• TABLE OF CONTENTS
HIDE
 Title Page
 Table of Contents
 Procedimiento en la investigac...
 La conduccion del programa de investigacion...
 Analisis estadistico e interpretacion...
 Apendice














Title: Procedimiento en la investigación a nivel de fincas
CITATION THUMBNAILS PAGE IMAGE ZOOMABLE
Full Citation
STANDARD VIEW MARC VIEW
Permanent Link: http://ufdc.ufl.edu/UF00080892/00001
 Material Information
Title: Procedimiento en la investigación a nivel de fincas
Series Title: Procedimiento en la investigación a nivel de fincas
Physical Description: Book
Creator: Barnett, James B.
 Record Information
Bibliographic ID: UF00080892
Volume ID: VID00001
Source Institution: University of Florida
Holding Location: University of Florida
Rights Management: All rights reserved by the source institution and holding location.
Resource Identifier: oclc - 183709321

Table of Contents
    Title Page
        Title Page
    Table of Contents
        Table of Contents 1
        Table of Contents 2
        Table of Contents 3
        Table of Contents 4
        Table of Contents 5
    Procedimiento en la investigacion
        Page 1
        Page 2
        Page 3
        Page 4
        Page 5
        Page 6
        Page 7
        Page 8
        Page 9
        Page 10
        Page 11
        Page 12
        12a
        Page 13
        Page 14
        Page 15
        Page 16
        Page 17
        Page 18
        Page 19
        Page 20
        Page 21
        Page 22
        Page 23
        Page 24
        Page 25
        Page 26
        Page 27
        Page 28
        Page 29
        Page 30
        Page 31
        Page 32
        Page 33
        Page 34
        Page 35
        Page 36
        Page 37
        Page 38
        Page 39
        Page 40
        Page 41
        Page 42
        Page 43
        Page 44
        Page 45
        Page 46
        Page 47
        Page 48
        Page 49
        Page 50
        Page 51
        Page 52
        Page 53
        Page 54
        Page 55
        Page 56
        Page 57
        Page 58
        Page 59
        Page 60
        Page 61
        Page 62
        Page 63
        Page 64
        Page 65
        Page 66
        Page 67
        Page 68
        Page 69
        Page 70
        Page 71
        Page 72
        Page 73
        Page 74
        Page 75
        Page 76
        Page 77
        Page 78
        Page 79
        Page 80
        Page 81
        Page 82
        Page 83
        Page 84
        Page 85
        Page 86
        Page 87
        Page 88
        Page 89
        Page 90
        Page 91
        Page 92
        Page 93
        Page 94
        Page 95
        Page 96
        Page 97
        Page 98
        Page 99
        Page 100
    La conduccion del programa de investigacion en el campo
        Page 101
        Page 102
        Page 103
        Page 104
        Page 105
        Page 106
        Page 107
        Page 108
        Page 109
        Page 110
        Page 111
        Page 112
        Page 113
        Page 114
        Page 115
        Page 116
        Page 117
        Page 118
        Page 119
        Page 120
        Page 121
        Page 122
        Page 123
        Page 124
        Page 125
        Page 126
        Page 127
        Page 128
    Analisis estadistico e interpretacion de los datos
        Page 129
        Page 130
        Page 131
        Page 132
        Page 133
        Page 134
        Page 135
        Page 136
        Page 137
        Page 138
        Page 139
        Page 140
        Page 141
        Page 142
        Page 143
        Page 144
        Page 145
        Page 146
        Page 147
        Page 148
        Page 149
        Page 150
        Page 151
        Page 152
        Page 153
        Page 154
        Page 155
        Page 156
        Page 157
        Page 158
        Page 159
        Page 160
        Page 161
        Page 162
        Page 163
        Page 164
        Page 165
        Page 166
        Page 167
        Page 168
        Page 169
        Page 170
        Page 171
        Page 172
        Page 173
        Page 174
        Page 175
        Page 176
        Page 177
        Page 178
        Page 179
    Apendice
        Page 180
        Page 181
        Page 182
        Page 183
        Page 184
        Page 185
        Page 186
        Page 187
Full Text

























PROCEDIMIENTO EN

A NIVEL DE


LA INVESTIGATION

FINCAS.


POR: DR. JAMES B. BARNETT


off~o^-f







TABLA DE CONTENIDOS


I. PROCEDIMIENTO EN LA INVESTIGATION
A. Introducci6n
1. La metodologia traditional 1
2. Investigaci6n a nivel de finca 3
3. Conceptos Basicos 4
a) Objetivos 4
b) Dominios de Recomendaci6n 5
c) Distribuci6n de Experimentos 7
d) Terminologia 7
4. Resumen del Procedimiento 8
a) La encuesta en fincas 9
b) La fase exploratoria 10
c) La fase determinativa 10
d) La fase de verificaci6n 10
e) Fase de verificaci6n en parcelas grandes 11
f) Encuesta para medir efectos 11
5. El Prop6sito del Procedimiento 12
B. Fase Encuestativa 13
1. Adquisici6n de fuentes primaries de informaci6n 13
a) La encuesta exploratoria 13
b) Contenido de la encuesta exploratoria 14
c) Selecci6n del muestreo 16
2. Adquisici6n de fuentes secundarias de informaci6n 16
a) Directas 16
b) Indirectas 17
c) Uso de datos de ensayos anteriores 17
3. Determinaci6n del tamafio 6ptimo de parcela 19
a) Cultivo mecanizado 20
b) Cultivo traditional 21
c) Ejemplo 22
4. Determinaci6n de las oportunidades de investigaci6n 24
a) Estudio de factibilidad de las alternatives u
opciones 24
b) La consult multidisciplinaria 25
C. Fase Exploratoria 27
1. Criterio para la inclusion de una alternative 27
2. El arreglo factorial en la fase e.ploratoria 28











3. Ejemplo del arreglo factorial 24 en el disefio
de bloques incompletos
4. Estimaci6n del minimo de repeticiones requeridas
a) Los parametros necesarios
b) El calculo del numero de observaciones
necesarias
c) Ejemplo
5. Analisis e interpretaci6n: Un ejemplo
a) Analisis Estadistico
b) La interpretaci6n del andlisis estadistico
c) El analysis economic
d) La interpretation del analysis economic
6. La disposici6n de las variables experimentales
a) Caso I. Significativamente diferentes con
ventaja economic
b) Caso II. No hay diferencia significativa
pero si hay ventaja economic
c) Caso III. Hay diferencia significativa pero
no existe ventaja economic
d) Caso IV. No existe ni diferencia estadistica
ni ventaja econ6mica
e) El papel de los especialistas en las decisions
f) Las interacciones
g) Resum6n
7. Disposici6n de Variables Experimentales en ejemplo
D. Fase Determinativa


Prop6sito
Criterio de selecci6n de variables experimentales
Selecci6n de Disefios experimentales
a) La parcela dividida
b) La parcela sub-dividida
c) El bloque complete al azar
La distribuci6n de repeticiones
El analisis estadistico a traves de localidades
La segunda aproximaci6n del dominio de recomendac
a) Diferencias significativas
b) El analisis e interpretaci6n estadistico
c) El analysis economic
d) La interpretaci6n de los andlisis y disposici61


ion



n


de las variables

ejemplo del ensayo de bloques completes al azar
Estimaci6n del numero de repeticiones requeridas
La interpretaci6n del analisis estadistico






9. La disposici6n de las variables experimentales
en la fase determinativa 75
a) Postura en la fase de verificaci6n 75
b) Retenci6n en la fase determinativa 75
c) Descontinuaci6n 75
10. La Disposici6n de las variables en los ejemplos 76
E. Fase de Verificacion 78
1. Prop6sitos de la Fase de Verificaci6n 78
2. Criterios para selecci6n de variables experimentales 79
3. Confiabilidad en los resultadns finales 79
a) Nivel acceptable en los errors experimentales 80
b) El CV acceptable 80
c) Mejora de sensitividad por numero de
repeticiones 81
d) Mejorando la sensitividad por el tamafo de
parcela 83
4. El disefio experimental a nivel de finca 84
a) El bloque complete al azar 84
b) Distribuci6n de experiments 84
5. El ensayo de verificaci6n en areas adyacentes 86
6. El andlisis estadistico 86
7. El analysis econ6mico 87
8. La disposici6n de las variables experimentales 88
9. El ejemplo 89
a) Los analisis 90
b) Disposici6n de las variables 92
D. Fase de Verificaci6n en Parcela commercial 93
1. El prop6sito 93
2. El tamafio de la parcel commercial 93
3. El disefo a nivel de finca 96
4. Ejemplo 99


II. LA CONDUCCION DEL PROGRAM DE INVESTIGATION EN EL CAMPO 101
A. Introducci6n 101
1. La importancia de ensayos bien llevados 101
2. Rol de los miembros del equipo 101
B. Actividades Pre-siembra 103
1. Elaboraci6n del libro de campo 103
2. Selecci6n de colaboradores 109
3. Selecci6n del sitio dentro de la finca 112
a) Siembras mecanizadas 112
b) Siembras tradicionales 114












4. Preparativos Pre-siembra 116
a) La 16gistica 116
b) Mantener contact con colaboradores 118
c) Equipos utilizados para facilitar la siembra 119
C. La Siembra 122
1. El valor del experiment bien llevado 122
2. Cuidando el ensayo 124
D. Desde la Siembra hasta la cosecha 126
E. La Cosecha 127


III. ANALYSIS ESTADISTICO E INTERPRETATION DE LOS DATOS 129
A. Introduccion 129
1. Repaso breve de conocimientos basicos en
estadistica 129
2. Calculos estadisticos 130
a) Factor de correcci6n 130
b) Suma cuadrada total 130
c) Suma cuadrada de bloques 131
d) Suma-cuadrada de tratamientos 131
e) Suma cuadrada del error 132
3. Tabla de andlisis de variancia (ANDEVA) 133
a) Fuentes de variaci6n 133
b) Grados de libertad 133
c) Cuadrada media 133
d) El valor "F". 134
4. Interpretacion del analisis con la estadistica "F". 134
B. Analisis de factoriales 2x 137
1. Procedimiento 137
a) Arreglo del format de trabajo 138
b) Calculo para SC de tratamientos 140
c) Elaboraci6n del ANDEVA 141
2. Presentaci6n e interpretaci6n de los datos 143
a) Tabla de Promedios 143
b) Calculo de la diferencia menos significativa (DMS)144
C. El Disefo de Parcelas divididas 146
1. Introduccion 146
2. Procedimientos 148
a) Formato para datos 148
b) Calculos 149









3. Presentaci6n de los datos


D. El disefo de parcelas sub-divididas 160
1. Introducci6n 160
2. Procedimiento 160
a) Formato para datos 160
b) Calculos 163
3. Tabla de Analisis de variancia (ANDEVA) 172
4. Diferencias menos significativas (DMS) 173
5. Interpretaci6n y presentaci6n de los resultados 174



IV. APENDICE 180

Tabla Al. N6meros aleatorios 180
Tabla A2. Distribuci6n de T 181
Tabla A3. Distribuci6n de F 182
Tabla A4. Valores standarizados para DMS 187


157








INTRODUCTION



Es de opinion general, el hecho de que existe una "brecha"
o falta de comunicaci6n entire la investigaci6n y el
agricultor, en muchos paises.


La no aceptaci6n por parte de los agricultores de las
recomendaciones hechas por las instituciones agrlcolas, ha
sido atribuida a numerosas causes. Los investigadores
culpan al agricultor el cual ofrece resistencia al cambio y
los extensionistas citan la ineficiencia de las recomendaciones
cuando se hacen ensayos en el campo del agricultor y la
incapacidad econ6mica del agricultor para adoptar la
recomendaci6n. El agricultor no obstante que reconoce la
posibilidad de aumentar la producci6n a traves de la
adaptaci6n de una recomendaci6n dada, se muestra renuente
a aceptar el riesgo debido a sus circunstancias econ6micas
y la incertidumbre de una respuesta 6 reacci6n a la
recomendaci6n bajo las circunstancias particulares de su
finca.


Hay cierto grado de validez en los tres arguments. Ellos
estan de hecho planteando el mismo problema desde tres
perspectives diferentes.



1. La Metodologia Tradicional.


La investigaci6n traditional y la metodologia de
extension prescriben que tal investigaci6n sea realizada
en estaciones experimentales con ensayos finales en
campos seleccionpdos, recomendaciones publicadas y el
extensionista transmitira 6stas recomendaciones al agricultor.










En la mayoria de los passes en desarrollo estos avances
han demostrado tener limitaciones en su efectividad. Se
sale del prop6sito de este manual entrar a examiner en
detalle las limitaciones de esta aproximaci6n, pero los
factors limitantes mas comunmente encontrados en los
programs de investigaci6n y extension, seran mencionados.


Con pocas excepciones, las estaciones experimentales
estan localizadas donde existen las condiciones mas
optimas con relacion a la topografia, acceso a las vias
de comunicaci6n, disponibilidad de agua y tipos de suelo.
Estas condiciones posiblemente son representatives de los
agricultores mas progresistas, pero raramente de los
pequefos agricultores del area, que generalmente son los
mayores. Esto implica que cualquier recomendaci6n
desarrollada en la estaci6n experimental, sera valida
solamente para aquellos pocos agricultores capaces de
duplicar las condiciones de ia-estaci6n experimental.


Para superar este obstaculo y dar validez a una recomendaci6n,
los ensayos de campo son dirigidos fuera de la estaci6n
experimental. Sin embargo, la practice de producci6n para
lo cual la recomendaci6n esta siendo desarrollada, mientras
esta siendo ensayada en los campos del agricultor, va
acompafada por estas practices culturales usadas en la
estaci6n experimental. Cualquier recomendaci6n derivada
de los resultados de tal prueba, tendra la probabilidad
de no ser valida cuando sea ensayada sola con las practices
culturales del agricultor. Las pruebas en el campo son
realizadas sobre terrenos arados, rastreados con discos y
escarificados por tractor. El cultivo es plantado en
surcos con 75 cms. entire surcos y 25 cms. entire plants.
Las malezas son controladas mediante maquinas de cultivo
durante los primeros 45 dias despues de la siembra. Los
agricultores del area preparan su tierra mediante la tala
y quema 6 con bueyes. Ellos plantan un metro entire aporques





-3-


con 4 o 5 semillas por golpe. Un desyerbe es efectuado
alrededor de los 30 dias despues del plantio. La
recomendaci6n derivada del ensayo en finca puede no
tener validez para los agricultores locales por haberse
derivado bajo condiciones diferentes de aquellas
encontradas en los campos del agricultor. La densidad
de la plant, el espacio y el control de malezas difieren
entire los experiments de los cuales la recomendaci6n fue
derivada y las practices del agricultor. Todos los tres
factors podrian interactuar con la fertilizaci6n haciendo
impossible extrapolar los resultados de las condiciones
experimentales a las condiciones del agricultor con
confianza. La recomendaci6n asi derivada, sera valida
para el agricultor dnicamente cuando este acompanada de
las practices culturales que estuvieron presents en el
ensayo de experiments en fincas.



