 27).
41
Figura 27. Modelo para el ANOVA en un diseño en Parcelas Divididas
Una vez realizado el ANOVA, se activará la opción Comparaciones dentro

del menú de Modelo lineal general (Figura 24), estas pruebas se pueden
realizar por pares o comprando con un control. En el diseño en Parcelas
divididas se puede hacer la comparación para los efectos principales y para
la interacción.
Procedimiento para el ANOVA de un DPD en SAS®

ejecuta a través del Proc anova; es necesario especificar las clases o
variables independientes y el modelo (Tabla 14).
42
Tabla 14. Código para el ANOVA de un DPD
data DPD; Nombre del programa
input Pprinc$ Subpar$ Variables, $(variable alfanumérica)
Bloque$ Respuesta;
cards; Datos
A1 I B1 10
A2 II B2 15
class Pprinc Subpar Tratamiento, Fila y Columna
Bloque;
model Respuesta=Pprinc Modelo DPD
Bloque Pprinc*Bloque
Subpar Pprinc*Subpar;
test H=Pprinc Bloque Prueba de hipótesis con el error en
E=Pprinc*Bloque; la parcela principal
means Pprinc*Subpar/tukey; Prueba de medias
run; Ejecutar
43
Ejercicios
Ejercicio 1. Diseño en Parcelas Divididas
Un experimento fue diseñado para comparar el rendimiento de tres

variedades de avena y cuatro dosis de estiércol de ovino. El trabajo se
desarrolló en cinco unidades de producción en Valles Altos. Para facilitar el
manejo agronómico, el Ingeniero Agrícola a cargo del proyecto decidió
utilizar un diseño en parcelas divididas, para ello, dividió en tres secciones
cada una de las parcelas experimentales y en ellas sembró en forma
aleatoria las variedades de avena; dentro de cada sección (parcelas)
aleatorizó las cuatro dosis de estiércol (subparcelas). Las variedades
evaluadas fueron: V1=Ópalo, V2=Obsidiana y V3=Chihuahua, las dosis de
estiércol utilizadas fueron D1=0 t ha-1, D1=10 t ha-1, D1=20 t ha-1, D1=30 t
ha-1. Los resultados de rendimiento en t ha-1 se muestran en la Tabla
siguiente:
Dosis de estiércol Unidad de producción

Variedad
I II III IV V VI
Ópalo D1 1.7 1.8 1.9 1.7 1.7 1.8
D2 1.9 2.1 2.0 1.9 1.8 1.8
D3 2.3 2.4 2.3 2.4 2.2 2.3
D4 2.6 2.7 2.8 2.7 2.7 2.8
Obsidiana D1 2.3 2.6 2.4 2.1 1.8 2.3
D2 3.7 3.9 3.8 3.6 3.6 3.7
D3 3.9 4.1 4.7 4.7 4.4 4.8
D4 4.5 5.5 5.3 4.8 4.9 5.4
Chihuahua D1 1.3 1.4 1.4 1.3 1.4 1.2
D2 1.5 1.6 1.5 1.6 1.5 1.5
D3 1.7 1.9 2.0 1.7 1.8 1.8
D4 2.8 2.9 2.8 2.8 3.1 2.9
Obtenga:
2. Hipótesis
3. Tabla de ANOVA
4. Prueba de medias por el método de Tukey.
44

Determine qué fecha de siembra y dosis de estiércol recomendaría.
45
Ejercicio 2. Diseño en Parcelas Divididas
Un experimento fue diseñado para comparar el rendimiento de cuatro

