Informe técnico de ensayo de eficacia biológica usando el paquete estadístico R.

1. ESTADÍSTICA AGRÍCOLA
Proceso estadístico usando el paquete estadístico “R” en el informe
técnico de los ensayos de eficacia biológica realizados con
PQUA y PBUA con fines de registro en el SENASA.
Mg. Sc. TULIO CÉSAR OLIVAS ALVARADO
Febrero, 2020

2. 1.- INFORME TÉCNICO DE ENSAYO
Los ensayos de eficacia concluyen con un informe técnico elaborado por el
experimentador. En caso el informe técnico contenga datos inexactos o sea
elaborado sin haber realizado previamente los ensayos de eficacia o realizado
por profesionales no inscritos en el padrón de experimentadores de ensayos, no
será validado.

3. INFORME TÉCNICO DE ENSAYO
 Informe de los ensayo de eficacia realizados en el país según protocolo
consignando en el Manual Técnico con una antigüedad no mayor de 5 años
Informe detallado de los resultados de los ensayos de eficacia realizados
que incluye el análisis estadístico

4. ENSAYO DE EFICACIA
 Los Ensayos de Eficacia constituyen el instrumento más importante para
proveer información objetiva, obtenida en las condiciones locales, de la
capacidad del PQUA de producir los efectos contra el blanco biológico tal
como se han de indicar en la etiqueta

5. ENSAYO DE EFICACIA
 Los ensayos se ejecutan principalmente en campo abierto. Sin embargo,
será necesario en algunos casos conducirlo en condiciones confinadas
(almacén, invernaderos).

6. 2.- DISEÑO DEL EXPERIMENTO
 Debe permitir la evaluación estadística. Sin embargo, no debe tener una
complejidad mayor que la requerida por el objetivo inmediato del ensayo.
Por lo general, se han de evitar los diseños multifactoriales.

7. ANOTACIÓN ESTADÍSTICA
 Se debe presentar para su aprobación un mínimo de dos ensayos
protocolizados, con por lo menos 4 repeticiones por tratamiento, con un
Diseño Estadístico con no menos de 12 grados de libertad del error
experimental, y su correspondiente Análisis de Variancia o prueba
estadística comparativa.

8. ANOTACIÓN ESTADÍSTICA

9. ANOTACIÓN ESTADÍSTICA

10. REPLICAS EN LOS ENSAYOS
 Es imposible determinar el número exacto de replicaciones necesarias para
los experimentos. El número de replicaciones requeridas en los
experimentos depende de tales factores como costo, trabajo, variabilidad
del material, el tamaño probable de las diferencias de promedios y el nivel
de significación deseada. En general, es imprudente usar menos de cuatro
o cinco replicaciones en los experimentos del campo.
 Una regla útil es considerar por lo menos 10 grados de libertad en el error
experimental. Sin embargo, debe reconocerse que hay límites prácticos
más allá de los cuales el costo y la cantidad de trabajo incluido por un
mayor número de replicaciones nos da una ganancia proporcional en la
precisión.
Fuente: Mendiburu, F. 2007 – Estadistica aplicada a la forestaría II).

11. REPLICAS EN LOS ENSAYOS
 Según la COMIECO, 2004. Resolución N° 118-2004 (Anexo 5), en el
protocolo patrón para ensayos de eficacia biológica de plaguicidas de uso
agrícola, sostienen que el numero de repeticiones puede ser de tres,
considerando por lo menos 12 grados de libertad para el error
experimental.
Fuente: COMIECO, 2004

12. REPLICAS EN LOS ENSAYOS
 En un diseño de parcelas dividas, el factor en parcela grande, siempre esta
en desventaja en relación al factor en las parcelas chicas. Esto ocurre por
diversas razones por ejemplo la sub- parcela tienen más repeticiones,
estimándose con mayor precisión. Una regla razonable para la prueba
eficiente de las parcelas grandes es buscar la combinación del numero d
repeticiones ( o bloques) y el numero de niveles en la parcelas grandes,
con un mínimo de 12 grados de libertad. De esta forma se mejora la
precisión en la parcela grande y el diseño estadístico usado tendría validez
científica
Fuente: Chura, J. 2014 – Estadistica Experimental II

13. Grados de libertad del error
 Diseño estadístico de bloques completamente al azar
 Como mínimo son 5 tratamientos en estudio para los ensayos de
registro y ampliación de uso
 5 tratamiento - 1 repetición = No viable

14. Grados de libertad del error
 Diseño estadístico de bloques completamente al azar
 5 tratamiento - 2 repetición = No viable g.l. del error: 4
 5 tratamiento - 3 repetición = No viable g.l. del error: 8
 5 tratamiento - 4 repetición = viable g.l. del error: 12
 5 tratamiento - 5 repetición = viable g.l. del error: 16
 5 tratamiento - 6 repetición = viable g.l. del error: 20