2. Investigaci6n a nivel de finca.


Para ser efectivos en el desarrollo y transferencia de
tecnologia que sera de valor y aceptado por el agricultor
client, un program de investigaci6n debe ser claramente
estipulado orientado objetivamente a las necesidades del
agricultor client y una bien definida metodologia para
alcanzar esos objetivos. Todos los programs han planteado
objetivos y metodologia de investigaci6n, sin embargo,
a menudo estos no estan tan bien definidos como uno piensa.
Si el objetivo primordial del program es presentar al
agricultor client recomendaciones confiables acerca de
practices culturales de valor para 6i, el pr6posito de
cada pruebe debe estar definido y relacionado con el
objetivo fundamental. Desafortunadamente muchos investigadores
cuando son cuestionados sobre el prop6sito de una prueba,
puede que ni definan ni asocien dicho prop6sito con un
objetivo especifico el cual conviene directamente al


I





-4-


agricultor client.


La iniciaci6n de un program de investigaci6n a nivel de
finca, presupone que el objetivo es el mejoramiento de
las condiciones socio-economicas del agricultor client
mediante el ofrecimiento a 61 de las practices de producci6n
de cultivo mis eficientes y efectivas. Con ese objetivo
ya fijado, la metodologia debe ser definida. Para que
esta metodologia result exitosa, se deben, desde su
comienzo, tomar en consideraci6n las complejidades de
las interacciones en las prActicas culturales y la
necesidad de conversaci6n conjunta entire el agricultor,
el extensionista y el investigator. Seria ideal que los
tres conformaran un equipo de socios iguales trabajando
por un objetivo comun.



3. Conceptos Basicos.


3a. Objetivos. El procedimiento de investigaci6n presentado
en la Figura 1 es diseiado para:


1. Definir los factors limitantes en la produccion de
cultivos a nivel de pequefo agricultor.

2. Probar alternatives en las practices de producci6n y
las opciones, dentro de las alternatives, bajo las
condiciones del agricultor, y

3. Presentar al agricultor aquellas opciones que tienen
una ventaja comparative probada, en sus practices
actuales, bajo las condiciones de sus fincas. El
objetivo no es presentarle un "paquete" de recomendaciones
ni una recomendaci6n simple para determinar una practice
de producci6n dada. A la vez estas alternatives han
sido usadas en el pasado y nunca han resultado efectivas.
El objetivo es presentar 2 o 3 opciones dentro de una





-5-


practice de producci6n, en cada una de las cuales
se diferencian los costs variables y los beneficios
netos, pero todas ellas tienen un retorno marginal
mayor que su practice actual; el agricultor debe
entonces seleccionar aquella opci6n que consider
mas adecuada a sus necesidades.


Para lievar a cabo este objetivo, la practice recomendada
se debe probar a nivel de finca y en combinaci6n con la
practice cultural actual del agricultor. Por esta razon
en todas las fases de investigaci6n, s61o las practices
culturales que entran como variables experimentales se
diferencian de aquellas del agricultor.


3b. Dominios de Recomendaci6n. El concept "dominios de
recomendaci6n" es parte integral de todo el procedimiento
investigative. En terminos simples un dominio de
recomendaci6n consiste en agricultores con circunstancias
agroecon6micas similares quiene siguen una practice de
cultivos similar. Un dominio no esta necesariamente
definido por la region geografica, pueden haber por ejemplo
2 o mas sistemas de agriculture dentro de una misma area.
En tal caso cada sistema de cultivo debera ser designado
como un dominio de recomendaci6n. Una discusi6n sobre
el concept de dominio de recomendaci6n esta incluida
en Byerlee y Collinson et al ( ).


El concept de dominio de recomendaci6n es un acercamiento
16gico para el problema de definici6n de recomendaciones.
Es impossible definir una recomendaci6n individual para
cada agricultor. Por otra parte, una recomendacion
general que cubre amplias zonas geograficas no es
aplicable a todas las situaciones dentro de esa region.
Agrupando agricultores dentro de unidades agroecon6micas
homogeneas las cuales llamamos dominios de recomendaci6n,





-6-


PROCEDIMIENJ EN INVESTIGATION


Nuevas alternatives


ENCUESTAS EN
ESTACION CAMPOS:
EXPERIMENTAL -Exploratoria
-Formal


'I


FASE EXPLORATORIA
- En Campo
- 2x factoriales
en bloques
incompletos


de factors.


Eliminaci6n de
alternatives sin
ventaja comparative,


FASE DETERMINATIVA

- En Campo
- Parcela dividida
- Bloques al azar





.FASE VERIFICATIVA

- En campos
- Bloques al azar




FASE DE VERIFICACION
EN PARCELAS GRANDES.

- En Campo
- Lotes comerciales
hasta de 1 Ha.


Eliminaci6n de
opciones menos
econ6micas







Eliminaci6n de
-.opc iones
inestables


ENCUESTA PARA
- MEDIR EFECTO


[GURA #1


M


-.M










una series de recomendaciones para cada dominion pueden
ser derivadas, las cuales iran dirigidas a los problems
y circunstancias de ese grupo. Cada agricultor dentro
del dominio puede entonces usar la recomendaci6n como
una gula y ajustarla a sus necesidades particulares.


3c. Distribuci6n de Experimentos. Puesto que nuestro
prop6sito es general opciones aceptables dentro de las
practices de producci6n para el dominion de recomendaci6n,
la totalidad de los ensayos es dispersa por todo el
dominion. Esta dispersion nos permit catar la existencia
de microclimas y con eso tener mayor seguridad de la
validez de la recomendaci6n en cada parte del dominion.


El metodo usado para la dispersi6n de los ensayos esta
sujeto al disefo experimental y a la etapa investigative.
En la etapa exploratoria donde un arreglo factorial de
2 niveles se usa, debemos colocar un bloque por cada
localidad, a la cosecha; todos los bloques forman un
ensayo complete replicado y son analizados como tal.
En tapas siguientes donde los ensayos pueden ser
bloques completes al azar o disefos de parcela dividida,
2 o mas repeticiones completes se pueden sembrar en
cada localidad. En este caso el analisis estadistico
se hace considerando un diseno de parcelas divididas
o sub-divididas con localidades como parcela mayor.
Todos los ensayos en todas las tapas estdn sujetos al
analisis estadistico y al an'lisis econ6mico.


3d. Terminologia. Para ser mas precisos en terminologia
y asi evitar confusiones, el termino alternativess" se
usa cuando se hace referencia a practices de producci6n
tales como aplicaci6n de insecticides, herbicidas,
etc., y el termino "opci6n" es usado cuando se refiere
al rango de selecci6n dentro de una alternative dada.





-8-


Por ejemplo: La aplicaci6n de urea es la alternative de
un factor de producci6n, dentro de esa alternative
varias de las opciones que podemos elegir son 1, 2 o
3 sacos de Urea/ha. En este ejemplo opci6n es sin6nimo
de nivel, pero en tales circunstancias se sinti6 que
las alternatives eran mas descriptivas except donde
los niveles de opci6n estaban siendo probados.


Es important que la diferencia entire las variables
experimentales y las no experimentales sea entendida.
Cuando una alternative a la practice del agricultor e.sta
bajo investigaci6n, aquella practice cultural es considerada
una variable experimental. Las variables experimentales
son aquellas practices culturales que no estan bajo
investigation. Por ejemplo: si las variables experimentales
en un ensayo son variedad y densidad, todas las otras
practices culturales tales como preparation de tierra,
uso de fertilizantes, desyerbe, control de insects, etc.
son consideradas variables no experimentales. En el
process de investigaci6n en fincas donde los ensayos son
colocados en los campos del agricultor, solo las variables
experimentales difieren de la practice del agricultor.
Todas las demas practicas culturales son variables no
experimentales y el agricultor las realize tal como lo
hace en el resto de su campo.



4. Resumen del Procediniento.


La Figura 1 es la representaci6n grafica de una metodologia
de investigaci6n, la cual ejecutada debidamente logra los
objetivos previamente expresados. Aunque el enfoque de
este manual es sobre el procedimiento en fincas, debe
notarse que la investigaci6n en fincas no esta diseiada
para reemplazar la estacion experimental, pero si para
aumentarla por ser una gula y un enlace director entire la





-9-


estaci6n experimental y el agricultor client.


4a. La encuesta en fincas. Se debe conducir cuando sea
possible, just antes de la cosecha del cultivo sefalado,
el ciclo anterior a la iniciaci6n del procedimiento de
investigaci6n en fincas agricolas. Si esto no fuera
possible, se debe conducir durante el primer ciclo de la
investigaci6n. La encuesta puede consistir en una
encuesta formal y una encuesta informal, 6 unicamente en
una encuesta informal, todo depend de los objetivos y
capacidades del Programa. La informaci6n obtenida sirve
para:

1. Definir la primera aproximaci6n de los dominios de
recomendacion.

2. Identificar y determinar con perspectives propias
los problems del agricultor.

3. Orientar prioridades de investigaci6n para estos
problems, y

4. Formular hip6tesis para investigaci6n a nivel de
finca y de estaci6n experimental.


La fase encuestativa incluye la agrupaci6n de fuentes
directs e indirectas de informaci6n. Las fuentes
directs de informaci6n son los agricultores, las fuentes
indirectas de informaci6n son los comerciantes locales;
concluidos los datos de la encuesta, los datos metereologicos
y los datos de investigaci6n y muchas otras fuentes
secundarias de informaci6n, las cuales contribuyen al
entendimiento de metodos agricolas en la region sefalada.


4b. La Fase Exploratoria. Esta fase compare las alternatives
de la practice de producci6n para determinar si la
alternative experimental tiene una ventaja comparative





-10-


por encima de la practice actual.
El arreglo factorial 2X suministra esta information
sobre el factor principal y todas las interacciones.
Las alternatives de la practice de producci6n, las
cuales demuestran una ventaja comparative, son colocadas
en la fase subsiguiente y pueden ser aquellas del
agricultor o de la alternative experimental.


4c. Fase Determinativa. En la fase determinativa son
seleccionadas las opciones viables dentro de alternatives
en la practice de producci6n. Estas opciones con retornos
econ6micos bajos o negatives, son eliminadas del
procedimiento investigative dejando solo las opciones
mas tiles para inclusion en la fase de verificaci6n.
Los disefos experimentales mas comunmente usados por
esta fase son los de bloques completes al azar y los
disenos de parcelas divididas. A pesar de que es usado
el diseno experimental basico, se utiliza alguna capacidad
del diseno de la parcela dividida para proyectos andliticos,
con localidades, siendo considerado la parcela mayor.
En este paso los resultados de los ensayos se deben usar
para verificar la primera apr6ximaci6n de los limits
del dominion de recomendaci6n. Una diferencia significativa
entire localidades puede indicar una necesidad para
re-examinar los limites.


4d. Fase de Verificaci6n. Esta fase contiene s61o aquellas
opciones que tengan una alta probabilidad de aceptaci6n
por parte del agricultor client. Puesto que hay mis
pocos tratamientos en estos ensayos que en aquellos de
tapas anteriores, un gran ndmero de ensayos se debe
dispersar a trav6s del dominion. Estos ensayos son tambien
usados para verificar la funcionalidad de las opciones
en areas del dominion donde estos no han sido previamente


cornxicAios.






-11-


Como en la fase anterior, esta fase se puede usar para
verificar mas ampliamente los limits del dominio de
recomendaci6n. El disefo de bloques completes al azar,
es generalmente usado en esta fase y los ensayos son
analizados, tanto las parcelas divididas con localidades,
como la parcela mayor.


4e. Fase de Verificaci6n en parcelas grandes. Puesto que
todos los ensayos anteriores fueron conducidos usando
parcelas de tamafo experimental y es un hecho que los
rendimientos son generalmente mas bajos en siembras
comerciales, la fase de verificacion en parcels grades
se incluye en el procedimiento de investigaci6n para
aquellas opciones que se le pueden recomendar al agricultor.
Solo aquellas opciones, que han demostrado una ventaja
comparative sobre la practice actual del agricultor y
una estabilidad dentro de-1 dominio, se incluyen en la
fase. Si la opci6n result ser econ6micamente ventajosa
y stable en la etapa, el ensayo de verificaci6n en
parcelas grandes se puede usar para fines demostrativos.
Si por alguna raz6n improvista algunas opciones no dan
el resultado esperado, el equipo de investigaci6n tiene
la opci6n de considerar el ensayo como un experiment
y aconsejar debidamente al agricultor. Si el agricultor
desde un comienzo comunica que el ensayo se prob6 y
mostr6 fallas, el equipo de investigaci6n perdera
confianza. Una vez mas perdera y le sera dificil recuperarse


4f. Encuesta para medir efectos. El proposito de continuar
la encuesta, la cual se conduce 2 o 3 ciclos despues de
la fase de verificaci6n en parcela grande, es para
determinar la cantidad del grado de aceptaci6n de las
recomendaciones. Si los agricultores no estan
aceptando estas recomendaciones, en la encuesta debe
indicarse el porque. Una nueva hip6tesis para la invest
gaci6n, puede ser tambien detectada en esta encuesta,





-12-


Esta informaci6n sera entonces usada por el equipo de
investigaci6n para desarrollar la continuacion del
program de investigaci6n.



5. El Prop6sito del Procedimiento.


Esta metodologia esta dirigida hacia la investigation
a nivel de finca en la cual los investigadores y los
extensionistas conjuntamente unidos, disenan, dirigen
y analizan las pruebas en sus respectivas regions de
responsabilidad. Esto implica que cada investigator
y cada extensionista debera tener un program enfocado
hacia las necesidades del agricultor y tener un
entrenamiento del uso y analisis de disefos estadisticos
que estarin en el program de investigation. El
prop6sito de este manual es presentar un procedimiento
sistematico de investigation a nivel de finca, acompafado
por disefos experimentales sugeridos, su uso, disefo y
analisis. La metodologia y procedimiento presentados
estan disefados de la manera mas simple possible. Todos
los analisis pueden y deberan ser efectuados por aquellos
que dirigen las pruebas (+, -, x, 1) al menos una
memorial, cuadrados y funciones de raices cuadradas es
suficiente.












iSARROLLO DEL PROWGR INTERDISCIPLINARIO DE IA
IVESTIGACION EN FINCAS.


Equipo Investiga-
tivo.
-Espec.en cultivo
-Agroeconomista
-Extensionista


Especialista en
uso de tierras.


:Desarrollo del
Program de in-
vestigci6n en
flrncas.


.jecuci6n de las
'ases del program,
le investitaci6n


FIGURE 2.





-13-


FASE ENCOES[ATIVA



Los factors limitantes en la producci6n de cultivos se
determinan al realizar una encuesta en la finca de la region
determinada. La tecnologia para planear y efectuar esta
encuesta esta discutida por Byerlee y Collinson et al ( ).