híbridos de maíz y tres fechas de siembra. El trabajo se desarrolló en cinco
unidades de producción en una región agrícola; para facilitar el manejo
agronómico, el Ingeniero Agrícola a cargo del proyecto decidió utilizar un
diseño en parcelas divididas, para ello, dividió en tres secciones cada una
de las parcelas experimentales y en ellas aleatorizó las fechas de siembra;
dentro de cada sección (parcelas) y los cuatro híbridos en las subparcelas.
Las fechas de siembra fueron: F1=1 de noviembre, F2=20 de noviembre y
F3=10 de diciembre, los híbridos fueron H1=Vikingo (Aspros®), H2=P3140W
(Pioneer®), H3=N2303 (Novasem®) y H4=HP-7111 (HP Seed®). Los
Unidad de producción
Fecha de siembra Dosis de estiércol
I II III IV V
F1 H1 14.98 14.78 14.87 14.75 14.84
H2 15.45 15.18 15.56 15.19 15.28
H3 12.14 12.17 12.25 12.16 12.19
H4 8.87 8.92 8.86 8.91 8.84
F2 H1 15.37 15.85 15.98 15.42 15.64
H2 15.75 15.98 15.78 15.69 15.74
H3 14.37 14.67 14.78 14.81 14.34
H4 8.89 8.78 8.79 8.81 8.90
F3 H1 15.58 15.90 15.91 15.87 15.76
H2 15.35 15.28 15.67 15.46 15.52
H3 14.25 14.56 14.35 14.42 14.28
H4 7.98 7.56 7.98 7.65 7.78
Obtenga:
2. Hipótesis
3. Tabla de ANOVA

Determine qué fecha de siembra e híbrido recomendaría.
46
Experimentos factoriales
Experimentos factoriales
Procedimiento para el ANOVA de un Factorial en Minitab®
El análisis de varianza para un experimento Factorial se realiza con

(Figura 28).
Figura 28. ANOVA de un experimento Factorial en Minitab
Para este modelo es necesario establecer las interacciones entre los

factores estudiados (A*B), el botón Model permite ingresar lo anterior
(Figura 29).
47
Figura 29. Modelo para el ANOVA en un experimento Factorial
Una vez realizado el ANOVA, se activará la opción Comparaciones dentro

del menú de Modelo lineal general (Figura 24), estas pruebas se pueden
realizar por pares o comprando con un control. En el experimento Factorial
se puede hacer la comparación para los efectos principales y para la
interacción.
Adicionalmente, con la opción Factorial Plots se pueden obtener las gráficas
de efectos principales e interacciones lo que facilita la interpretación de las
pruebas de medias y de los resultados. La opción se activa una vez realizado
el ANOVA (Figura 30).
48
Figura 30. Obtención de gráficas de efectos principales e interacción
Procedimiento para el ANOVA de un DPD en SAS®

ejecuta a través del Proc glm; es necesario especificar las clases o variables
49
Tabla 15. Código para el ANOVA de un Factorial
data DFact; Nombre del programa
input A$ B$ Bloque$ Variables, $(variable
Respuesta; alfanumérica)
cards; Datos
A1 B1 I 10
A2 B2 II 15
proc glm; Procedimiento para ANOVA
class A B Bloque; Factores A, B y Bloque
model Respuesta=A B Bloque Modelo Factorial
A*B;
means A/tukey; Prueba de medias
means B/tukey;
means A*B/tukey;
run; Ejecutar
50
Ejercicios
Ejercicio 1. Experimento Factorial
Un experimento fue diseñado para comparar el rendimiento grano de maíz

obtenido utilizando diferentes dosis de fertilización con Nitrógeno (N),
Fósforo (P) y Potasio (K). El trabajo se desarrolló en una parcela
experimental, cada tratamiento se replicó tres veces. Como se desea
determinar la mejor combinación de N-P-K se utilizó un experimento
factorial, las unidades experimentales se arreglaron completamente al azar.
Los niveles de cada factor fueron:
Nitrógeno Fósforo Potasio

N1= 0 kg ha-1 P1= 0 kg ha-1 K1= 0 kg ha-1
N2= 75 kg ha-1 P2= 30 kg ha-1 K2= 30 kg ha-1
N3= 150 kg ha-1 P3= 60 kg ha-1
Los rendimientos obtenidos en t ha-1se presentan en la Tabla siguiente:

