UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNADESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
TRABAJO INDIVIDUAL
CESAR ALEJANDRO NEIRA ZAMUDIO CC. 80115521
DISEÑO EXPERIMENTAL 30156A
TUTOR: CAMPO RIANO
1. Indique el programa de formación en el que se encuentra matriculado en la UNAD y escriba (desde su perspectiva) cuál es la relevancia de tener conocimiento en di seño exp erim en tal en su carrera, diferente a la de investigación. Soy estudiante de zootecnia, octavo semestre y según los avances alcanzados en el curso de diseño experimental me han enseñado que la planificación de cualquier experimento o producción pecuaria es de vital importancia para el buen desempeño de nuestras labores como profesionales. Una buena planificación o diseño de una producción nos garantiza buenos resultados que se van a ver reflejados en la parte económica y el capital humano se verá mejor compensado por su labor.
2. Presente dos ejemplos (aplicados a su programa de formación), uno en el que se requiera un diseño experimental de un factor y otro en el que se requiera un diseño factorial (Máximo 150 palabras). No se pide que se plantee el diseño, solo una situación en la que se requiera. UNIFACTORIAL
FACTORIAL
Cuando hay un solo factor de tratamientos se utiliza Se utiliza ANOVA de dos vías (dos factores) ANOVA de clasificación simple o de una vía como el o tres vías (tres factores), etc, como en el caso de un DCA. caso de diseños de bloques (un factor y una variable de agrupación o clasificación), Se toman distintas muestras de leche a una cuadrado latino (un factor y dos variables de vaca de raza holstein, a distintas horas del agrupación) y otros. día en donde se pretende determinar la cantidad de proteína contenida en base a la dieta suministrada obteniendo los siguientes En este caso se podrían utilizar varios resultados: ejemplares para la toma de las muestras, y basándonos en varias dietas donde el 4 am: proteína (%): 3.4 muestreo se haga por lotes. 10am: proteína (%) 3.3 Entonces se podría plantear que en un hato 4pm: proteína (%) 3.4 de 100 animales se quiere analizar muestras 10pm proteina(%) 3.2 de leche a distintas horas del día para determinar la cantidad de proteína contenida Podríamos concluir que la diferencia se basa en la leche; donde se tendrá en cuenta la en la absorción de nutrientes de acuerdo a producción en litros, el suministro de factores fisiológicos del animal y concentrado y forraje a un solo grupo de dependiendo la dieta que se suministre. animales, a otro grupo solo forraje, a otro forraje y silo y por último forraje y suplementos vitamínicos.
3. Mediante dos ejemplos (aplicados a su programa de formación), explique 1) cuándo existe una interacción entre los factores y 2) cuándo n o existe una interacción entre los factores (Máximo 200 palabras). INTEREACCION 2 FACTORES
NO INTERACCION ENTRE FACTORES
Aplicando la interacción para el análisis de proteína contenida en leche teniendo en cuenta que se trata de una raza específica; sería necesario hacer el muestreo a varios animales y sabiendo la dieta consumida por los mismos; esto teniendo en cuenta la cantidad de proteína suministrada en la dieta y asi determinar la cantidad absorbida por el animal para la producción de leche..
En este caso no existiría interacción cuando intervienen factores como edad del animal, dieta suministrada con distintos contenidos de proteína digestible, horario de toma de muestra, teniendo en cuenta la digestión y la fisiología del animal según el horario.
4. Plantee un experimento de ejemplo (aplicado a su programa de formación), e indique cuáles son los factores a evaluar y cuántos y cuáles son los niveles para cada factor.
COMPORTAMIENTO DE RAZAS PURAS PARA MEJORAR LA PRODUCCIÓN Factores a evaluar:
CARACTERÍSTICAS
RAZAS HEREFORD
ANGUS
RED POLL
CHAROLAIS
En las vacas peso kg
572
535
474
675
Condicion corporal escala (1-9)
6,1
5,8
4,4
5,6
4106
4021
3966
4494
partos %
81
95
96
73
sobrevivencia%
90
84
100
95
39
35
37
47
incremento de peso al destete gm
708
722
725
855
peso al destete kg
162
169
194
213
kilos al destete kg
130
158
185
154
Consumo anual de materia seca(kg)
En la progenie peso al nacimiento kg
Fuente: Juan Carlos Magofke y Ximena Garcia F
a. b. c. d. e. f.