Aunque existen datos precisos de encuestas y los trabajadores
de la region tengan aios de experiencia, deberia realizarse
una encuesta basada en los principios y practices discutidas
en la literature arriba mencionada.


i. Adquisici6n de Fuentes primaries de Informaci6n.


la. La Encuesta Exploratoria. Lo ideal seria conducir la
encuesta exploratoria durante el ciclo de cultivo ante-
rior a la iniciaci6n del program de investigaci6n en
fincas. Debe ser conducida por el econ6mista agricola,
el investigator y el extensionista, trabajando en equipo
bajo la direcci6n del econ6mista y debe completarse con
suficiente margen de tiempo a fin de disefiar los
ensayos y seleccionar los sitios antes de la preparaci6n
de tierras para el siguiente ciclo de siembra.


El prop6sito fundamental de la encuesta es definir los
dominios de recomendaci6n y determinar los factors
limitantes en la producci6n dentro de estos dominios
de recomendaci6n. Los datos de una encuesta adecuadamente
conducida, permitiran al equipo de investigaci6n
describir al grupo de agricultores que comprende un
dominion de recomendaci6n en terminos de hectarea
aproximado, sistemas del uso de la tierra, practices
culturales en el cultivo objetivo, disponibilidad de
fuentes de trabajo, relaci6n del cultivo objetivo a




-14-


actividades agrlcolas y no agricolas, problems en las
labores del cultivo objetivo a actividades agricolas y
no agricolas, y problems en las labores del cultivo
objetivo y restricciones que pueden prever al agricultor
al adoptar este una nueva practice cultural. Esta no
es una lista complete de la informaci6n que debera ser
visible en la encuesta, pero es suficiente para transmitir
una idea de lo que debera incluirse en la informaci6n.


El dominio de recomendaci6n asl definido de los datos
de la encuesta debe ser considerado como una primera
aproximaci6n. Como el program de investigation en
fincas continue, dentro de la fase determinativa, los
disefos experimentales usados permitiran una variabilidad
entire sitios para ser determinados en relaci6n a las
variables experimentales. Una diferencia significativa
entire sitios que sea consistent a traves de los ciclos
indica que los limites del'dominio deben ser re-examinados.
Tales casos pueden incrementarse puesto que la primera
aproximaci6n se bas6 principalmente en las practices del
agricultor sin considerar los factors agron6micos que
pueden afectar la respuesta del cultivo a las diferentes
practices culturales, especialmente cuando se introduced
las variables experimentales.


lb. Contenido de la encuesta exploratoria. La encuesta
exploratoria es una charla informal, pero dirigida, con
el agricultor. Como pueda ser el primer encuentro
entire el investigator y el agricultor, se recomienda
que el investigator no lleve un cuestionario. Es mas
recomendable tener en mente la informaci6n que queremos.
Al salir de esta charla, se puede anotar en un cuaderno
la informaci6n obtenida en la entrevista.


Antes de llegar a la encuesta, se debe explicar al
agricultor, como prop6sito de la visit, que estan






-15-


entrando a formar'parte de un program de investigaci6n
a nivel de finca y se desea informaci6n sobre el manejo
de cultivos.


Para que el investigator pueda organizer la informaci6n
que require, debe pensar en todo el process del cultivo,
desde la preparaci6n del terreno hasta la cosecha. Dent-o
de cada actividad se desea saber cuando y como se hace,
cuantos jornales require, y que cantidad y cost de
insumos. Adicionalmente se desea saber si se utiliza
mano de obra contratada y cuando, problems especificos
en el cultivo y si tiene interest en colaborar con la
investigation.


Debe evitarsen preguntas que exijan una contestaci6n
de si o no. Se deben formular las preguntas de tal
forma que requiera una explicaci6n amplia. Ademas
debe evitarsen preguntas directs sobre rendimiento y
ganancia. Es preferible hacer preguntas indirectas.
Por ejemplo, en cuanto a rendimiento se puede preguntar
que rendimiento espera en un afo bueno, en un aio malo y
en 10 afos cuantos afos malos hay. Con esta informaci6n
se puede estimar el rendimiento promedio. Se puede
verificar la estimacion en la cosecha de parcelas para
la estimaci6n del tamaio de parcelas de investigaci6n.


El process discutido aqui es para enfocar la encuesta
en un cultivo o una asociaci6n de cultivos. La encuesta
enfocada de manera que se llegue a captar toda la
informaci6n sobre el sistema, involucrando todas las
actividades de la finca, es mas complicada y esta fuera
del alcance de este manual.


En resumen, debe formularse las preguntas siguiendo el
orden de las actividades del cultivo. Decida que
informaci6n desea dentro de cada actividad (como, cuando,





-16-


cuanto, etc.) y evite preguntas que se puedan contestar
con un si o no. En cuanto a preguntas sobre rendimiento
o ganancia, se recomienda, como explicamos con anteri6ridad,
preguntas indirectas que permitan una estimacion.


Ic. Seleccion del muestreo. La informaci6n que sera usada
como base en la planeaci6n y conducci6n del program de
investigaci6n en fincas debe basarse en datos reales
obtenidos de una encuesta bi6n conducida y no en las
opinions de investigadores y extensionistas. La
experiencia ha mostrado que estas opinions estan a
menudo erradas en algunos aspects de las practices
culturales y en los deseos y problems actuales de los
agricultores. Esta falsa interpretaci6n de los resultados
por el investigator o el extensionista es debida
frecuentemente a que no se han hecho las preguntas
correctas al agricultor. Por ejemplo. el agricultor
puede sentir necesidad por una variedad de madurez mas
precoz y de porte mas bajo. Al no conocer 61 que la
variedad existe y que puede estar disponible, nunca le
mencionara esto al extensionista. Puesto que el agricultor
nunca habia mencionado esta necesidad al extensionista,
61 asumi6 que el agricultor estaba content con la
altura y madurez de la variedad que 61 estaba cultivando.
Se pueden citar numerosos casos de este tipo. Una guia
basica para todos los participants es ir al campo con
preguntas preconcebidas, pero sin ideas imaginadas acerca
de las practices del agricultor. Las ideas preconcebidas
a menudo limitan nuestra capacidad de escuchar, ver e
interpreter la situaci6n sin perjuicios.


2. Adquisici6n de fuentes secundarias de information.


2a. Directas. Al mismo tiempo con la encuesta del
agricultor, el equipo de investigaci6n debera adquirir
informaci6n de todas las fuentes posibles de las areas






-17-


relacionadas. Los precious y los datos de la
disponibilidad de products estan en powder de los
comerciantes locales. La opinion sobre el mercadeo
puede ser dilusidada de una conversaci6n con ellos.
Esta informaci6n puede ser recopilada, despues de realizada
la encuesta en pequefias fincas, usando la informaci6n
obtenida de los agricultores como una guia para preguntas
directs al comerciante local. Algunos datos reunidos
de la encuesta en pequeias fincas tambien se verifican
y se aclaran de la misma manera.


2b. Indirectas. En el period intermedio entire la cosecha,
la encuesta efectuada en el campo y el ciclo de siembra
del cultivo en el cual se empieza la investigaci6n
agron6mica, se debe utilizar en la recoleccion y analisis
de toda la informaci6n secundaria disponible. Estas
fuentes incluyen mapas,topografia, metereologia,
poblaci6n, estadisticas de temperature y lluvias,
entrevistas con los comerciantes locales y con otros que
tengan conocimientos del area sefialada y datos previous
de experimentaci6n en la region. Mas de estas fuentes
de informaci6n son discutidas por Byerlee y Collinson
( ).


2c. Uso de datos de ensayos anteriores. En la mayoria de
los programs de investigaci6n, la tendencia es
desarrollar nuevos ensayos cada afio con cada discipline
propia. Frecuentemente algunos ensayos son conducidos
el siguiente aio y cada ensayo se consider como una
entidad independiente y rara vez analizado a traves de
afios o ciclos. Por la misma raz6n los experiments
se pueden realizar con una discipline que incluye
variables experimentales incluidas en los ensayos dc
otras disciplines. Como resultado de las situaciones
anteriores, una gran cantidad de valiosa informaci6o




-18-


reposa en los archivos de los programs de investigaci6n.
La misi6n del equipo de investigaci6n es re-examinar
todas las investigaciones anteriores inspeccionando las
diferentes perspectives y procurando identificar las
posibles opciones y alternativas-experimentales para el
program de investigaci6n en campos.


Despues de una revision de literature y consultas con
especialistas en cada discipline, mientras las copias
de todos los datos de ensayos pertinentes son recolectadas,
los datos son examinados para posibles combinaciones
de ensayos completes o juegos de tratamientos de ensayos
diferentes. Para lograr esto es necesario tener los
datos de cada parcela individual. Resumenes de las
tablas de ANDEVA y de tratamientos significativos a
traves de repeticiones, no son valiosos si se desea
combinar datos. Como una gula para la recombinaci6n
de los datos de ensayos, el equipo de investigaci6n
puede revisar los ensayos y los tratamientos desde
las siguientes perspectives:


1) Fue un mismo ensayo conducido en diferentes
localidades o en diferentes ciclos, o ambas cosas,
pero analizado como experiments individuals?


En este caso se puede analizar como un disefo de
parcela dividida asignando localidades 6 ciclos
como la parcela mayor y los tratamientos como la
parcela menor. Si acaso el disefo era parcela
dividida, se puede analizar como parcela sub-divi
dida de la misma manera.


2) Hay ciertos tratamientos dentro del ensayo y de
especial interns para el program de investigaci6n
en campos que se pueda analizar individualmente?






-19-


Puede ser que dentro de los tratamientos en un ensayo
del disefo de bloques completes al azar exista escondido
un arreglo factorial. El disefo de bloques completes al
azar no aclara bien las interacciones pero el factorial
si las aclara. Si se encuentra un arreglo factorial tal
como dos niveles de las variables en todas ls combina-
ciones, valdria la pena usar los datos de estos
tratamientos en un andlisis de un factorial de dos niveles.


3) Hay tratamientos communes para diferentes ensayos que
se pueden combinar y analizar como un experiment
individual?


Si en la revision de la literature y las charlas con
otros se encuentran tratamientos comunes en ensayos
diferentes a traves de localidades o ciclos, se puede
combinarlos formando un disefo de parcela dividida.
Este caso es diferente'del primero en el sentido de
que en el primero todos los tratamientos son comunes
mientras en este caso solamente hay algunos en comun
a traves de localidades o ciclos.


Es impossible examiner todas las posibilidades dentro
de esta area de investigation en un manual. El equipo
investigative debe consultar con alguien que haya
entendido los disefios experimentales y la filosofia
de la investigaci6n en fincas agricolas. La re-examinaci6n
de datos anteriores mediante combinaci6n y atenci6n a
las preguntas de interes sobre la situaci6n inmediata,
ayudara a tomar la decision del process para posibles
variables experimentales y niveles dentro del procedimiento
del program de investigaci6n en fincas.



3. Determinaci6n del Tamafio 6ptimo de parcela.


Este tema esta incluido en la fase investigative, porque






-20-


el dato para tomar esta determination debe adquirirse
como parte de la encuesta. El dato es recolectado a
la cosecha de los campos de algunos o aquellos
agricultores que mostraron buen interest en colaborar
con el program de investigation en fincas.


El procedimiento investigative en fincas debe desarrollar
recomendaciones que seran confiables a traves de una
clasificaci6n de condiciones ambientales con un pequeio
porcentaje de fallas. Esto se debe hacer con una maxima
eficiencia en el uso de los recursos limitados disponibles.


Las parcelas mas pequefias que el tamafio 6ptimo, resultan
con errors de varianzas mas grandes y da como resultado
una perdida de sensibilidad. La parcela mayor que el
tamafio 6ptimo, disminuye la eficiencia en el uso de los
recursos. El tamafo 6ptimo de parcela ha sido determinado
virtualmente para cada especie de cultivo pero este
tamaio generalmente se ha determinado para usarse bajo
condiciones controladas, asi como aquellos encontrados
en las estaciones experimentales. Cuando se usa la
investigaci6n en fincas donde las condiciones no son
tan bien controladas, resultara insatisfactorio. Por
esta razon, es aconsejable estimar el tamafo optimo de
parcela para cada dominion de recomendaci6n al comienzo
del program de Investigaci6n en Fincas.


3a. Cultivo Mecanizado. Cuando una o mas practicasculturales
son mecaniza se debe ajustar el arreglo de parcelas, el
tamafio de parcelas y la ubicaci6n del experiment para
facilitar la operaci6n de la maquinaria. Si se utiliza
la maquinaria solamente en la preparaci6n del terreno y
este no es variable experimental, se puede utilizar la
metodologia explicada para siembras tradicionales,
para determinar el tamafo 6ptimo de la parcela. Si la
siembra, control de malezas, 6 la cosecha se hace






-21-


mecanizada, es necesario considerar las operaciones
mecanicas. Siempre es mas convenient y eficiente que
la maquina recorra todo lo largo del campo en el trabajo.
Dando vueltas en medio del campo se pierde tiempo y
terreno.


Este punto basico nos da una pista para la determinaci6n
del tamafo de parcelas para siembras o cosechas
mecanizadas. Primero se deben arreglar la parcelas de
tal forma que permitan que la maquinaria recorra el campo
a lo largo sin ajustes mayores. Luego decidiran cuantas
parcelas caben a lo largo del experiment. Como los
campos varian de tamano se debe calcular el largo de la
parcel de acuerdo con el campo mas pequeno y decidir
cuantas parcelas deben entrar. Se recomienda que el
largo de la parcela sea de un ninimo de 30 metros cuando
la siembra 6 la cosecha son mecanizadas. El ancho de
la parcela puede ser a uno, dos o-mas pass de la maquinaria.
En los campos mas largos que el minimo al terminar la
6ltima parcela, la maquina continue la siembra 6 la
cosecha de la parte del agricultor hasta el fin del
surco, regresando en los siguiente surcos hasta que se
encuentra con el experiment.


En resume, cuando la siembra 6 la cosecha son mecanizadas,
la parcela debe ser de un minimo de 30 metros de largo;
puede ser el ancho do uno, dos 6 mas pasos de la
maquinaria y el arreglo debe permitir a la maquina
recorrer todo el largo del campo sin parar; sl6o para
ajustes mayores de la maquina tales como distancia entire
surcos 6 cambios de herramientas.


3b. Cultivo traditional. Se han desarrollado various m6todos
para determinar el tamano 6ptimo de parcela. El metodo
mas simple y director es la uniformidad del ensayo y lo
presentamos aqui con algunas pequenas modificaciones.






-22-


El procedimiento a seguir es:

1. Usar el tamafo efectivo de parcela segun lo recomendado,
(es decir el area cosechada) para el cultivo sefalado
como la parcela basica, escoger un area en el campo
del agricultor equivalent a 12 parcelas basicas a
lo largo y 2 parcelas basicas a lo ancho.


2. Dividir el area entire 24 parcelas basicas y el registro
de los datos de rendimiento de cada parcela individual.
Se recomienda que estos datos se registren en un
diagrama tal y como estos aparecieron en el campo.
Esto es, a los datos anotados, tendrian 12 surcos de
12 cuadras cada uno.