Potasio
Nitrógeno Fósforo K1 K2
R1 R2 R3 R1 R2 R3
N1 P1 6.7 6.4 6.5 6.9 6.8 6.7
P2 6.4 6.7 6.6 7.1 7.4 7.2
P3 6.6 6.5 6.7 7.3 7.6 7.4
N2 P1 8.1 8.3 8.4 8.4 8.1 7.9
P2 8.7 8.5 8.9 8.7 8.3 8.5
P3 9.6 9.7 9.7 9.8 10.2 10.3
N3 P1 11.1 11.4 11.2 11.5 11.7 11.6
P2 12.3 12.4 12.5 12.4 12.7 12.6
P3 12.8 12.6 12.4 13.4 12.9 13.1
Obtenga:
2. Hipótesis
3. Tabla de ANOVA
5. Gráficas de efectos principales e interacción.
51
Interprete los resultados del ANOVA, de las pruebas de medias y las

gráficas de interacción y efectos principales.
Determine la combinación N-P-K que recomendaría para
incrementar el rendimiento.
52
Ejercicio 2. Experimento Factorial
Los alumnos de Introducción a la Agricultura desarrollaron un experimento

para determinar la influencia de diferentes factores en la germinación de
semillas de hortalizas. Se consideraron tres factores con dos niveles cada
uno, Luz (L0=Oscuridad, L1=Luz ambiente), Temperatura (T0 = refrigerador,
T1=ambiente,) y aplicación de una sustancia inhibidora (S0=agua destilada,
S1=agua pH 3); los equipos de estudiantes se consideraron como factor de
bloqueo (5 equipos). La variable de respuesta fue el porcentaje de
germinación de semillas de lechuga.
Los resultados obtenidos se presentan en la Tabla siguiente:
Sustancia inhibidora
Luz Temperatura S0 S1
E1 E2 E3 E4 E5 E1 E2 E3 E4 E5
L0 T0 80 50 30 50 10 90 10 20 10 10
T1 20 100 80 100 90 90 30 60 30 65
L1 T0 30 10 40 10 10 10 60 20 60 10
T1 100 100 100 100 85 70 10 10 10 100
Obtenga:
2. Hipótesis
3. Tabla de ANOVA
5. Gráficas de efectos principales e interacción.
Interprete los resultados del ANOVA, de las pruebas de medias y las

gráficas de interacción y efectos principales.
Determine la combinación de los factores que recomendaría para
incrementar la germinación de lechuga.
53
Referencias
Antony, J. 2014. Design of experiments for Engineers and Scientists. 2a. ed.
Londres: Elsevier.
Dean, A, Voss, D, Draguljić, D. 2017. Design and analysis of experiments. 2a.
ed. Nueva York: Springer International Publishing.
Di Renzo, JA, Casanoves, F, González, LA, Tablada, EM, Díaz, MP, Robledo,
CW, Balzarini, MG. 2005. Estadística para las Ciencias Agropecuarias.
6a. ed. Argentina: Editorial Brujas.
Dunn, K. 2016. Process improvement using data. Canada: McMaster
University.
Fernández, ER, Trapero, CA, Domínguez, JJ. 2018. Experimentación agraria.
España: Díaz de Santos.
Gomez, K, Gomez, A. 1984. Statistical procedures for agricultural research.
2a. ed. Nueva York: John Wiley & Sons, Inc.
Gutiérrez, H, de la Vara, R. 2012. Análisis y diseño de experimentos. 3a. ed.
México: McGraw Hill.
Ireland, C. 2010. Experimental statistics for agriculture and horticulture.
Reino Unido: Modular texts.
Jayȧraman, K. 1999. A statistical manual for forestry research. Bangkok:
FAO.
Kuehl, R. 2001. Diseño de experimentos. 2a. ed. México: Thomson Learning.
Little, T, Hills, J. 2008. Métodos estadísticos para la investigación en la
agricultura. 2a. ed. México: Trillas.
Montgomery, D. 2013. Design and analysis of experiments. 8a. ed. Danvers
(MA): John Wiley & Sons, Inc.
Navarro, FR. 2006. Diseño experimental. Aplicaciones en agricultura. Costa
Rica: Editorial Universidad de Costa Rica.
Oehlert, G. 2010. A first course in design and analysis of experiments.
Minnesota: W.H. Freeman.
Petersen, R. 1994. Agricultural field experiments: Design and analysis.
Nueva York: Marcel Dekker, Inc.
54

