ANÁLISIS DE EXPERIMENTOS EN PARCELAS DIVIDIDAS CON “R”
Ing. Luis Manfredo Reyes
Aunque en la literatura muchos autores lo consideran un
diseño aparte, en realidad Parcelas Divididas es un arreglo especial de tratamientos de un experimento factorial.
En un factorial tradicional se combinan los niveles “todos
contra todos”, mientras que en parcelas divididas, se define una “parcela grande” que contiene
los niveles del factor A, y dentro de ella se definen las “parcelas chicas” que
contienen los niveles del factor B.
La principal justificación del uso de éste arreglo es por
manejo del experimento, pues comparada con el diseño tradicional se pierde
precisión en la parcela grande, además de que existen dos errores que deben ser
considerados.
El objetivo de éste artículo no es profundizar en los
detalles del análisis manual del diseño, sino definir cómo se realiza en el
paquete estadístico R. R es actualmente el programa estadístico más utilizado
en el mundo académico y de investigación, primero por su potencia de
procesamiento, y en segundo lugar por ser un software libre.
R no posee en forma nativa manera de analizar los datos de un parcelas
divididas, pero afortunadamente se tienen
muchos agregados que facilitan muchas tareas específicas.
Una de las contribuciones que existe, es el paquete
“AGRICOLAE”, que fue escrito por Felipe de Mendiburu de Perú como una tesis de posgrado. En éste paquete
sí existen medios para poder analizar los datos.
Se asume que los lectores tienen conocimientos de cómo se
utiliza el programa R
Ejemplo: ( fuente: Manual de Agricolae)
Factores: 2
Factor A: niveles 2
Factor B: niveles 3
Diseño: bloques al azar, con tres repeticiones
Existen 6 parcelas grandes, identificadas arbitrariamente
como p1,p2,p3,p4,p5,p6 dos en cada bloque
En R existen muchas formas de ingresar datos, siendo una muy
utilizada crear un archivo de texto como éste: (nombre del archivo:
PARCELA.TXT)
En la primera columna está el número de bloque
En la segunda la identificación de parcela
En la tercera el nivel del factor A
En la cuarta el nivel del factor B
En la quinta, la variable respuesta (rendimiento)
El archivo se puede generar en el bloc de notas, o en Excel
y luego convertirlo a texto.
Procedimiento para el análisis
1.
Cargar la librería agricolae
Library agricolae (enter)
2.
Leer el archivo de datos y almacenarlo en un
objeto llamado “datos” (puede ser cualquier nombre)
El archivo debe estar en el directorio
donde R lee y graba datos, de lo contrario se debe definir toda la ruta de
acceso
datos
<-read.table(“parcelas.txt”,header=TRUE)
(enter)
la opción header=TRUE le indica al programa
que en la primera fila se encuentran los nombres de las variables
3.
Definir las variables independientes (factores)
Datos[,1] <-as.factor(datos[,1])
4.
Calcular el andeva y almacenar en el objeto
“modelo”
modelo
<-aov(rdto~bloque+A*B+Error(parcela),data=datos)
5.
Presentar los datos del análisis
summary(modelo)
6.
Extraer información necesaria para completar el
análisis
gl.error.a <-modelo$parcela$.df.residual
gl.error.b <-modelo$Within$df.residual
x <-modelo$parcela$residuals
y <-modelo$Within$residuals
sc.error.a <-sum(x^2)
sc.error.b <-sum(y^2)
cm.a <-sc.error.a/gl.error.a
cm.b <-sc.error.b/gl.error.b
7.
Calcular el promedio general del experimento
attach(datos)
promedio <-mean(rdto)
8.
Determinar cuántos niveles tienen los factores
a<-lenght(levels(A))
b <-lenght(levels(B))
9. Calcular los coeficientes de
variación
cv.a <-sqrt(cn.a/b)*100/promedio
cv.b. <-sqrt(cm.b)*100/promedio
10.
Prueba de Tukey a los factores
Compara.a <-HSD.test(rdto,”A”,gl.error.a,cm.error.-a,group=TRUE)
Compara.b <-HSD.test(rdto,”B”,gl.error.b,cm.error.-b,group=TRUE)
11. Presentar resultados
Summary(modelo)
Los resultados son los siguientes:
No hay comentarios:
Publicar un comentario