3. El procedimiento arriba mencionado, es repetido por
3 o mas fincas dentro de cada dominio de recomendaci6n.


4. Usando datos de parcelas de dimensions variables, se
toman para cambiar datos de rendimiento, y el
standard del error y el coeficiente de variaci6n
(CV) se estiman para cada combinaci6n.



3c. Ejemplo: Para el maiz el tamafo standard de parcela
ha sido determinado para ser 4 surcos de 5 metros cada
uno, siendo cosechados solamente los dos surcos
centrales. Entonces el tamafio efectivo de parcela es
2 surcos de 5 metros cada uno. Durante la fase
encuestativa se seleccionan 4 agricultores y el equipo
investigative regresa a la cosecha para recopilar datos
con el fin de determinar el tamafo de parcela. En cada
localidad un area de 24 surcos de largo y 10 metros de
ancho se seleccionan al azar. Esto se divide entire 24
parcelas de 2 surcos de 5 metros cada uno. Cada parcela
se cosecha separadamente y se registran los datos de
la Tabla A2. Puesto que la colocaci6n del ensayo y el






-23-


analisis se basan "sobre el dominio de recomendaci6n, el
standard de desviaci6n y el coeficiente de variacion
son tambien cilculados a traves del dominio de recomendaci6n.


En este caso, el estimado de los datos recolectados
durante la encuesta debera aproxinarse a aquellos que
se aguardan en el ensayo del campo.



TABLA Al. Datos de rendimiento para determinar el tamaio
de parcela de 4 localidades.


Locali-
dades. D a t o s d e R e n d i m i e n t o

3.20 3.44 2.56 3.44 3.68 2.88 2.72 2.96 2.56 1.36 3.12 2.80
A 1.44 3.52 2.48 2.56 3.44 2.24 2.48 2.88 2.00 2.80 1.20 2.48

S 1.64 2.86 2.01 1.85 1.90 2.26 2.00 2.00 2.96 3.30 2.70 2.80
B2.80 2.50 2.10 2.60 2.60 2.70 2.30 3.30 2.10 2.00 2.10 2.70

3.30 2.00 2.10 2.70 2.10 2.66 2.62 2.17 2.30 2.23 2.56 1.28
S3.16 2.66 2.58 1.54 2.48. 2.99 2.81 2.30 1.84 2.14 1.64 1.97

2.00 2.00 2.96 1.57 1.30 2.60 2.80. 2.90 2.30 2.00 2.00 2.60
D 1.11 2.22 2.47 1.97 1.10 1.35 1.28 1.09 2.30 1.39 1.77 1.71


TABLA A2.


Determinaci6n del Tamaho de parcela.


Ancho Parcela Largo parcela Estandard Desv .CV

2 surcos 5 metros 0.3783 26.2
4 surcos 5 metros 0.9276 20.5
6 surcos 5 metros 1.5925 17.9
2 surcos 10 metros 0.8443 19.6
4 surcos 10 metros 2.1193 15.6
6 surcos 10 metros 4.3532 14.8






-24-


Al doblar el tamano basico de parcela ya sea en longitud
o en numero de surcos cosechados, podemos reducir el CV
esperado de 26% a apr6ximadamente un 20%.


Posteriores aumentos aparecen para traer disminuci6n de
retornos. De las dos opciones (4 surcos x 5 metros 6
2 surcos x 10 metros) la parcela de 4 surcos x 5 metros
ocupa menos terreno con una diferencia no significativa
en el CV estimado. Por lo tanto el tamafo de parcela
para el experiment ser6 de 6 surcos (4 efectivos mas
2 bordes), de 5 metros. El CV estimado para los ensayos
es apr6ximadamente 20%. Este estimado sera usado tambien
para determinar el numero minimo de repeticiones durante
la etapa de siembra del program.



4. Determinaci6n de las oportunidades de Investigaci6n.


4a. Estudio de factibilidad de las alternatives u opciones.


En la primera consideraci6n de la inclusion de una
alternative u opci6n en el program de investigaci6n,
se debe estudiar la factibilidad de lograr una
recomendaci6n adaptable al agricultor. En primera
instancia no vale probar materials 6 practices "exoticas"
que no encuentramos en el mercado o que estan totalmente
fuera del alcance del agricultor. Esto es obvio.


Eliminando las alternatives fuera del alcance del
agricultor debemos decidir si las alternatives propuestas
tienen ventaja suficiente para que sean atractivas al
agricultor. Para ser adecuadas debe presentarse la
ventaja comparative con miras a aumentar la producci6n
y minimizar el costo de producci6n 6 ambos si es possible.


La tasa de retorno para la alternative proyectada,






-25-


comparada con la practice del agricultor nos ayuda en
la toma de decisions. Se calcula la tasa de acuerdo
con el prop6sito y las condiciones de la alternative.
Como se ha dicho anteriormente, para aumentar los ingresos
del agricultor por:

1. Aumento de rendimiento.
2. Disminuci6n en costs do producci6n, y
3. Ambos casos anteriores

se require un calculo diferente.


La alternative 1 aumentard el rendimiento sin incurrir
en mas costs. La introducci6n de una variedad mejorada
es ejemplo de esta situaci6n. No es necesario hacer
calculos. Obviamente la alternative dara la ventaja.


La alternative 2 aumentard el rendimiento y tambien
aumentara el costo de producci6n. Se calcula la tasa
de retorno asi:



Estimaci6n Diferencia de beneficio neto entire
del = la alternative y la practice del ag.
retorno Diferencia en costo entire la
alternative y la practice del agr.


Una respuesta que no sea la #1, da a entender que la
alternative es antiecon6mica. La respuesta #1 indica
que recibira un retorno; es decir, esta recuperando
su inversion solamente.


Las respuestas 2 y 3 indican el margen de retorno. Por
ejemplo: La respuesta 2 demuestra un margen del 100%;
por cada $1.oo invertido recibira $2.oo.


4b. La Consulta multidisciplinaria. Habiendo determinado
los factors limitantes en la producci6n del cultivo






-26-


objetivo, el equip'o se reune con el especialista de cada
discipline para discutir los resultados de la encuesta y
las posibles alternatives en las practices de cultivo'
para un ensayo en las fincas. A traves de estas
discusiones puede determinarse que no hay listas alternatives
posibles para un ensayo en las fincas. En ese caso
deberia indicarse la investigaci6n a nivel de estaci6n
experimental.


En aquellos factors limitantes para los cuales hay
alternatives, el especialista en investigaci6n puede
ofrecer las alternatives apropiadas para probarse. El
equipo, con los datos esenciales de la informaci6n
desarrolla entonces el program de investigaci6n en las
fincas. Estos especialistas en investigaci6n deben ser
animados a ser participants activos en el program de
investigaci6n en fincas y los resultados compartidos
con ellos a trav6s del program (Ver figure 2.)


Refiriendonos a la figure 1, usted notara que hay un
flujo originandose de la encuesta a traves de la Estaci6n
Experimental hasta la fase exploratoria y la fase
determinativa. Esta via llama la atenci6n en un punto
important: No es necesario que toda la investigation
en fincas empiece a nivel de la fase exploratoria. Los
resultados de la encuesta y las conferencias con los
diferentes especialistas suministraran suficiente
informaci6n para determinar que fase o fases de la
investigaci6n deben colocarse a la alternative del
factor de producci6n. Los pre-requisitos a los factors
de producci6n que forman parte de cada fase, se presentan
en la discusi6n de esa fase.






-27-


FASE EXPLORATORIA


Esta fase de investigaci6n es basicamente un studio comparative
en el cual la alternative a una practice de producci6n es
comparada con la practice de producci6n del agricultor en
cada una de las variables experimentales escogidas. Solamente
una opci6n de cada alternative propuesta es probada contra
la practice del agricultor. No hemos consentido en determinar
el insumo 6ptimo para la alternative en este nivel de la
investigation. Nuestro proposito es determinar si la
alternative propuesta tiene una ventaja comparative sobre
la practice del agricultor y detectar interacciones entire
las alternatives propuestas y las practices culturales.



1. Criterio para la inclusion de una alternative.


Como se mencion6 anteriormente, no es esencial que
cada alternative propuesta forme parte del process
investigative a nivel exploratorio. Los criterios
para decidir si la alternative formara parte en este
nivel son:


a) La no existencia de datos de experiments anteriores
conducidos en las fincas de la region del dominion
de recomendaci6n, o


b) la alternative propuesta represent la adici6n del
nuevo gasto. Por ejemplo: el uso de urea donde el
agricultor no utiliza fertilizante, 6 labranza donde
el agricultor normalmente ara y rastrilla, 6 la
aplicaci6n de insecticide donde el agricultor no lo
usa, o


c) alli existe una probabilidad de interacci6n entire






-28-


alternatives para ser introducida dentro del process
investigative. Por ejemplo: si las 4 variedades
experimentales son variedad, distancia, control de
malezas y nitr6geno, cualquier variable puede
afectar a una o a todas las otras.


Si la variable experimental esta siendo considerada,
cualquiera de estos criterios debe entrar a former
parte de la fase exploratoria. La entrada en esta
fase no evita sin embargo, la entrada de la misma
variable experimental dentro de la fase determinativa.
Es decir, la misma opci6n dentro de una alternative puede
entrar en la fase Oxploratoria y la fase determinativa,
en la misma campafa. Por ejemplo: una variedad.mejorada
puede entrar en la fase exploratoria comparada con la
-variedad local y a] mismo tiempo entrar en un ensayo
de variedades mejoradas. Este tipo de ensayo se
consider como parte de la fase determinativa.



2. El arreglo factorial en la fase exploratoria.


Puesto que el prop6sito expresado en esta fase es
investigar alternatives a las practices del agricultor,
al comparar la altcrnativa propuesta con la practice
del agricultor en cada una de las variables experimentales,
el arreglo factorial 2x en un diselo de bloques completes
o incompletos, es el mas comunmente usado. Como regla
general se incluyen no mas de 4 variables experimentales
en el ensayo dando el tamafio maximo de 16 parcelas por
renetici6n. Para inximizar el muestreo del dominion de
recomendaci6n, se dispersa el ensayo colocando 1 bloque
complete o incomplete por sitio. Se recomienda un
minimo de 3 repeticiones para asignar por parcel o
bloques perdidos, aunque el calculo de observaciones
minimas requeridas indica menos de tres. Se recomienda






-29-


el minimo de tres'en caso de que se pierda una.


De los dos disefos, se prefiere el disefo de bloques
incompletos puesto que reduce el area requerida para
cada localidad y permit un muestreo mas amplio para
un numero dado de repeticiones. Si el ensayo tiene 4
repeticiones, por ejemplo, y se dispersa a traves del
dominio de recomendaci6n, el disefio de bloques completes
o incompletos muestreara 8. En esta etapa de
investigaci6n la variabilidad de sitio a sitio, que
sera expresada en el cuadrado medio de los bloques del
analisis estadistico, es de menor importancia en las
tapas subsiguientes. Esta variabilidad entire sitios
sera usada para verificar la homogeneidad del dominion
de recomendaci6n, pero en esta fase se usa principalmente
como una fuente de variaci6n.


En la cosecha se realizan a la vez analisis economicos
y estadisticos. El andlisis estadistico recomendado
es el metodo Yates que se discute en Paterson ( ) y
otros textos ( ). El procedimiento para el andlisis
econ6mico se encuentra en Perrin et al ( ). Los
analisis conjuntos determinan la disposici6n future de
cada variable experimental.


3. Ejemplo del arreglo factorial 2 en el diseio de bloques
incompletos.


El analisis de toda la informaci6n disponible adquirida
en la fase encuestativa Indica que cuatro alternatives
de practices de producci6n deben explorarse en la primera
fase de la investigaci6n en fincas. Estas practices de
producci6n fueron: Variedad, densidad de siembra, metodo
de control de malezas y uso de urea. Estas son las
variables experimentales. Las demas practices culturales
son las variables no experimentales.






-30-


Puesto que no ha habido experimentaciones anteriores en
fincas con estas variables, la decision es que cada una
debe compararse con la practice del agricultor. Tenemos
entonces un ensayo comparative en el cual cada practice
de producci6n en el studio sera a 2 niveles, la practice
del agricultor y el nivel experimental. Dos niveles
de cada una de las 4 practices de producci6n forman un
arreglo factorial 24. Dado que un factorial 24 contiene
16 parcelas por repetici6n complete, el equipo de
investigaci6n decidi6 sobre un disefio de bloques incompletos
con un bloque de 8 parcelas en cada localidad. Cada
parcel consistira en 6 surcos de 5 metros cada uno, en
los cuales los 4 surcos del centro constituiran la
parcel efectiva. Esto es determinado con los datos
recolectados durante la fase encuestativa. El arreglo
factorial 24 decidira sobre los siguientes tratamientos
arreglados en el orden factorial:


Niveles Niveles
Tratamiento D N C V Tratamiento D N C V

Pract. Ag. Ag Ag Ag Ag V Ag Ag Ag Exp
D Exp Ag Ag Ag D V Exp Ag Ag Exp
N Ag Exp Ag Ag N V Ag Exp Ag Exp
DN Exp ExpAg Ag DNV Exp Exp Ag Exp
C Ag Ag Exp Ag C V Ag Ag Exp Exp
D C Exp Ag Exp Ag DCV Exp Ag Exp Exp
NC Ag Exp Exp Ag N C V Ag Exp Exp Exp
DNC Exp Exp ExpAg DNCV Exp Exp Exp Exp


Los 16 tratamientos son divididos dentro de 2 bloques
incompletos de 8 parcelas cada uno. De acuerdo con la
teoria estadistica los tratamientos no pueden ser
casualmente aisgnados para los bloques incompletos.
Para evitar confundir efectos de tratamientos con
efectos de bloques de tratamientos especificos, deben





-31-


siempre aparecer juntos en un bloque. Un metodo
simplificado para hacer esta division es asignar todos
los tratamientos con un ndmero balanceado de cartas, a
un bloque y todos los tratamientos con un numero impar
de cartas a otro bloque. Despues asignar la prictica
del agricultor al bloque que falta con un tratamiento
para que sean bloques iguales. Los dos bloques en el
disefo de bloques incompletos son:



BLOQUE A BLOQUE B

Practica del Agricultor D
DN N
DC C
NC DNC
DV V
NV DNV
CV DCV
DNCV NCV


El muestreo aleatorio se lleva a cabo dentro de los
bloques, pero un tratamiento no puede moverse de un
bloque a otro. Nosotros tenemos lo que posiblemente
se refiere a un muestreo aleatorio restringido.


La unica decision restante para el equipo investigatorio,
es el numero requerido de repeticiones. Esta decision
depend de otros factors tales como el coeficiente de
variaci6n esperado en los ensayos, el grado de
confianza deseado, y la diferencia deseada para ser
detectado entire tratamientos.



4. Estimaci6n del minimo de repeticiones requeridas.


4a. Los par6metros necesarios. La estimaci6n del numero






-32-


minimo de repetitiones requeridas, usando la formula
derivada de Cochram y Cox ( ), require que los
siguientes parametros se determine:


1) Coeficiente do variaci6n esperado.
2) La diferencia real a ser detectada.
3) El nivel de significado.
4) El nivel acceptable de probabilidad de detectar
la diferencia real, y
5) El disefo experimental, incluyendo ambos tratamientos.


