UNIVERSIDAD AUTÓNOMA CHAPINGO

DEPARTAMENTO DE PARASITOLOGÍA AGRÍCOLA

REPORTE DE PRÁCTICA
DE LA ASIGNATURA DE
DISEÑO DE EXPERIMENTOS

“DISEÑO COMPLETAMENTE AL AZAR”

ALUMNO: Jiménez García María Belén

GRADO: 5°
GRUPO: 4
PROFESOR: M.C. Luis Emilio Castillo Márquez

CICLO ESCOLAR 2019-2020

Chapingo, Edo. Méx a 23 de octubre 2019.

 INTRODUCCIÓN
Un diseño en bloques completos al azar tiene las siguientes características:

 Es útil cuando se sospecha o se tiene la certeza de que existe un factor de confusión que
puede influir negativamente sobre los resultados del experimento, pero no se puede sustraer
del experimento de forma alguna.
 Los tratamientos a evaluar se alojan sobre unidades compactas llamados bloques.
 El propósito de la utilización de los bloques es absorber el máximo grado de variabilidad del
material experimental.
 En cada uno de los bloques a utilizar en el experimento están presentes todos los
tratamientos a evaluar. Por esta razón al diseño se le conoce como bloques completos.
 El tamaño del bloque es igual al numero de tratamientos a probar.
 La disposición de los tratamientos dentro de cada uno de los bloques se hace mediante un
mecanismo aleatorio.
 Los bloques se disponen en forma perpendicular al factor de confusión.
 Cada uno de los bloques representa una repetición de cada uno de los tratamientos a
evaluar. El número de bloques representa el número de repeticiones de los tratamientos.
 Como sabemos, en un diseño experimental la técnica estadística que se emplea para
contrastar las hipótesis derivadas del modelo lineal es el análisis de varianza. Para un
experimento específico el análisis de varianza determina, con un alto grado de confiabilidad,
si la diferencia entre los valores que toma la variable respuesta se debe realmente al efecto
de alguna de las fuentes de variación involucradas o a efectos aleatorios (determinados por
el azar). El análisis de varianza es la estadística de prueba para el contraste de hipótesis
acerca de las fuentes de variación en diseño experimental.

OBJETIVO
Calcular tablas de varianza bajo el diseño en bloques completos al azar, con ayuda de una
computadora personal, para distinguir si existen diferencias entre tratamientos.

MATERIALES Y MÉTODO
Los comandos que se usan para el cálculo de tablas de análisis de varianza en el programa sas son
los siguientes:

Data: sirve para nombrar el programa, debe tener un máximo de 8 letras. Ejemplo eje1

Input: aquí nombramos a nuestras variables, si son variables no numéricas le agregamos el signo $
para no tener problemas después. Ejemplo insecti insecmue

Cards: después de poner este comando agregamos los datos propios del problema, la primera
columna será del número o nombre del tratamiento y la segunda columna es el dato de cada una de
las repeticiones por tratamiento.

Ejemplo

1 12

1 13

2 14

2 15
Proc glm: con este comando indicamos la finalización de los datos del problema.

Class indicamos los tratamientos seguidas del nombre de las repeticiones

Ejemplo

Class insecti$ insecmue;

Model: indicamos que las repets=trats;

Run; indica que finalizamos y podemos correr el programa.

RESULTADOS
Ejercicio 1
Un ingeniero químico desea probar el efecto que tienen cuatro agentes químicos en fase de
desarrollo sobre la adherencia a las plantas de frijol de un insecticida particular. Para poder llevar a
cabo su experimento el ingeniero solo está autorizado a utilizar botellas del insecticida que están
almacenadas en bodega y que pertenecen a lotes de fabricación diferentes. Como pudiera existir
cierta variabilidad entre un lote de insecticida y otro, decide utilizar un diseño en bloques completos,
considerando los lotes de producto como bloques. El Ingeniero seleccionó aleatoriamente cinco lotes
de insecticida y de cada lote cuatro botellas para después aplicarles los agentes químicos. A
continuación, se proporcionan los resultados del número de horas que el insecticida continuó
adherido a la planta de frijol después de aplicarle los agentes químicos y estar sometido a una lluvia
artificial por periodos constantes de tiempo dentro de una nave de prueba.