Valor promedio obtenido en cuanto a niveles de consumo de energía. 1-9. 1=extremadamente delgado 9= extremadamente obeso. Valores promedio obtenidos con los niveles de consumo: 58; 76 ; 93 y 11 g/peso. Por ternero nacido. Por ternero destetado Por vaca expuesta al toro, ajustado por edad al destete.
EJERCICIO 5 En un artículo de Industrial Quality Control se describe un experimento para investigar el efecto del tipo de cristal y del tipo de fósforo sobre la brillantez de un cinescopio. La variable de respuesta es la corriente (en microamperes) necesaria para obtener un nivel de brillantez específico. Los datos son los siguientes:
Tipo de Cristal 1 2
Tipo de Fósforo 1
2
3
280 290 285 230 235 240
300 310 295 260 240 265
290 285 290 220 225 230
a. Plantee la hipótesis nula. Ho= Efecto del tipo de fósforo (A) = 0 H A= Efecto del tipo de fósforo (A) ≠ 0 Ho= Efecto del tipo de cristal (B) = 0 H A= Efecto del tipo de cristal (B) ≠ 0 Ho= Efecto del tipo de fósforo x tipo de cristal (AB) = 0 H A= Efecto del tipo de fósforo x tipo de cristal (AB) ≠ 0 Ho: Según el tipo de cristal empleado se puede encontrar un mejor tipo de fósforo con el cual determinar la brillantez.
b. ¿Alguno de los dos factores influye en la brillantez? Utilice α=0,05. Fuente
Suma de Cuadrados
Gl
Cuadrado Razón-F Valor-P Medio
Modelo A B AB Residuos Total (corregido)
15516,67 933,33 14450,00 133,33 633,33 16150,00
5 2 1 2 12 17
3103,33 466,67 14450,00 66,67 52,78
58,80 8,84 273,79 1,26
< 0.0001 0.0044 < 0.0001 0.3178
Los valores de "Valor-P" de menos de 0,0500 indican que los términos del modelo son significativos. En este caso ambos factores influyen en la brillantez.
c. ¿Existe interacción significante entre los factores? Utilice α=0,05 No hay efecto de interacción.
d. Construya las gráficas que considere pertinentes para acompañar las conclusiones encontradas.
Residuos vs Predicción
Residuos
Predicción
Normal de los Residuos
% de Probabilidad de la Normal
Residuos
Residuo vs Tipo de Cristal
Residuo
Tipo de Cristal
Residuo vs Tipo de Fósforo
Residuo
Tipo de Fósforo
Conclusiones:
La “Razón F” en el modelo obtuvo un valor de 58.80, lo cual, implica que el modelo es significativo. Sólo hay un 0,01% de probabilidad de qu e “Razón F” obtenga un alto valor, y en ese caso podría ocurrir debido al ruido.
Los gráficos de la normal del residuo y la de residuos contra el contenido de fósforo indican una leve desigualdad de la varianza, sin embargo, No es lo suficientemente grave como para ser motivo de preocupación.
Se encontró que no hay efecto de interacción entre los factores que intervienen.
EJERCICIO 4
Con el fin de comparar los rendimientos proteínicos de cuatro variedades de avena. Gaviria y colaboradores (1989) diseñaron un experimento 3x4 con dos repeticiones. El factor A representa el estado fisiológico en el momento del corte y el factor B la variedad de la semilla. Los resultados, en porcentajes promedios y en base seca, fueron:
a. Plantee la hipótesis nula. Ho= Efecto del tipo de estado fisiológico (A) = 0 H1= Efecto del tipo de estado fisiológico (A) ≠ 0 Ho= Efecto del tipo de variedad (B) = 0 H1= Efecto del tipo de variedad (B) ≠ 0
b. Analice los datos y concluya. Utilice α=0,05 Fuente
Suma de Cuadrados
Gl
A B Residuos Total (corregido)
1787,54 1147,48 640,06 3575,07
2 1 12 17
Cuadrado Razón-F Valor-P Medio 893,77 1147,48 53,34
16,76 21,51
0.0041 0.0001
c. Construya las gráficas que considere pertinentes para acompañar las conclusiones encontradas.
Residuos vs Predicción
Residuos
Predicción
Normal de los Residuos
% de Probabilidad de la Normal
Residuos
Conclusiones:
Los valores de "Valor-P" de menos de 0,0500 indican que los términos del modelo son significativos. En este caso ambos factores influyen en los rendimientos.
La gráfica de la normal del residuo muestra una leve desigualdad de la varianza, sin embargo, dicha desigualdad es insignificante.
Los rendimientos dependen tanto del estado fisiológico al momento del corte, como de la variedad de la semilla.
