Este documento resume diferentes tipos de diseños experimentales como diseños aleatorizados completamente, diseños ANOVA unifactoriales y multifactorales, diseños con bloques y cuadros latinos. También describe las pruebas de Kruskal-Wallis y Mann-Whitney. Explica que factores como el grado de precisión deseado, la variabilidad del material, los recursos disponibles y el tamaño de la unidad experimental deben considerarse al seleccionar un diseño. Concluye que el diseño aleatorizado completo es flexible y se puede ajustar a diferentes números de tratam

1. Grupo: 7
Carlos Zúñiga Martínez
Marian Barrantes Rodríguez
Noelia Ulate Quesada

2.  Se dice que un diseño es aleatorizado cuando se ha realizado
una asignación aleatoria de los tratamientos a las unidades
experimentales (UE). Asimismo, las UE son homogéneas, es
decir tienen igual capacidad de respuesta, cuando solo se
tiene como factor de clasificación los tratamientos y la
asignación a las UE se hace en forma aleatoria (Diseño
completamente aleatorizado o DCA).

3. Diseño ANOVA
Unifactorial Simple o de una vía
Multifactorial
De dos vías (dos factores), de tres
vías (tres factores), etc.
Un factor y una
variable de agrupación
(diseño de bloques)
De dos vías (dos factores)
un factor y dos
variables de
agrupación (diseño de
cuadro latino)
De tres vías (tres factores)

4. Prueba de Kruskal-Wallis: Consiste en asignar
rangos a las n observaciones y comparar la suma de
los rangos por muestra (columna o tratamiento).
Prueba de Mann-Whitney: Se utiliza cuando se
presentan empates

5.  El grado de precisión deseado.
 La cantidad de variabilidad
presente en el material
experimental.
 Los recursos disponibles.
 El tamaño y forma de la unidad
experimental.

6. Conclusión
 Se concluye que las ventajas del DCA al aplicarse
son: 1) es flexible, se ajusta a cualquier número de
tratamientos, cada uno con igual o diferente número
de réplicas, y 2) las observaciones perdidas no
crean dificultades en el análisis.