Lote de producto
Agente químico 1 2 3 4 5
Z60 73 68 74 71 67
Z70 73 67 75 72 70
Z80 75 68 78 73 68
Z90 73 71 75 75 69

Lenguaje sas

data eje1;
input bloq agente $ horas;
cards;
1 Z60 73
2 Z60 68
3 Z60 74
4 Z60 71
5 Z60 67
1 Z70 73
2 Z70 67
3 Z70 75
4 Z70 72
5 Z70 70
1 Z80 75
2 Z80 68
3 Z80 78
4 Z80 73
5 Z80 68
1 Z90 73
2 Z90 71
3 Z90 75
4 Z90 75
5 Z90 69

proc glm;
class bloq agente;
model horas=bloq agente;
run;

1. Hipótesis a probar
Ho: todos los insecticidas son iguales
Ha: al menos un insecticida es diferente

2. Estadística de prueba

FV N° IDENTIFICADOR
bloq 5 12345
trats 4 Z60 Z70 Z80 Z90

Número de observaciones leídas 20

Dependent Variable: horas

FV GL SC CM Fcal Pr>F
bloq 4 157.0000000 39.2500000 21.61 <.0001
trats 3 12.9500000 4.3166667
Error 12 21.8000000 1.8166667
Total 19 191.7500000

3. Regla de decisión
Bloques
Se rechaza Ho si [Pr>F] <α
21.61 <.0001

Trats
Se rechaza Ho si [Pr>F] <α
2.38 0.1211

4. Conclusión
Bloques

Al menos un bloque es diferente.

trats
al menos un agente es diferente.

Ejercicio 2

Tres diferentes soluciones bactericidas en fase de desarrollo se compararon con el objetivo de

estudiar su efectividad sobre el crecimiento de bacterias. El análisis se realizó en un laboratorio y
por restricciones económicas solo podían efectuarse tres pruebas en un mismo día, es decir, se
podía probar una sola ves las tres soluciones cada día. Como los días son una fuente de variabilidad
potencial, el experimentador decide usar un diseño en bloques completos. Se inocularon doce
conjuntos de veinte cajas Petri con la bacteria bajo estudio y se aplicaron las soluciones bactericidas
correspondientes. Las observaciones se recopilaron durante cuatro diferentes y los datos del número
promedio de colonias (en miles) por unidad experimental aparecen a continuación.

Días
Solución 11 Ago 12 Ago 13 Ago 14 Ago
WWI 13 22 18 39
ZZ6 16 24 17 44
UU3 3 5 4 1

Lenguaje sas

data eje2;
input bloq solu$ colonias;
cards;
1 WW1 13
1 ZZ6 16
1 UU3 3
2 WW1 22
2 ZZ6 24
2 UU3 5
3 WW1 18
3 ZZ6 17
3 UU3 4
4 WW1 39
4 ZZ6 44
4 UU3 1

proc glm;
class bloq solu;
model colonias=bloq solu;
run;

1. Hipótesis a probar
Ho: todos los insecticidas son iguales
Ha: al menos un insecticida es diferente

2. Estadística de prueba
 FV N° IDENTIFICADOR
bloq 4 1234
trats 3 UU3 WW1 ZZ6

Número de observaciones leídas 12

Dependent Variable: colonias

FV GL SC CM Fcal Pr>F

bloq 3 531.000000 177.000000 2.90 0.1239

trats 2 1172.166667 586.083333 9.59 0.0135
Error 6 366.500000 61.083333
Total 11 2069.666667

3. Regla de decisión
Bloques
Se rechaza Ho si [Pr>F] <α
2.90 0.1239

Trats
Se rechaza Ho si [Pr>F] <α
9.59 0.0135

4. Conclusión
Bloques

Al menos un bloque es diferente.

trats

Al menos una solución bactericida es diferente.