15. Grados de libertad del error
 Diseño estadístico completamente al azar
 Como mínimo son 5 tratamientos en estudio para los ensayos de
registro y ampliación de uso
 5 tratamientos - 1 repetición = No viable g.l. del error: 0
 5 tratamientos - 2 repetición = No viable g.l. del error: 5
 5 tratamientos - 3 repetición = No viable g.l. del error: 10
 5 tratamientos - 4 repetición = viable g.l. del error: 15
 5 tratamientos - 5 repetición = viable g.l. del error: 20

16. Grados de libertad del error

17. DISMINUYENDO EL G.L.
CASO N° 1:
 Menos unidades experimentales en el estudio y por ende menos
muestras a evaluar.
 Disminuye el coeficiente de variabilidad, pero al no cumplir con los grados
de libertad indicado esta disminución se debería a en el estudio hay
menos unidades experimentales de lo que se considera normalmente
Recuerda: El grado de libertad del error experimental mínimo en un
experimento agrícola sugerido de acuerdo a la experiencia de muchos
investigadores es de 12.

18. DISMINUYENDO EL G.L.

19. 2.- DISEÑO DEL EXPERIMENTO
Usualmente, resultará adecuado un Diseño de Bloques completamente al Azar
(DBCA) que incluya en cada bloque el PQUA que se ha de evaluar, el
producto o los productos de referencia y en general un Testigo (absoluto o
relativo, según proceda), distribuidos aleatoriamente en el bloque.
repitiéndose los bloques tantas veces como se repita la operación (en la
mayoría de los casos, un mínimo de cuatro veces). Corresponde la aplicación
de un Análisis de Variancia. .

20. DISEÑO DEL EXPERIMENTO
¡Para poder hacer estadística debe haber repeticiones¡

21. DISEÑO DEL EXPERIMENTO
¡Para poder hacer estadística debe haber repeticiones¡

22. DISEÑO DEL EXPERIMENTO
¡Error común en los ensayos¡

23. 1.- DISEÑO DEL EXPERIMENTO
DISEÑO DE BLOQUES
COMPLETAMENTE AL AZAR

24. A.- Recolección de datos
Para el ejemplo se evaluó 20 muestras por cada unidad experimental.

25. B.- Resumen de datos recolectados
Obs. ADA 3DDA 5DDA 7DDA 10DDA Bloque Trat
1 6.40 12.20 17.95 19.95 22.40 I T0
2 5.90 11.40 20.15 20.15 19.85 II T0
3 7.05 12.90 18.00 18.10 25.50 III T0
4 8.65 12.65 17.85 20.60 24.65 IV T0
5 6.55 5.80 5.75 4.80 7.05 I T1
6 6.95 5.85 5.60 5.10 5.85 II T1
7 7.70 6.70 6.65 6.20 6.60 III T1
8 5.75 4.85 5.15 5.90 5.05 IV T1
9 7.20 6.70 6.40 6.40 5.85 I T2
10 6.90 5.00 4.95 4.90 5.00 II T2
11 6.50 4.40 4.30 4.20 6.60 III T2
12 5.50 5.35 5.35 5.25 5.60 IV T2
13 5.95 5.55 5.35 5.35 5.15 I T3
14 8.00 6.10 6.00 5.75 6.00 II T3
15 6.10 5.00 4.65 4.50 5.80 III T3
16 5.85 4.25 4.25 4.05 5.30 IV T3
17 6.55 4.40 2.85 2.70 2.90 I T4
18 7.15 5.15 2.80 2.60 1.95 II T4
19 5.40 3.25 2.80 1.30 1.35 III T4
20 6.40 4.10 2.55 0.85 1.80 IV T4

26. B.- Comandos en R, para análisis estadístico
AnovaModel.1 <- aov(ADA ~ Bloque + Trat, data=TULIO)
compara1.1<-duncan.test(AnovaModel.1, "Trat")
AnovaModel.2 <- aov(X3DDA ~ Bloque + Trat, data= TULIO)
compara1.2<-duncan.test(AnovaModel.2, "Trat")
AnovaModel.3 <- aov(X5DDA ~ Bloque + Trat, data= TULIO)
compara1.3<-duncan.test(AnovaModel.3, "Trat")
AnovaModel.4 <- aov(X7DDA ~ Bloque + Trat, data= TULIO)
compara1.4<-duncan.test(AnovaModel.4, "Trat")
AnovaModel.5 <- aov(X10DDA ~ Bloque + Trat, data= TULIO)
compara1.5<-duncan.test(AnovaModel.5, "Trat")
summary(AnovaModel.1)
compara1.1
summary(AnovaModel.2)
compara1.2
summary(AnovaModel.3)
compara1.3
summary (AnovaModel.4)
compara1.4
summary (AnovaModel.5)
compara1.5

27. B.- Análisis de varianza

28. B.- Análisis de varianza

29. B.- RESUMEN GENERAL DEL ANVA
Evaluaciones realizadas:
Para ADA, 3 DDA, 5DDA, 7 DDA y 10 DDA

30. B.- RESUMEN GENERAL DE COMPARACIÓN DE MEDIAS
Evaluaciones realizadas:
Para ADA, 3 DDA, 5DDA, 7 DDA y 10 DDA

31. 2.- PORCENTAJE DE EFICACIA
Existen varias fórmulas para evaluar la eficacia de un plaguicida
agrícola, el uso de una determinada formula va a depender de las
diferentes condiciones en el que se desarrolle el ensayo.
Es muy importante usar la formula correcta, de no ser así, los
supuestos parámetros en evaluación no serán satisfactorios.