La estimaci6n det coeficiente de variaci6n puede
tomarse de ensayos anteriores conducidos en circunstan
cias similares, de experiments en fincas, si tales
ensayos fueron verdaderamente hechos bajo las
condiciones del agricultor. Puede tambien usarse
el calculo estimudo para determinar el tamaio de
parcela. Este es probablemente el mejor calculo
disponible. Si 6ste no esta disponible, un estimado
del 25% puede usurse despues del primer ciclo en el
cual los resultados CVs proporcionaran un estimado mas
exacto.


El nivel de la diferencia real a ser detectado es
decision del equipo de investigaci6n. Un mejorador
por ejemplo, deseara detectar una diferencia del 5%,
o menos, entire lineas, mientras el laboratorio tecnico
puede desear detectar una diferencia de menos que el
1% entire tratamientos. La experiencia de la investigaci6n
en fincas nos ha ensefado que los agricultores raramente
aceptan una recolnendaci6n que no sea visiblemente
diferente de su practice actual. Por esta raz6n
estimamos que donde se espera una diferencia de
rendimiento un 20% de diferencia entire tratamientos es
el nivel minimo acceptable.





-33-


Otra manera de der'ivar la diferencia real a ser detectada
es calcularla estimando el aumento necesario para cubrir
los costs adicionales en la alternative propuesta. Esto
dividido por el rendimiento estimado dara una evaluacion
de la Ad.


aumento en rendimiento necesario para cubrir
Ad (est.) =costo adicional.
estimacion de x de rendimiento.


Si hay varias alternatives dentro del ensayo, se recomienda,
calcular la Ad para cada una y usar la menor en la formula
del calculo de repeticiones. Como. el numero de repeticiones
requeridas aumenta al disminuir la diferencia que se desea
detectar, siendo los otros parametros iguales, el uso de
la Ad mas pequefia nos dara el numero minimo para detector
esta diferencia bajo las condiciones especificadas. Si
hubieramos utilizado una Ad mas grande, no podriamos tener
much confianza en los resultados respect al efecto con
una Ad mas pequefa por falta de repeticiones suficientes.


En los casos donde no se espera una diferencia de
rendimiento sino una baja en costs, se debe cambiar
la diferencia en costs en equivalentes de product y
utilizar el calculo del Ad. Las formulas son:


Equivalente en diferencia de costo entire alternatives
product precio del producto/unidad.


SEquivalente en product
S estimaci6n de rendimiento

Por ejemplo, se estima que la diferencia en costs entire
la practice del agricultor y la alternative propuesta es
100.- El precio del product es 10/Unidad. El equivalent
en product es 100/10 6 10. Es decir el valor de 10
unidades del product es equivalent a la diferencia en





-34-



costos de las alternatives.


Utilizando este calculo en la deducci6n de la Ad y esti
mando el rendimiento en 50 unidades tenemos,


Ad = =.20


El nivel de significancia para el tipo I error (rechazo
de la hipotesis nula cuando esta es, en efecto, real)
es determinado en la 6tapa de siembra. Tradicionalmente
esto ha-sido ajustado al 1 o 5% y la mayoria de las
tablas estadisticas se tabularon s6lo para aquellos
niveles. Dado el nivel mas bajo de control y la inherente
heterogeneidad dentro del dominion de recomendaci6n,
ambos incrementan el error de cambio, un 10% del nivel
de significancia lo cual es acceptable.


Habiendo decidido sobre el minimo acceptable de una
verdadera diferencia entire tratamientos y el nivel de
error, el primer paso es decidir el nivel acceptable de
probabilidad de obtener los resultados deseados. Esto
quiere decir que si nosotros sembramos 100 ensayos, que
porcentaje de aquellos ensayos mostrara al menos un 20%
de diferencia? (asumiendo que existan) aunque rechacemos
err6neamente el 10% de los resultados. Basicamente
con que frecuencia deseamos ser exactos? Aqui esta
de nuevo la decision del investigator pero un 80%
probablemente es acceptable. Si podemos detectar la
diferencia real, un 80% del tiempo mientras disminuye
la probabilidad de rechazo de lo nulo, pero verdaderamente
la hipotesis nuestra esta todavia dentro do un limited
de riesgo acceptable. Los agricultores corren muchos
mas riesgos cada ciclo.


4b. El calculo del n6mero de observaciones necosarias.
Tenemos ahora hecha la decision 16gica para estimar el






-3.;.--


numero deseado de repeticiones necesarias para cumplir
las condiciones establecidas y llevar adelante estas
decisions. Este estimado es calculado usando la
siguiente ecuaci6n:



CV 2 2
No. de observaciones = 2 (t) (t1 + t2


Donde:


CV = Estimado del CV de la determinaci6n del tamafio
6ptimo de parcela o de otra fuente.


d = La diferencia real minima acceptable que se quiere
detector.


t = Nivel de significancia para el tipo I error.


t2 = Probabilidad de detectar la diferencia real.
El valor se determine por 2 (1 p).
(p = la probabilidad deseada de detectar la
diferencia).



4c. Ejemplo: Determinamos que el tamafo 6ptimo y efectivo
de parcela seria de 4 surcos de 5 metros cada uno.
Estimamos que los ensayos usandc este tamafo de parcela
tendran un coeficiente de variaci6n del 20% apr6ximadamente.
En estos ensayos deseamos detectar una diferencia de por
lo menos un 20% entire tratamientos en siquiera el 80%
de los ensayos. Estamos tambien dispuestos a arriesgar
haciendo una decision erronea una vez mas en cada 10
tiempos (tipo I = 10%). Hemos decidido sobre un arreglo
factorial 24 en un diselo de bloques incompletos y
estimamos que tres repeticiones seran suficientes.
Queremos verificar esto. Fue necesario decidir sobre






-36-


el diseno y calcular el numero de repeticiones
requeridas para determinar los valores de t a ser usados
en la ecuacion.


Un factorial 24 con 3 repeticiones tendria 27 grades
de libertad en el error, por lo tanto los valores de
t corresponderian a los 27 niveles de grades de
libertad. Seleccionamos el 10% como el nivel de t,
por lo tanto este valor es 1.703. El valor de t2 es
2 (l-p)que es 2 (1-.8) = 2(.2) = .4. Debajo de p
0.4 en df. = 27 en la tabla de t encontramos el valor
0.855. Con estos valores podemos ahora calcular el
minimo de observaciones requeridas.



Minimo de observaciones = 2 V 2 t + t2)


(.202 2
=2 20) 1.703 + 0.855)
\.20


S () (2.558) 2

Minimo de observaciones = 13.08 = 13


Note que hemos calculado el minimo requerido de
observaciones y no de repeticiones. Hacemos esta
distinci6n porque normalmente el diseio experimental
usado en el procedimiento en fincas tiene mas de una
"observaci6n" de cada factor principal dentro de
cada repetici6n complete. Esto se refiere como a
"repeticiones ocultas". Por ejemplo en el arreglo
factorial 24, cada uno de los 4 factors aparece en
8 tiempos. Por lo tanto tenemos 8 observaciones de
cada una en cada repetici6n o 24 observaciones en
3 repeticiones.






-37-


El calculo del numero minimo de observaciones, determine
qu 13 observaciones serian suficientes para conocer las
especificaciones establecidas. Dos repeticiones
completes del factorial 24 contienen 16 observaciones
que son mas que suficientes, si todas las parcelas
son cosechadas. Este es un caso raro aun en experiments
bien controlados. En la investigaci6n en fincas no es
muy comun perder un bloque entero. Por esta raz6n, 3
repeticiones completes son consideradas un minimo
absolute, prescindiendo del calculo minimo de observaci6n.
Tenemos por ejemplo decidido sobre el factor 23 con 3
repeticiones y establecido que son observaciones
insuficientes, tendriamos que re-calcular el numero
minimo de observaciones usando 4 repeticiones,. luego
5.repeticiones hasta que el numero de observaciones en
los ensayos sea igual a/6 mas grande que el numero de
observaciones requeridas.


Una palabra final acerca del tamafo 6ptimo de parcela
y la minima observaci6n requerida. Estas son basadas
estimando sobre observaciones de campo. Deberlan
siempre ser tratadas como estimados y no como cAlculos
altamente precisos. Son usados como normas en los
process de toma de decisions de desarrollo de
programs en campos, en conjunto con programs de
recurso y objetivos. Aunque estan estimados, se
basan sobre principios. estadisticos aceptados y son
suficientemente precisos para la mayoria de los
programs de investigaci6n en campos. Como el control
de los ensayos en campos de agricultores es minimo y
la probabilidad de perder cuando menos un bloque es
alta, se recomienda sembrar,por lo menos, una repeticion
mas que la indicada en los calculos, si los recursos
lo permiten.






-38-


5. Analisis e interpretaci6n: Un ejemplo.

5a. Analisis Estadistico. Una disposici6n del factorial 24
en un bloque incomplete sefala que fue plantado en 6
sitios (un bloque incomplete por cada sitio). El metodo
Yates fue usado en el analisis estadistico. Las Tablas
El a E3 muestran los periods efectuados en el andlisis
y los resultados.


TABLA El.


4
Rendimientos de 2 factoriales en 3
repeticiones (6 bloques incompletos)
distribuidos 1 bloque por localizaci6n
(Tratamiento/hectarea).


Bloque A.


Bloque B.


Tratamientos Loc.1 Loc.2 Loc.3 Total

D 2.7 2.2 2.3 7.20
N 2.2 2.7 2.5 7.40
C 2.3 2.2 2.3 6.80
DNC 2.0 1.75 2.1 5.85
V 2.1 3.3 3.2 8.60
DNV 2.5 3.5 3.6 9.60
DCV 2.3 2.3 2.6 7.20
NCV 3.7 3.4 3.6 10.70

Total Bloques 19.8 21.35 22.2 63.35
Gran Total 129.20






-39-


TABLA E2.


Suma de cuadros calculados, Metodo Yates
para experiments factoriales 24.


Tratam. Total (1) (2) (3) (4) (4)32 n S.C.

F.P. 5.95 13.15 29.95 58.90 129.20
D 7.20 16.80 28.95 70.30 -1.5 = 2.25 -48 = 0.0469
N 7.40 13.60 34.10 -0.40 12.7 = 161.28 48 = 3.3602
DN 9.40 15.35 36.20 -1.10 -0.2 = 0.04 48 = 0.0008
:C 6.80 16.20 3.25 5.40 1.1 = 1.21 48 = 0.0252
DC 6.80 17.90 -3.65 7.30 -8.6 = 73.96 48 = 1.5408
NC 9.50 15.30 0.30 -2.90 2.0 = 4.0 48 = 0.0833
:DNC 5.85 20.90 -1.40 .2.70 -6.3 = 39.69 48 = 0.8269



V 8.60 1.25 3.65 -1.00 11.40 = 129.96 48 = 2.7075
DV 7.60 .2.00 1.75 2.10 .-0.7 = 0.49 48 = 0.0002
:NV 8.30 0 1.70 -6.90 1.9 = 3.61 48 = 0.0752
DNV 9.60 -3.65 5.60 -1.70 5.6 = 31.36 48 = 0.6533
SCV 8.10 -1.00 0.75 1.90 3.1 = 9.61 48 = 0.2002
DCV 7.20 : 1.30 -3.65 3.90 :5.2 = 27.04 48 = 0.5633
NCV 10.70 -0.9 2.30 -4.40 5.8 = 33.64 48 = 0.7008
DNCV 10.20 -0.5 0.40 -1.90 2.5 = 6.25 48 = 0.1302


129.20






-40-


TABLA E3.


ANDEVA para factorial 24, 3 repeticiones en
un bloque incomplete designado.


Fiente df ss MS F


Bloques 5 0.6923 0.1385
D 1 0.0469 0.0469
N 1 :3.3602 3.3602 16.28**
DN 1 0.0008 0.0008
C 1 0.0252 0.0252
DC 1 .1.5408 1.5408 7.46*
SNC 1 0.0833 0.0833
*DNC 1 0.8269 -0.8269 4.00
V 1 2.7075 2.7075 13.11**
DV 1 0.0102 0.0102
NV 1 :0.0752 0.0752
IDNV 1 0.6533 0.6533 3.16
CV 1 0.2002 0.2002
DCV 1 0.5633 0.5633 2.73
NCV 1 :0.7008 0.7008 .3.39
DNCV 1 0.1302 0.1302
Error 27 :5.5746 0.2065

Total 47 17.1917 CV=16.9%



La ANDEVA claramente demuestra que los dos, urea y variedades
tienen un efecto significativo. La urea tambien aparece
como la interacci6n de 3 formas (esto involucra dos
variables de interns). La interacci6n de 3 formas no
puede ser 16gicamente interpretada. Por consiguiente
s6lo notaremos algunas, las cuales seran para uso
significativo en planes de ciclos posteriores. Para el
present debemos construir las tablas apropiadas de
grades de diferencia entire algunos efectos importantes
e interacciones, los cuales fueron significativos.






-41-


Estos resultados se demuestran en las tablas E4 y E5.


TABLA E4.


TABLA ES.


Control

Agricultor
Experimental


Promedio
variedad


Significado esfuerzo important.


Densidad x Interacci6n en control de
malezas.


DENSIDAD Proved
Promedio
Agricultor Experimental Control

2.52 2.82 2.67
2.93 2.50 2.72


2.73


2.66


5b. La Interpretaci6n del AnAlisis Estadistico. La
tabla E4 demuestra que podemos aumentar el rendimiento,
o por uso de la nueva variedad, o por adici6n de urea.
Aunque la interacci6n de la variedad por Nitrogeno no
fue significant, en este caso, es de interest para
construir dos classes de tablas para estos factors
con el fin de observer como hacerlo cuando haya alguna
interacci6n. Estas dos classes de tablas aparecen
como tabla E6. Estos resultados indican que el
agricultor puede aumentar el rendimiento con urea o
nitr6geno para maximizar el rendimiento. Utilizando
ambas practices, en esta 6tapa, no sabemos si el uso


1


I






-42-


de la Urea es economic, o de nivel 6ptimo.


En efecto, es economic, lo cual sera revelado en el
andlisis econ6mico de los resultados en los ensayos.


TABLA E6. Nitr6geno x Variedad de Interacci6n,
Factorial 24


Variedad
Promedios
Nitrogeno Agricultor Experimental (N)

Agricultores 2.23 2.65 2.43
Experimental 2.68 3.23 2.96

Promedios (V) 2.45 2.93


Volviendo al analysis estadistico y la tabla E5, un
interesante pero inexplicable fen6meno esta aparentemente
en los datos. Hubo un aumento de rendimiento cuando el
nivel experimental de una y otra practice fue empleado,
pero ninguna diferencia de las practices en fincas
cuando combinaron. El andlisis no nos ayuda a
explicarnos esto, por esta raz6n es absolutamente
esencial que el agron6mo investigator visit todos los
ensayos frecuentemente durante todas las estaciones
del afio. Las anomalias que aparecen en los datos muy
a menudo se explican solimente desde las observaciones
de campo. Puesto que no tenemos observaciones de
campo, no probaremos una explicaci6n. Es interesante
anotar, no obstante, que uno o ambos de estos factors,
se encuentran en cada segunda orden de interaccion
(Factor 3) lo cual es significativo o apr6ximado al
nivel significativo.