Ejercicio 3
En un experimento se compararon en el campo cinco tipos diferentes de boquillas en cuanto al área
de cobertura del chorro de salida. Se registró el área de cobertura y esta se midió en metros
cuadrados. Las boquillas se probaron en cuadros de terreno de 5 x 5 metros. Se utilizó un diseño en
bloques completos al azar con seis bloques perpendiculares a la dirección del viento, la cual se creyó
podía influir en los resultados del experimento. Los datos se muestran enseguida:

Bloques
Tipo de boquilla I II III IV V VI
1 0.78 0.80 0.81 0.75 0.77 0.78
2 0.85 0.85 0.92 0.86 0.81 0.83
3 0.93 0.92 0.95 0.89 0.89 0.83
4 1.14 0.97 0.98 0.88 0.86 0.83
 5 0.97 0.86 0.78 0.76 0.76 0.75

Lenguaje sas

data eje3;
input bloq$ boqui$ area;
cards;
I 1 0.78
I 2 0.85
I 3 0.93
I 4 1.14
I 5 0.97
II 1 0.80
II 2 0.85
II 3 0.92
II 4 0.97
II 5 0.86
III 1 0.81
III 2 0.92
III 3 0.95
III 4 0.98
III 5 0.78
IV 1 0.75
IV 2 0.86
IV 3 0.89
IV 4 0.88
IV 5 0.76
V 1 0.77
V 2 0.81
V 3 0.89
V 4 0.86
V 5 0.76
VI 1 0.78
VI 2 0.83
VI 3 0.83
VI 4 0.83
VI 5 0.75

proc glm;
class bloq boqui;
model area=bloq boqui;
run;

1. Hipótesis a probar
Ho: todos los insecticidas son iguales
Ha: al menos un insecticida es diferente

2. Estadística de prueba

FV N° IDENTIFICADOR
bloq 6 I II III IV V VI
trats 5 12345

Número de observaciones leídas 30

Dependent Variable: area

FV GL SC CM Fcal Pr>F
 bloq 5 0.06286667 0.01257333 4.39 0.0074
trats 4 0.10218000 0.02554500 8.92 0.0003
Error 20 0.05730000 0.00286500
Total 29 0.22234667

3. Regla de decisión
Bloques
Se rechaza Ho si [Pr>F] <α
4.39 0.0074

Trats
Se rechaza Ho si [Pr>F] <α
8.92 0.0003

4. Conclusión
Bloques
Al menos un bloque es diferente
Trats
Al menos una boquilla es diferente

Ejercicio 4

A lo largo de un terreno se detecta un gradiente de humedad. En dicho terreno se quieren evaluar

cuatro variedades de sorgo resistentes al hongo Fusarium moniliforme, por lo que se decide usar un
diseño en bloques completos al azar. Se utilizaron cuadros de terreno de 20 x 20 metros para
sembrar a las diferentes variedades y se midió la producción en ton/ha, cuyos valores se representan
a continuación:

Bloques (niveles de gradiente de humedad)

Variedad 1 2 3 4 5 6
Blanca 4.93 4.86 4.75 4.95 4.79 4.88
Amarilla 4.85 4.91 4.79 4.85 4.75 4.85
Perla 4.83 4.88 4.90 4.75 4.82 4.90
Criolla 4.89 4.77 4.94 4.86 4.79 4.76

Lenguaje sas

data eje4;
input bloq varie$ produc;
cards;
1 blanca 4.93
1 amarilla 4.85
1 perla 4.83
1 criolla 4.89
2 blanca 4.86
2 amarilla 4.91
2 perla 4.88
2 criolla 4.77
3 blanca 4.75
3 amarilla 4.79
3 perla 4.90
3 criolla 4.94
4 blanca 4.95
4 amarilla 4.85
4 perla 4.75
4 criolla 4.86
5 blanca 4.79
5 amarilla 4.75
5 perla 4.82
5 criolla 4.97
6 blanca 4.88
6 amarilla 4.85
6 perla 4.90
6 criolla 4.76

proc glm;
class bloq varie;
model produc=bloq varie;
run;