32. PORCENTAJE DE EFICACIAABBOTT

33. PORCENTAJE DE EFICACIA HENDERSON - TILTON

34. A.- Recolección de datos

35. A.- Datos ordenados
TRAT EVA Y
T0 1EVA 7.00
T0 2EVA 12.29
T0 3EVA 18.49
T0 4EVA 19.70
T0 5EVA 23.10
T1 1EVA 6.74
T1 2EVA 5.80
T1 3EVA 5.79
T1 4EVA 5.50
T1 5EVA 6.14
T2 1EVA 6.53
T2 2EVA 5.36
T2 3EVA 5.25
T2 4EVA 5.19
T2 5EVA 5.76
T3 1EVA 6.48
T3 2EVA 5.23
T3 3EVA 5.06
T3 4EVA 4.91
T3 5EVA 5.56
T4 1EVA 6.38
T4 2EVA 4.23
T4 3EVA 2.75
T4 4EVA 1.86
T4 5EVA 2.00

36. B.- Comandos en R, para eficacia
A<-ZTULIO
T0<- A[c(1:5),c(3:3)]
T1<-A[c(6:10),c(3:3)]
T2<-A[c(11:15),c(3:3)]
T3<-A[c(16:20),c(3:3)]
T4<-A[c(21:25),c(3:3)]
HENDERSON.TILTON.T1 <- ((1- ((T1[2-3]/T0[2-3])*(T0[1]/T1[1])))*100)
HENDERSON.TILTON.T2 <- ((1- ((T2[2-3]/T0[2-3])*(T0[1]/T2[1])))*100)
HENDERSON.TILTON.T3 <- ((1- ((T3[2-3]/T0[2-3])*(T0[1]/T3[1])))*100)
HENDERSON.TILTON.T4 <- ((1- ((T4[2-3]/T0[2-3])*(T0[1]/T4[1])))*100)
HENDERSON.TILTON.T1
HENDERSON.TILTON.T2
HENDERSON.TILTON.T3
HENDERSON.TILTON.T4
1.- HENDERSON Y TILTON

37. B.- Comandos en R, para eficacia
A<-ZTULIO
T0<- A[c(1:5),c(3:3)]
T1<-A[c(6:10),c(3:3)]
T2<-A[c(11:15),c(3:3)]
T3<-A[c(16:20),c(3:3)]
T4<-A[c(21:25),c(3:3)]
ABBOTT.T1 <- ((1- (T1[2-3]/T0[2-3]))*100)
ABBOTT.T2 <- ((1- (T2[2-3]/T0[2-3]))*100)
ABBOTT.T3 <- ((1- (T3[2-3]/T0[2-3]))*100)
ABBOTT.T4 <- ((1- (T4[2-3]/T0[2-3]))*100)
ABBOTT.T1
ABBOTT.T2
ABBOTT.T3
ABBOTT.T4
2.- ABBOTT

38. B.- Salida de programa r
1.- HENDERSON Y TILTON

39. C.- Resumen general de eficacia
1.- HENDERSON Y TILTON

40. 3.- GRAFICA DE EVALUACIONES REALIZADAS
B.- DATOS ESTABLECIDOS EN EL PUNTO 2.
TRAT EVA Y
T0 1EVA 7.00
T0 2EVA 12.29
T0 3EVA 18.49
T0 4EVA 19.70
T0 5EVA 23.10
T1 1EVA 6.74
T1 2EVA 5.80
T1 3EVA 5.79
T1 4EVA 5.50
T1 5EVA 6.14
T2 1EVA 6.53
T2 2EVA 5.36
T2 3EVA 5.25
T2 4EVA 5.19
T2 5EVA 5.76
T3 1EVA 6.48
T3 2EVA 5.23
T3 3EVA 5.06
T3 4EVA 4.91
T3 5EVA 5.56
T4 1EVA 6.38
T4 2EVA 4.23
T4 3EVA 2.75
T4 4EVA 1.86
T4 5EVA 2.00

41. B.- Comandos en R, para grafica
1.- GRAFICA
with(ZTULIO, plotMeans(Y, EVA, TRAT, rror.bars="none",
xlab="Días después de la aplicación", ylab="Número
promedio de arañita", main="Nivel de control del producto
TULIO", connect=TRUE, legend.pos="farright"))

42. GRAFICA

43. C.- DISCUSIÓN Y CONCLUSIÓN

44. C.- DISCUSIÓN Y CONCLUSIÓN

45. GRACIAS