-43-


5c. El Analisis Economico. Esta material es discutida en
detalle por Perrin ( ), ella no sera discutida aqul.
Los analisis econ6micos seran presentados porque forman
una parte integral de los procedimientos y son necesarios
para determinar disposiciones de variables experimentales
en los ensayos. Estos analisis estan resumidos en las
Tablas E7 a E9.



TABLA E7. (verla en pagina -44-



TABLA E8. Curva de beneficios netos para tratamientos.


19000

18000

17000

16000

15000

14000

13000

12000

11000

10000

9000


300 400 500 600 700


100 200






-44-


TABLA E7.


ANALYSIS PARCIAL DE PRESUPUESTO DE DATOS DE ENSAYOS.


D F Ex F Ex F Ex F Ex F Ex F Ex F Ex F Ex
N F F Ex Ex F F Ex Ex F F Ex Ex F F Ex Ex
C F F F F Ex Ex Ex Ex F F F F Ex Ex Ex Ex
V F F F F F F F F Ex Ex Ex Ex Ex Ex Ex Ex

Rendimiento 1.98 2.40 2.47 3.13 2.67 2.67 3.17 1.95 2.87 2.53 2.77 3.20 2.70 2.40 3.57 3.40
Neto 1.78 2.16 2.22 2.82 2.40 2.40 2.85 1.76 2.58 2.28 2.49 2.88 2.43 2.16 3.21 3.06

Beneficio 10692 12962 13338 16900 14418 14418 17118 10530 15498 13662 14958 17280 14580 12960 19278 18360



Costo
Variable

Semilla 90 120 90 120 90 120 90 120 142 190 142 190 142 190 142 190
Urea 0 0 180 180 0 180 180 0 0 180 180 0 0 180 180
Hierba 102 102 102 102 102 102 102 102

TOTAL 90 120 270 300 192 222 372 402 142 190 322 370 244 292 424 472

Costo
Variable
Operaci6n

Sembrando Ap 60 80 60 80 60 80 60 80 60 80 60 80 60 80 60 80
Urea (2) 80 80 80 80 80 80 80 80
Hierba 40 40 40 40 40 40 40 40

Total 60 80 140 160 100 120 180 200 60 80 140 160 100 120 180 200

GRAN TOTAL 150. 200 420 460 292 342 552 602 202 270 462 530 344 412 604 672

PPTO.NETO 10542 12762 12918 16440 14126 14075 16566 9928 13296 13392 14496 16750 14236 12548 18674 17688
I ,, I






-45-


TABLA E9. Analisis marginal de Tratamientos Dominantes.


Aumento marginal en: Porcentaje
Beneficio Tratamiento Costo Beneficios Costo marginal
Neto Variable Netos Variable de ganancia

18674 NCV 604 2234 144 1551 %
16440 ND 460 2314 168 1377 %
14126 C 292 830 90 922 %
13296 V 202 2754 52 5296 %
10542 Agricultor 150



5d. La Interpretaci6n del Analisis Economico. Los resultados
del analisis econ6mico presentado en la Tabla E9 nos
indican que hay cuatro tratamientos con una ventaja
econ6mica comparados con la practice del agricultor. Si
estuvieramos en la l6tima 6tapa de investigaci6n podriamos
ofrecer estas cuatro alternatives al agricultor y
permitirle seleccionar la que mas le convenga. El
agricultor con pocos recursos podria aumentar sus ingresos
con una inversion minima al sembrar la variedad mejorada.
El agricultor con recursos podria utilizar urea, herbicida
y la variedad mejorada para maximizar sus ingresos. Todo
si estuvieramos en la l6tima 6tapa de investigaci6n, pero
como estamos en la primera fase, estos analisis nos
sirven para decidir que alternatives deben entrar en el
siguiente ciclo de investigaci6n.



6. La Disposici6n de las Variables Experimentales.

En el andlisis conjunto hay 4 condiciones posibles para
cada efecto principal probado. Cada condici6n indica
una disposici6n diferente de la variable. La figure
3 muestra estas 4 condiciones y la disposici6n future
de los efectos principles para cada categorla.






-46-


Figura 3.-


Categories en las que los efectos principles
pueden ser clasificados y la disposici6n future
de cada categoria.


Estadistica Diferencias significativas Diferencias no
Econ6mica entire tratamientos. significativas entire
tratamientos.

La variable experimental La variable experiment
Tiene es colocada en la fase tal es movida a la fase
determinativa. determinativa solo si
ventajas la ventaja economic
economics es atribuida a costs
mas bajos.

Consultar con el Consultar con el
No tiene especialista acerca de especialista. Remover
la existencia de otras la variable del
entajas opciones que puedan tener program en fincas
econ6micas ventajas econ6micas. hasta encontrar otra
Remover la variable del opci6n.
program si no se
encuentra opcion.



6a. Caso I: Significativamente diferente con ventaja economic.

Cuando la alternative es significativamente diferente de
la practice actual y demuestra una ventaja econ6mica
(arriba cuadrante izquierdo de la Fig. 3), la alternative
es colocada en la fase determinativa de la investigaci6n
en el siguiente ciclo. Los dos analisis nos dicen en
este caso que la diferencia de rendimiento entire las
dos alternatives (Ej. La practice del agricultor y la
alternative experimental) es real y no debida al
chance y que la alternative experimental es mas econlmica
que la practice actual.


Nosotros hemos respondido la pregunta de que en todo
caso la alternative experimental tenia una ventaja







-47-


comparative sobre la practice actual. La fase siguiente
de la investigaci6n determinara que opciones de entrada,
dentro de la alternative a la practice de producci6n,
tienen la ventaja comparative cuando se relacionan con
cualquier otra, por ej.: en la fase exploratoria solamente
un nivel de nitr6geno se prueba contra la practice del
agricultor. No sabemos si este es el nivel mas economic
de insumos. Sabemos solamente que la adici6n de nitr6geno
dara al agricultor una mayor rata de ganancia sobre su
inversion de tiempo y dinero cuando se la compare con su
practice actual. El prop6sito de la etapa siguiente es
entonces conocer que niveles de insumos darn mayors
ratas de ganancia que la practice actual del agricultor
y determinar la ganancia marginal para cada uno.


6b. Caso II: No hay diferencia significativa pero si hay
ventaja econ6mica. Cuando la alternative no difiere
significativamente pero tiene una ventaja economic
(cuadrante superior derecho de la figure 3) debera ser
considerada en la etapa determinativa, solo si la
ventaja econ6mica es atribuible a la alternative de
menores costs de producci6n. En este caso los dos
analisis nos dicen que la practice experimental no
increments el rendimiento pero lo hizo con costs de
producci6n mas bajos lo que a su vez, dieron una mayor
ganancia marginal que la pr6ctica del agricultor.
Ejemplos de esta clase se encuentran a menudo cuando el
control quimico de malezas se compare con el control
manual. Alli puede haber muy buena diferencia en
rendimiento entire los dos tratamientos, pero cuando
los costs de producci6n se comparan, la diferencia
es suficiente para dar una mayor ganancia marginal que
aquella de la pr6ctica actual del agricultor.


Dentro de esta categoria (no hay diferencia estadistica
pero se tiene una ventaja econ6mica) es concebible que






-48-


una alternative mnestre una ventaja econ6mica cuando
en efecto no existe.


En toda probabilidad esto seria atribuible al azar o a
anomallas dentro del experiment. Bajo estas condiciones
el investigator estudiard los datos secundarios tales
como: Plantas cosechadas, n6mero de mazorcas cosechadas,
dano de insects, enfermedades, etc., para determinar
la causa. Si ninguna puede ser considerada, la
alternative puede ser de, 6 reprobada en la fase
exploratoria o incluida en la fase determinativa. El
tratamiento de esta situaci6n depend sobre todo del
juicio del investigator. Si ninguna raz6n aparente
puede ser encontrada por lo que parecen ser resultados
aberrantes, la tentative mas conservadora es incluir
la alternative en la fase determinativa durante el
ciclo siguiente. Alli sera sometida a mas ensayos y si
no tiene ventaja comparative, sera eliminada de mas
pruebas en esa 6tapa.


6c. Caso III: Hay diferencia significativa pero no existe
ventaja economic. La tercera categoria es cuando el
efecto principal muestra una diferencia estadistica
significativa pero ninguna ventaja econ6mica (cuadrante
inferior izquierdo de la figure 3). Esto seria possible
cuando la practica alterna increment la producci6n
pero el incremento del rendimiento no fu6 suficiente
para cubrir el cost del incremento de producci6n.
Bajo estas circunstancias, la primera tentative es
buscar otras opciones que tendrian una ventaja economic
o por costs mas bajos de producci6n o de incremento
de la producci6n. Estas nuevas opciones pueden entrar
a former parte de la investigaci6n en fincas como una
variable experimental en la fase exploratoria o en
ambas dependiendo del numero de opciones promisorias.







-49-


Las pruebas para la entrada, que son discutidas en
cada secci6n, pueden ser aplicadas a las opciones.


6d. Caso IV: No existe ni diferencia estadistica ni ventaja
econ6mica. El efecto principal final de la categoria
es cuando la alternative no muestra efecto sobre el
rendimiento ni tiene una ventaja economic (esta
situaci6n corresponde al cuadrante derecho inferior de
la figure 3). Bajo estas circunstancias es consultado
el especialista.


Si no se encuentra otra opci6n que pueda ser probada
en la fase exploratoria, la variable se remueve del
program de pruebas en fincas hasta que se encuentre
una alternative promisoria. Esta alternative promisoria
vendria de la experimentaci6n a nivel de estaci6n
experimental y cuando fuera encontrada seria colocada
en la fase exploratoria, sobre una prueba en fincas,
en cualquier fecha posterior.


6e. El papel de los especialistas en las decisions. El
papel de los especialistas en varias disciplines y
el papel de la estaci6n experimental, donde todo el
procedimiento de la investigaci6n en fincas es evidence,
esti en las figures 2 y 3. Varies especialistas fueron
consultados durante la fase de planeaci6n del program,
inmediatamente que los resultados de la investigaci6n,
los cuales son compartidos con ellos, se llevaron a
consult una vez mas en dos de las 4 categories. Estos
resultados y discusiones abriran indudablemente rutas
de investigaci6n que deben ser hechas a nivel de estaci6n
experimental.


Esta estaci6n de investigation producira alternatives
que seran regresadas al program de investigaci6n en







-50-


fincas para nuevas pruebas. Esta es una parte del deseo
multidisciplinario, el aprovechamiento de los datos
regenerados.


6f. Las Interacciones. Hasta aqul hemos discutido solamente
los efectos principles. La pregunta que queda es
iComo una interacci6n significativa debe ser tratada?
Cuando esto ocurre todas las variables experimentales
envueltas son colocadas en la fase determinativa y aparecen
juntas en un ensayo, sin considerar si las variables
fueron significativas, como los efectos principles o no.
Generalmente, por lo menos, una de las variables envueltas
es significativa como efecto principal y es altamente
improbable que una interacci6n significativa ocurrira
donde ninguna de las variables envueltas son significativas
como efectos principles. Sin embargo, sin considerar
el estado de las variables como efectos principles, la
regla es que donde ocurra una interacci6n significativa,
todas las variables experimentales envueltas deben
aparecer en el mismo ensayo en la fase determinativa.


6g. Resumen. En resume y colocando la discusi6n arriba
expuesta, en forma de llave, tenemos:


Categories de los efectos
principles: Disposici6n

I. Diferencia significativa
entire tratamientos y,

a) La alternative probada tiene
ventaja econ6mica........ Etapa Determinativa
b) La alternative probada no
tiene ventaja economica. Consultar al especialista
y buscar la opci6n que
pueda tener ventaja econ6
mica. Si no hay,remover
de la investigaci6n en
fincas.








-51-


Viene...


Categorias de los efectos
principles:


II. No hay diferencia significativa
entire tratamientos, pero..

a) La alternative probada tiene
ventaja economic,
atribuible a costs bajos
de produccion...
b) La alternative probada no
tiene ventaja economica...





III. Interacci6n significativa....


Disposicion


Etapa Determinativa

Consultar al especialista
y remover como variable
experimental si no se
encuentra otra opcion.


Todas las variables
experimentales entran a
former parte de la etapa
determinativa. A menos
que... Los resultados sean
contradictorios o no
econ6micamente factibles.


7. Disposici6n de Variables Experimentales en Ejemplo.

La interpretaci6n de las estadisticas unidas y los analisis
econ6micos del ejemplo nos hacen possible escoger mas
inteligentemente algunos hechos para investigaci6n adicional
y situarlos en la etapa propia de investigation. Tomando
cada paso separadamente, fueron hechas las siguientes
conclusions:


Variedad. La nueva variedad estara colocada en la etapa de
decision para experiments adicionales, al mismo
tiempo, el program de producci6n debera encargarse
de que la producci6n de semilla este empezada de
manera que la semilla este disponible despu6s del
ciclo "Fase Determinativa".






-52-


Control de malezas.


La decision entire el control y densidad
de malezas estd dificil debido a la
complicada interacci6n. No obstante,
desde que el control de malezas tuv6 un
tratamiento dominant en los analisis
econ6micos y tratamientos en los cuales
la densidad incluida fue inconsistent
se decidi6 que el control de malezas podria
former parte dentro de la "Fase Determinativa".


Densidad.










Nitrogeno.


Debido al funcionamiento inconstante de este factor,
en interacci6n con otros, se decidi6 que deberia
ser estudiado en combinaci6n con otros factors
de producci6n en la estaci6n experimental, hasta
que la naturaleza de las interacciones este
definida y se encuentre la alternative practice de
production.


Este element fue altamente significativo en los
analisis estadisticos e incluido en 3 de las 4
interacciones significantes. Tambien aparece como
uno de los tratamientos dominantes en los analisis
economicos. Sera por lo tanto incluido en la
etapa determinativa.


Por lo tanto, variedad, control de malezas y nitrogeno, estin
incluidos dentro de la etapa determinativa y la densidad
establecida esta situada bajo investigaci6n en la estaci6n
de nivel experimental.







-53-


FASE DEEIMIfNATIVA



La Fase Exploratoria nos permit determinar si la alternative
propuesta tuv6 una ventaja comparative sobre la practice
actual del agricultor. En estos casos donde la alternative
propuesta no tuv6 una ventaja permaneci6 en la fase
exploratoria y otras alternatives fueron aprobadas o la
alternative fue removida del program de investigaci6n para
la practice en fincas hasta que las alternatives promisorias
puedan ser encontradas. Las alternatives del factor de
producci6n con una ventaja comparative probada o sospechada
fueron colocadas en la fase determinativa para una future
investigaci6n.