1. Hipótesis a probar
Ho: todos los insecticidas son iguales
Ha: al menos un insecticida es diferente

2. Estadística de prueba

FV N° IDENTIFICADOR
bloq 6 123456
trats 4 amarilla blanca criolla perla

Número de observaciones leídas 24

Dependent Variable: produc

FV GL SC CM Fcal Pr>F

bloq 5 0.00393750 0.00078750 0.12 0.9852

trats 3 0.00364583 0.00121528 0.19 0.9023
Error 15 0.09647917 0.00643194
Total 23 0.10406250

3. Regla de decisión
Bloques
Se rechaza Ho si [Pr>F] <α
 0.12 0.9852

Trats
Se rechaza Ho si [Pr>F] <α
0.19 0.9023

4. Conclusión
Bloques
Todos los bloques son iguales
Trats
Todas las variedades son iguales

Ejercicio 5
Una fabrica de plaguicidas desarrolla un plaguicida granulado. La fábrica manufactura el insecticida
en cuatro hornos. Se sabe que cada horno tiene sus propias características de operación, de modo
que los hornos se considerarán una variable problemática (factor de confusión) en el desarrollo del
producto. Como cada horno puede operarse de cuatro velocidades de agitación distintas los
ingenieros de proceso sospechan que la velocidad de agitación influye en el tamaño de los gránulos
del producto. Se ejecutó un diseño en bloques completamente al azar para determinar si la velocidad
de agitación influye sobre el tamaño del granulo. De cada horno y en cada una de las velocidades
de agitación se tomaron dos kilogramos de producto y se registró el tamaño promedio de los gránulos
(mm) resultantes:

Velocidad de agitación Horno

1 2 3 4
500 8 4 5 6
1000 14 15 16 19
1500 14 16 19 12
2000 7 9 3 6

Lenguaje sas
data eje5;
input bloq trats$ tama;
cards;
1 500 8
1 1000 14
1 1500 17
1 2000 7
2 500 4
2 1000 15
2 1500 16
2 2000 9
3 500 5
3 1000 16
3 1500 19
3 2000 3
4 500 6
4 1000 19
4 1500 12
4 2000 6
proc glm;
class bloq trats;
model tama=bloq trats;
run;

1. Hipótesis a probar
Ho: todos los insecticidas son iguales
Ha: al menos un insecticida es diferente

2. Estadística de prueba

FV N° IDENTIFICADOR
bloq 4 1234
trats 4 1000 1500 2000 500

Número de observaciones leídas 16

Dependent Variable: tama

FV GL SC CM Fcal Pr>F

bloq 3 1.5000000 0.5000000 0.07 0.9755

trats 3 400.5000000 133.5000000 18.20 0.0004
Error 9 66.0000000 7.3333333
Total 15 468.0000000

3. Regla de decisión
Bloques
Se rechaza Ho si [Pr>F] <α
0.07 0.9755

Trats
Se rechaza Ho si [Pr>F] <α
18.20 0.0004

4. Conclusión
Todos los bloques son iguales

Al menos una velocidad es diferente

CONCLUSIONES
Sabemos que el SAS es tanto un lenguaje de programación como un programa para el análisis
estadístico de acceso libre con licencias GNU. Tiene su origen en el lenguaje "S". Soporta los análisis
más comunes y tienen gran potencia en el manejo de datos, archivos y en la exportación de gráficos.

Es de gran utilidad porque en comparación a los resultados de los ejercicios hechos en clase, los
resultados son muy similares, lo que nos indica que este lenguaje de programación es muy eficiente.

BIBLIOGRAFIA
Castillo Márquez, L. (2017). Introducción a la estadística experimental. Chapingo.