Manual de Prácticas

Cargado por

Copyright:

Formatos disponibles

Manual de Prácticas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual de Prácticas

Cargado por

Copyright:

Formatos disponibles

DISEÑOS

Trabajo realizado con el apoyo del

Introducción al manejo de software estadístico ...................................... 1

Práctica 1. Regresión y correlación ........................................................ 19

Práctica 2. Análisis de varianza en Diseño completamente al azar (DCA)28

Práctica 3. Análisis de varianza en Diseño en bloques completos al azar

Práctica 4. Análisis de varianza en Diseño en cuadro latino (DCL) .......... 37

Práctica 5. Análisis de varianza en Diseño en parcelas divididas (DPD) .. 41

Práctica 6. Análisis de varianza en Experimentos factoriales ................. 47

Tabla 1. Gráficas en Minitab .................................................................... 4

Figura 1. Abrir Minitab® desde el menú de Inicio..................................... 1

Introducción al manejo de Minitab®

Figura 1. Abrir Minitab® desde el menú de Inicio

Un proyecto de Minitab® contiene tres ventanas básicas Project Manager,

La ventana Project Manager almacena toda la información del proyecto;

Figura 3. Ventana Project Manager

En la ventana Sesión se mostrarán los resultados de los análisis que se

La ventana Hoja de trabajo contiene una hoja de cálculo donde se

Figura 5. Datos en la hoja de trabajo

Minitab® trabaja con archivos llamados proyectos cuya extensión es .mpj,

Tabla 1. Gráficas en Minitab

Además de las gráficas que se incluyen en el menú Gráficas, existen otras

Análisis estadístico de datos

Figura 6. Menú Estadísticas

Figura 8. Menú Calc

Figura 9. Ventanas principales de SAS®

Figura 10. Comandos básicos y limpieza de código

Crear un programa en SAS®

Programa básico en SAS®

Los archivos generados en SAS® se pueden guardar directamente y tendrán

Cuando se desea realizar un gráfico por variable donde se identifiquen

Figura 11. Gráfica de salida

La forma de agrupar los valores se define según el tipo de variable graficada,

Análisis estadístico básico con Minitab®

En Minitab® el análisis estadístico básico se realiza con la opción

Figura 12. Estadísticas descriptivas en Minitab

Las pruebas de normalidad para un conjunto de datos se pueden realizar

La frecuencia se obtiene en el menú Estadísticas, Estadística básica, Mostrar

Figura 15. Cuadro de diálogo para crear un histograma

Las características básicas de un histograma se pueden editar en el

Análisis estadístico básico con SAS®

Las estadísticas que se calculan en este procedimiento se describen en la

En el programa siguiente se presenta el cálculo de la media, la desviación

El procedimiento Univariate es similiar al procedimiento Means, genera las

En este procedimiento es posible obtener gráficos para visualizar la

El procedimiento Freq genera tablas de frecuencias en una o más

Figura 17. Regresión en Minitab

Figura 18. Gráfica de dispersión

Figura 19. Gráfica de línea ajustada para regresión

Regresión con ajuste cuadrático o cúbico

La regresión con ajuste cuadrático o cúbico se realiza en el menú

La regresión múltiple en Minitab® se realiza en el menú Estadísticas,

Figura 20. Correlación en Minitab

Análisis de regresión con SAS®

En SAS® se pueden ajustar modelos lineales simples (una variable

Regresión con ajuste cuadrático o cúbico

En caso de que el ajuste sea cúbico es necesario modificar el modelo:

Un ingeniero agrícola desea determinar un modelo matemático que

Volumen de la copa Diámetro