1. Prop6sito.

La Fase Determinativa selecciona el rango de las posibles
opciones dentro de las alternatives del factor de
producci6n. Invariablemente hay diversas opciones
disponibles al agricultor, para cualquier alternative
dada. Por ej. 61 tiene la alternative de sembrar una
variedad local o una variedad mejorada. Si 61 selecciona
para sembrar una variedad mejorada 61 tiene la opci6n de
escoger una de las muchas que hay disponibles en el
mercado. Igualmente sucede en la elecci6n de herbicidas,
niveles de fertilizantes y muchas otras practices de
producci6n. El prop6sito de la fase determinativa es
estudiar la opci6n dentro de las variables experimentales
y determinar cuales tienen el retorno mas favorable a
traves del dominio.



2. Criterio de selecci6n de variables experimentales.

El factor de producci6n entra en la fase determinativa






-54-


como una variable'experimental cuando:


1) La alternative propuesta tuv6 una ventaja comparative
sobre la practice del agricultor en la fase
exploratoria, o


2) La alternative se present en una interaccion
estadisticamente significativa en la fase exploratoria,
0


3) La practica actual del agricultor incluye algdn
nivel de insumo (una opci6n) de la variable
experimental.


Los dos primeros de estos pre-requisitos por inclusion
han sido discutidos. El tercero fue agregado porque
la practice del agricultor frecuentemente puede llevar
algun nivel de-insumo de-la variable experimental,
pero no existe evidencia de que 61 este usando el
nivel 6ptimo o el mas econ6mico. Por ej. Los datos
de la encuesta pueden indicar que la mayoria de los
agricultores en el dominion de recomendaci6n aplican
urea con una dosificaci6n de 1 a 4 bolsas por Ha.
El hecho de que la mayoria de los agricultores est6n
usando drea, indica que ellos saben la respuesta del
cultivo con su uso. La investigation se enfocara
entonces sobre la determinaci6n de niveles los cuales
maximizan las ganancias econ6micas.


Este seria un caso donde el factor de producci6n
estaria colocado directamente dentro de la fase
determinativa, sin pasar a traves de ella, sin
embargo, no impide su inclusion en la fase exploratoria
al mismo tiempo. Podria ser que otras variables
experimentales incluidas en la fase exploratoria se
afectarian con la aplicaci6n de nitr6geno, en tal







-55-


caso el nitr6geno'se incluird en la fase exploratoria
como tambien en la fase determinativa.


Si la variable experimental cumple con las condiciones
de ambas fases, deberia estar incluida en ambas durante
el primer ciclo de investigaci6n.



3. Selecci6n de Disefios Experimentales.

El numero de las variables experimentales y su
agrupamiento dentro de la series experimental se
determine con los resultados de la experimentacion
previa o del razonamiento intuitive. Cuando una
interacci6n es conocida o se sospecha que existe entire
las variables experimentales, debera ser incluida en
el mismo experiment; este agrupamiento determinara
de nuevo el diseio experimental apropiado. Los disefios
mas apropiados para esta fase son los de la parcela
dividida, la parcela sub-dividida y el bloque complete
al azar.


3a. La parcel dividida. Se utiliza el diseio de parcela
dividida cuando las variables experimentales consistent
en dos alternatives con varias opciones en cada una.
Un arreglo factorial existe cuando los tratamientos
contienen todas las opciones en todas las combinaciones
posibles. Por ejemplo si hay tres niveles de nitr6geno
(N1, N2, N3) y dos niveles de f6sforo (P y P2) se
requieren seis tratamientos (2 x 3) para tener un
arreglo factorial. Los tratamientos consistiran en el
P1 combinado con el N1, el N2, y el N3 y el P2 tambi6n
con cada nivel del N.


Para asignar los tratamientos al disefio de parcela
dividida se debe:





-56-


1) Decidir que alternative se escogera como parcela
principal.


Siempre se pone la alternative de menos interns o
de la cual se espera mas respuesta debido a que en
el analisis estadistico la parcela principal es menos
apta para detectar diferencias que la sub-parcela.
Cada opci6n de la alternative forma una parcel
principal.


2) Asignar dentro de cada parcela principal todas las
opciones de la alternative seialada como sub-parcela.


Si se asigna el f6sforo como parcela principal, el
nitr6geno debe ser la sub-parcela. Hay dos niveles
(opciones) del f6sforo. Se debe asignar cada uno
de los tres niveles de nitr6geno a cada nivel de
f6sforo para que tenga un arreglo factorial en el
disefo de parcela dividida.


Se puede representar graficamente una repetici6n del
ejemplo, asi:


P1 P2




N1 N2 N3 N1 N N3


1 2 k3 4


Las parcelas 1, 2 y 3 recibiran el nivel 1 de f6sforo
y las 4, 5 y 6 el nivel 2. Cada parcela recibira el
nivel del nitr6geno indicado. Se puede verificar que
este satisfaga los requisitos del arreglo factorial.








-57-


En el procedimiento de investigaci6n presentado aqui
se utiliza el disefo de parcel dividida siempre y
cuando las variables experimentales 6 una de ellas
se encuentre en una interacci6n significativa en la
fase exploratoria. La presencia de una interacci6n
no es requisite para entrar en este diseno. El
investigator puede meter cualquiera de las dos
alternatives en el disefo siempre y cuando haya pro
babilidad de una interacci6n entire ellas.
Si no existe la posibilidad de una interacci6n mas
vale utilizar otro diseno.


3b. La parcela sub-dividida. El disefo de la parcela
sub-dividida es una extension del diseio de la parcela
dividida que permit el studio de tres alternatives
y todas las interacciones. Tiene todas las caracteristicas
de la parcela dividida en cuanto a ser un arreglo
factorial y cada division es mas apta que la anterior
en el analisis estadistico.


Se debe tomar en cuenta esto en la asignaci6n de
alternatives en la parcela principal, la sub-parcela
y la sub-sub parcela.


Se asignan las alternatives y opciones de la misma
manera que en la parcela dividida. Las opciones de una
alternative forman las parcelas principles. Dentro
de cada parcela principal entran todas las opciones
de la segunda alternative. Estas son las sub-parcelas.


Finalmente, dentro de cada sub-parcela entran todas
las opciones de la tercera alternative.


Supongamos que se desea estudiar los efectos de dos
herbicidas con tres formas de aplicaci6n en dos 6pocas.
Pongamos como parcela principal los herbicidas, como





-58-


sub-parcela las epocas y la forma de aplicaci6n como
sub-sub-parcela.


El croquis de una repetici6n serla:



HERBICIDE I HERB ICIDA II
Epoca A Epoca B Epoca A Epoca B


F1 F2 F F1 F2 F3 F1 F2 F3 Fl F2 F3

2 312n3 1 23 10 112 1


La parcel 1 recibira herbicida I en la epoca A con
la forma !. La parcela 12 recibira herbicida II en
la 6poca B con la forma 3.


Tal como en el diselo de parcelas divididas se
utiliza el diseno de parcela sub-dividida siempre y
cuando exista la posibilidad de una interacci6n entire
las alternatives en la investigaci6n. Si no existe
la posibilidad de ello, mas vale utilizar otro
disefo.



3c. El bloque complete al azar. Los tratamientos que
entran en el bloque complete pueden former un arreglo
factorial o no. Esto depend del prop6sito de la
investigaci6n. Si existe la posibilidad de
interacciones entire las alternatives puestas como
variables experimentales debe utilizarse el arreglo
factorial. Si no hay probabilidad de interacciones
se pueden asignar los tratamientos de interns, sean
de alternative o mas, en el bloque.







-59-


Si acaso hay dos o tres alternatives en el studio con
la probabilidad de una interacci6n entire ellas y son-de
la misma importancia 6 interns, el arreglo factorial en el
disefio de bloques completes al azar es el disefo mas
propio. Asi todos los factors principles y las
interacciones son medidas por el mismo error experimental.
Es decir todas se miden con la misma regla.


Si el investigator desea un arreglo factorial con 3 o mas
opciones de una 6 mas alternatives, debe tener much
cuidado en el arreglo de tratamientos. Si se equivoca
en un tratamiento se pierde el arreglo factorial.
Para no equivocarse se recomienda usar la metodologia
explicada para el arreglo de tratamientos en el disefio
de parcelas sub-divididas. Una vez que se tiene la
lista de tratamientos se puede asignarlos a las
parcelas del bloque en fo-rma al azar.


Se utiliza el diseio de bloques completes al azar en
el studio de varias opciones dentro de una alternative
o combinaciones de opciones de dos o mas alternatives
cuando no le interest las interacciones. El ensayo
de variedades es un ejemplo del studio de varias
opciones dentro de una alternativa-. Comparando tres
tecnologias, cada una de las cuales contienen
alternatives diferentes, es un ejemplo la otra posibi
lidad.



4. La distribuci6n de Repeticiones.

En la fase exploratoria la decision era poner un
bloque complete 6 un bloque incomplete en cada sitio.
La filosofia basica es distribuir el ensayo de tal
forma que muestre al maximo la variabilidad dentro
del dominio. Con esta idea se recomienda la





-60-


distribuci6n de un bloque incomplete por sitio. En la
fase determinativa seguimos con la misma filosofia basica
en cuanto a la distribuci6n de repeticiones, pero entran
otras consideraciones.


Para cada ensayo, sea cual sea el disefo, se puede
colocar una repetici6n por sitio o mas de una. Ambos
sistemas tienen ventajas y desventajas. El equipo
investigative debe estudiar los objetivos de cada ensayo
y los recursos para determinar el numero de repeticiones
de cada ensayo en cada sitio.


Si ponemos una repetici6n por sitio, esto nos permit
mostrar mas ampliamente la variaci6n en el dominion.
Esta es la ventaja. La desventaja es que no nos permit
detectar diferencias entire sitios con confianza. En el
analisis de variancia, repeticiones y sitios seran
sin6nimos como fuente de variaci6n. Si hay una-diferencia
significativa entire repeticiones no se sabe si se debe
a una condici6n microclimatica 6 una condici6n mas
general. Por ejemplo si la repetici6n 6 una parte de
ella fuere ubicada en suelos no representatives saldria
diferente de las demas.


Si se ponen dos o tres repeticiones en cada sitio se
elimina este problema debido a que en el analisis hay
varias muestras de cada tratamiento. La ventaja es que
los resultados son mas representatives que el sitio.
La desventaja es que require mas recursos sembrar dos
o tres repeticiones por sitio. Dada la limitaci6n en
recursos, la siembra de multiples repeticiones por
sitio indica la disminuci6n en muestras.


Como se habia dicho antes, el equipo debe estudiar
cada caso. No hay regla fija. La unica guia es el
diseno y el prop6sito del ensayo. Si es un arreglo








-61-


factorial, que indica que hay interacciones de interest,
es aconsejable poner dos o tres repeticiones por sitio.
Asi se permit no solo el studio de las.interacciones
entire variables experimentales sino tambi6n las
interacciones entire sitios y las variables experimentales.
En el caso de bloques completes al azar, el puesto de
multiples repeticiones no tiene tanta importancia
aunque puede ser util en la verificaci6n de la
homogeneidad del dominio de recomendaci6n.



5. El analisis estadistico a traves de localidades.

En el caso de la siembra de una repetici6n por sitio,
la unica forma de hacer el andlisis es considerar cada
sitio como repetici6n. Como se ha mencionado, se
pierde informaci6n respect a diferencias entire sitios
e interacciones entire sitios y variables experimentales,
pero en unos casos estas son de menor importancia.


La siembra de dos o mds repeticiones en cada sitio
nos permit una comparaci6n entire sitios y estudiar
las interacciones entire variables y sitios. Para
hacer este tipo de studio se consider el sitio como
la parcela principal y se hace el andlisis de variancia
de acuerdo con este. Esto quiere decir que los
disenos sembrados se analizan como otro diseno. El
bloque complete al azar se analiza como un disefio
de parcela dividida; la parcela dividida como parcela
sub-dividida y la sub-dividida como parcela sub-sub-
dividida.


Las ventajas del analisis combinado son:

Permite estudiar los efectos a traves del dominion
en un solo analisis.





-62-


Con mas grades de libertad en los errors, el analisis
es mas sensitive.

Permite verificar la homogeneidad del dominio y
reajustar los limits si es necesario.

Permite estudiar interacciones entire sitios y
variables experimentales.



6. La Segunda aproximaci6n del Dominio de Recomendaci6n.


Cuando las diferencias entire sitios son significativamente
diferentes en el analisis estadistico, los investigadores
deben determinar si los sitios significativamente
similares estan geograficamente agrupados o dispersos.
La DMS calculada para sitios se usa para la determinaci6n.
Las dos situaciones extremes pueden ser encontradas
cuando las diferencias entire sitios son significativas.
Un sitio puede ser estadisticamente diferente de todos
los otros 6 cada sitio puede ser estadisticamente
diferente de los demas. El primer caso indicara un
sitio con una series especifica de condiciones, mientras
que el segundo indicaria una variabilidad de sitio a
sitio tan grande que un verdadero dominio de recomendaci6n
no existe para los factors de producci6n bajo
investigation.


Entre estos dos extremes existe un numero indeterminado
de combinaciones.


Cuando las diferencias entire sitios no son estadistica
mente diferentes, puede asumirse que los limits
actuales del dominion son correctos.


Cuando las diferencias entire sitios son significativas
debe hacerse un studio detallado. Para acompafar esto







-63-


el investigator, usando la DMS calculada para sitios,
agrupa primero todos los sitios de acuerdo a su
similitud estadistica. No es necesario dividirlos en
grades normalmente encontrados en trabajos estadisticos;
tres grupos seran suficientes. Un metodo sugerido para
la agrupaci6n de sitios es reunir aquellos que son
estadisticamente similares en los lugares de mas bajos
rendimientos. Todos los sitios entire estos dos grupos
deben ser considerados como parte de un grupo intermedio.


Si en la formaci6n de los dos grupos originales, algunos
sitios se incluyen en ambos grupos, los sitios deben
ser divididos en dos grupos, asignando parte de estos
a aquellos que sobresalen en cada grupo, o a los
grupos superpuestos los cuales deben ser considerados
como un grupo separado.


Teniendo asignado cada sitio a un grupo de rendimiento,
el investigator determine si los lugares dentro de cada
grupo estan geograficamente agrupados o dispersos al
azar a traves del dominio de recomendaci6n. La
agrupaci6n geogr6fica indica una alta probabilidad
de la existencia de mas de una region agroclimatica
dentro del dominion de recomendaci6n actual definido.
Las diferencias en sitios dispersos al azar, que no
estan correlacionados con la agrupaci6n, indican
variabilidad en las condiciones agroclimaticas dentro
del dominion. Bajo ambas circunstancias los campos de
observacion deberan estudiarse y una encuesta informal
debera efectuarse para detectar las causes de la
amplia variaci6n entire sitios y determinar si estas
causes son estacionarias o permanentes en la naturaleza.
Si se determine que las causes radicales para la
variabilidad entire sitios son permanentes (ej. tipos
de suelo, models de lluvia, etc.) se hace necesario
una redefinici6n de la recomendaci6n.






-64-


6b. El andlisis e interpretaci6n estadistico. Las tablas
D1 a D3 presentan los datos y el ANDEVA del ensayo de
control de malezas y niveles de urea.


Un studio del ANDEVA indica que no hay ningina
interacci6n de significancia; adn mas los medios cuadrados
tan bajos indican que no hay tendencia except tal vez
en la interaccion Localidad x Urea.


La diferencia altamente significativa entire localidades
nos interest. No se la encontr6 en la fase exploratoria.
LPor que ahora? En la tabla D3 la diferencia menos
significativa (DMS) entire localidades nos demuestra que
las cuatro localidades caven en dos grupos: Las I y II
forman un grupo y las III y IV el otro. Esto requerira
un studio utilizando toda la informaci6n recopilada en
las fases anteriores y en esta. Los resultados del studio
deben orientar la distribuci6n-de experiments en los
siguientes ciclos.


Estadisticamente no hubo diferencia de rendimiento entire
la practice del agricultor y el control quimico. Tal
resultado es muy comun dado que en general los agricultores
hacen un control de malezas adecuado aunque no siempre
lo mas 6ptimo.


Aunque la interacci6n entire localidades y urea no es
significativa, el medio cuadrado (MC) se esta acercando
a un nivel de significancia. El "F" calculado es 1.9
mientras el F tabulado es 2.4.


Dado que ambas components de la interacci6n salieron
altamente significativas, vale la pena construir una
tabla de promedios de niveles de urea en cada localidad
tal como la tabla D3.







-65-


En la tabla D3 se encuentran las diferencias menos sig-
nificativas para niveles de urea promediados a trav6s de
localidades (0.17 T/ha.) y para niveles dentro de
localidades (0.34 T/ha.). En cuanto a los promedios a
traves de localidades cada nivel es significativamente
diferente de los demas. Como el rango de niveles del
ensayo era de 0 a 4 bultos de product, no se puede
estipular mas arriba de 4 y predecir cual sera el efecto
de 5 o 6 bultos. Puede ser que siga la tendencia de
aumentar la production 6 no se aumente mas. Si se desea
esta information debera incluir estos niveles en un
ensayo en el proximo ciclo.


Un studio del efecto de urea, localidad por localidad,
demuestra que en todas las tendencies hay un aumento de
producci6n con niveles mis altos de urea. En las cuatro
localidades la diferencia entire 0 y 4 bultos de urea es
apr6ximadamente una tonelada de producci6n. La
diferencia en producci6n entire 2 y 4 bultos no es tan
marcada y varia de localidad a localidad. De acuerdo con
la estadistica require cuando menos 0.34 T/ha. entire
niveles dentro de la localidad para que sean diferentes.
De acuerdo con esto se encuentra una diferencia entire 2
y 4 bultos en la localidad IV. En otras palabras, en las
localidades I, II y III 2 bultos sirven igual que 4
bultos porque de acuerdo con la estadistica los promedios
de 2 bultos y de 4 bultos caben dentro del rango que se
tiene a chance 19 veces en cada 20.


Cabe anotar aqui que el studio estadistico es solamente
la mitad de la historic. De igual importancia es el
studio econ6mico. Se deben basar las decisions de que
hacer en la pr6xima campaia con la informaci6n saliente
de los dos studios.






-66-


TABLA Dl.


Resultados del ensayo de parcela dividida conducida
en la fase determinativa y analizada como una parcela
sub-dividida.


Loc. Control Urea Rep.1 Rep.2 Rep.3 Total
I Manual 0 1.11 0.70 0.55 2.36
S2 1.14 1.16 1.55 3.85
4 1.17 1.43 1.44 4.04
__3.42 3.29 3.54 10.25
Quimico 0 0.96 0.72 0.47 2.15
2 1.01 1.49 1.39 3.89
4 1.37 1.28 1.33 3.98
3.34 3.49 3.19 10.02
6.76 6.78 6.73 20.27
II Manual 0 0.70 0.38 0.95 2.03
2 1.23 1.75 1.03 :4.01
__4 1.22 1.89 1.11 .4.22
3.15 4.02 3.09 10.26
Quimico 0 0.80 0.63 0.74 2.17
S2 1.58 1.12 1.33 4.03
___4 1.97 1.63 1.83 5.43
4.35 3.38 3.90 11.63
7.50 7.40 6.99 21.89
III Manual 0 2.05 1.41 2.28 5.74
2 1.95 2.10 3.92 7.97
4 2.80 2.75 3.95 9.50
6.80 6.26 10.15 23.21
Quimico 0 2.41 1.26 2.24 5.91
2 2.76 2.60 3.31 8.67
4_ 2.78 2.74 3.38 8.90
7.95 6.60 8.93 23.48
____14.75 12.86 19.08 46.69
IV Manual 0 2.33 1.87 2.39 6.59
2 3.15 3.58 3.17 9.90
4 3.81 3.88 3.43 11.12
_9.29 9.33 8.99 27.61
Qulmico 0 2.79 1.85 2.28 6.92
2 3.19 2.86 3.49 9.54
4 3.85 3.12 3.81 10.78
*_ 9.83 7.83 9.58 27.24
19.12 17.16 18.57 54.85


48.13


44.20 51.37 143.70


TOTAL REPETICIONES












Analisis de variancia del ensayo de parcel sub-
dividida, Fase.Determinativa.


Fuente df I SC I


Repeticiones
Localizaci6n
Error (a)

Control malezas
Loc. x Control
Error (b)

Urea
Loc. x Urea
Cont. x Urea
Lx C x U
Error (c)


TABLA D3.


Promedio
localidades

DMS:
Localidades
Urea


1.0743
50.8945
:2.6804

0.0150
:0.1039
.1.2962

13.0803
1.0886
0.0012
.0.3410
2.9123


0.537?
16.9648
0.4467

:0.0150
0.0346
0.1620

.6.5402
0.1814
:0.0006
.0.0568
0.0910


.F


37.98**
C.V. 33%

n.s.
n.s.
C.V. 20%

143.74**
n.s.
n.s.
. n.s.
: C.V. 15%


Tabla de promedios de rendimientos (T/ha) por
localidad y tratamientos de Urea.


1.14 1.22 2.59 3.05


= 0.55 T/ha.
= 0.17 T/ha.


Urea dentro de localidades = 0.34 T/ha.


TABLA D2.


-67-






-68-


6c. El analisis econ6mico. Los datos del analisis econ6mico
en forma de presupuesto parcial se presentan en las tablas
D4 y D5. Se debe anotar que se utilizaron los promedios
a traves de cuatro localidades en el analisis. Comparando
los beneficios netos entire controls de malezas a trav6s
de niveles de urea, se encuentra que van paralelamente
(tabla D4.). Los tratamientos dominantes son los tres
de control quimico (tabla D5).


TABLA D4.


Datos de Presupuesto parcial para Control de


Malezas/Experimentos urea,


Fase Determinativa.


Control Manual :' Quimico

Urea 0 2 4 0 2 4
Rendimto. 1.39 2.14 2.41 1.43 2.18 2.42
10% 1.25 1.93 2.17 1.29 i.96 2.18
Beneficios
amplios 7,500 11,580 13,020 -7,740 11,760 13,080
Costos
Herbicida 0 0 0 102 102 102
Aplicacion
Urea 0 120 240 0 120 240
Herbicida 0 0 0 40 40 40
Urea 0 40 40 0 40 40
Malezas 150 150 150 0 0 0
Variacion
costs 150 310 430 142 300 422
Beneficios
Netos 7.350 11,270 12,590 7,598 11,460 12,658
Tratamiento (1) (2) (3) (4) (5) (6)
Trtmet I I I











TABLA D5.


Andlisis Presupuesto parcial, control malezas/urea.
Ensayos fase determinativa, todas las localizaciones.


En vista de los resultados del andlisis e interpretaci6n estadistico
y el hecho de que el primer analisis se hiz6 con promedios a trav6s
de localidades, se recomienda en tal caso un andlisis de sensibilidad.
En este caso haremos dos analisis de presupuesto parcial: uno
combinando localidades I y II y btro combinando localidades III y
IV. Las tablas D6 y D7 presentan los datos de este studio.


TABLA D6.


Beneficios netos de localidades III y IV.


-69-


Beneficios Costos Cambios en: Ganancia
Tratamiento :Netos Variables B.Netos Var.Cost. Marginal

(6) 12,658 422 1198 :122 982%
(5) 11,460 .300 3862 158 .2444%
(4) 7,598 .142 .248 8 3100%
(1) 7,350 .150


Control
Localidad Urea Manual Quimico

0 2 4 0 2 4

.III 10170 14030 16670 10478 15300 15598
IV 11739 17510 19610 12338 16860 18958

Promedio
Localidades 10950 15770 18140 11408 16080 1:7278
Beneficios : Cambios en: Ganancia
Tratamiento : Netos Costos B.Netos Var.Cost. Marginal

(3) .18140 430 862 8 .10775%
(6) 17278 422 1198 122 982%
(5) 16080 300 4672 158 295%
(4) 11408 142 458 8 5700%
(1) 10950 150






-70-


TABLA D7. Beneficios Netos y Presupuesto parcial para
Localidades I y II.



Control de Urea
Localizaci6nn Manual ___ Quimico
0 2 4 0 2 4
I 4110 6590 6890 3758 6720 6778
II 3510 6950 7190 3758 6960 9358

Promedio
Localizaci6n 3810 6770 7040 3:758 6840 8068
Beneficios Cambios en: Ganancia
Tratamiento Netos Costos B.Netos ..Var.Cost. Marginal


(6)
(5)
(1)


S1006%
2020%


3810 150


6d. La interpretaci6n de los anilisis y disposici6n de las
Variables. En el analisis econ6mico los tratamientos 5
y 6 (2 y 4 bultos de urea) tienen ventaja econ6mica en
condiciones de bajo rendimiento asi como en el mas alto.
Al mismo tiempo el analisis estadistico nos demuestra
que en tres de las cuatro localidades no hay una
diferencia entire tratamientos. Como se puede apreciar,
la decision de que hacer no siempre result con claridad
en los analisis. El equipo debe estudiar y discutir las
posibles vias en la investigaci6n. En este ejemplo se
puede decidir repetir el ensayo en el pr6ximo ciclo o
incluir otros tratamientos en la proxima fase, 6 ambas
alternatives.


Existen arguments a favor de cualquiera de las tres.
Para seguir con el ejemplo, continuar6mos,incluyendo
otros tratamientos en la siguiente fase.


1228
:3030


122
150


8068
6840
3810


.422
:300
-lSO







-71-


8. Un ejemplo del ensayo de bloques completes al azar.

Conjuntamente con el ensayo de control de malezas y niveles
de urea se decidi6 llevar a cabo un ensayo de variedades
promisorias en el disefo de bloques completes al azar,
con una repetici6n de cada una de las 6 localidades.
Este ensayo tendria 25 grades de libertad en el error.



8a. Estimaci6n del numero de repeticiones requeridas. Aplicando
la ecuaci6n para constatar si seria suficientes las
repeticiones, tenemos:



Observaciones = 2 2 (1.708 + 0.856)
minimas


= 9.499

= 10 Repeticiones minimas dado que cada
repetici6n contiene solamente una
observaci6n por variedad.


Se estima un CV del 17% para variedades y deseamos detectar
una diferencia del 20% en rendimiento entire variedades.
Como el costo de adaptaci6n de una nueva variedad es
minimo, no es necesario basar 6ste calculo en el analisis
econ6mico. En cuanto a la variedad de los agricultores
podemos juzgarla por la vista mas que todo.


El equipo decidi6 situar 3 repeticiones en cada una de
las 4 localidades. Este plan podra permitir no solo una
investigaci6n mas sensitiva de variedades, sino tambien
dominio en recomendaciones e interacci6n variada a
traves del microclima, dentro del dominion.







-72-


8b. La interpretaci6n del analisis estadistico. Las tablas
D8 a D10 demuestran los resultados del ensayo de
variedades promisorias. Se debe anotar que se hicieron
los analisis en forma de parcela dividida; esto nos
permit estudiar la homogeneidad del dominio en cuanto
a las variedades y la interacci6n entire localidades y
variedades, ademas se hace mas sensitive el analysis de
diferencias entire variedades e interacci6n. Si hicieramos
el andlisis como bloque complete para cada localidad,
tendriamos soldmente 8 grades de libertad en el error.


No hubo diferencia significativa entire localidades.
Como se sembraron tres repeticiones de este ensayo junto
con las otras tres repeticiones del otro ensayo, es
interesante anotar que en este no hubo diferencia
significativa mientras que en el otro si hubo. Esto
quiere decir que las variedades no son tan sensibles,
como niveles de urea, a las variables no experimentales
entire localidades. Se debe anotar de todos modos, que
el valor del "F" (4.41) se esta aproximando al valor
tabulado (4.53).


En cuanto a las variedades, si hay diferencia altamente
significativa, ademas no hay ni tendencia de interacci6n
Localidad x Variedad. Aplicando la prueba de Tukey a los
promedios a traves de localidades, se encuentra que las
variedades 1 y 2 entran en la misma categoria. Aunque
no existe una interacci6n significant, vale calcular la
diferencia menos significativa de variedades dentro de
localidades para estimar la estabilidad de las variedades
a traves del dominion. Tambien se puede calcular la DMS
a traves de localidades (Vease Parte III).


Al comparar las variedades 1 y 2 utilizando la DMS
dentro de localidades, tenemos nuevamente una division
entire ellas: las localidades I y II formando un grupo y







-73-


y las localidades III y IV formando otro.
En el primer grupo, en ambas localidades, hay una diferencia
entire Variedad I y Variedad II mas grande que la DMS.
En el otro grupo no hay diferencia entire ellas; no obstante
estas diferencias, la variedad I es mas stable a trav6s
del dominion.


Como la adopci6n de una nueva variedad no represent
diferencia alguna en costs de producci6n, no es necesario
el andlisis econ6mico. Si la adopci6n represent un
cost, como la compra de semilla de hibridos 6 un cambio
en el sistema de cultivo, requerira tambi6n el andlisis
economic.



TABLA D8. Ensayo de variedades promisorias, Fase Determinativa.



Localidad Variedad Rep.I Rep.II Rep.Il Promedio

A 1 2.53 3.36 3.48 3.12
2 1.96 2.92 2.99 2.62
3 1.05 2.72 3.42 2.40
4 2.36 1.69 1.20 1.75
5 1.82 2.01 1.66 1.83
B 1 4.25 4.21 3.37 3.94
2 3.67 2.70 3.59 3.32
3 2.97 3.22 1.61 2.60
4 2.77 3.72 2.38 2.96
5 1.61 1.77 2.22 1.87
C 1 3.62 4.07 4.20 3.96
2 4.16 4.78 3.03 3.99
3 3.66 3.97 3.37 3.67
4 3.46 4.81 1.63 3.30
5 1.92 2.60 2.36 2.29
D 1 3.51 2.76 2.75 3.01
2 3.39 3.28 2.27 2.98
3 3.26 2.13 1.22 2.20
4 3.31 3.43 1.88 2.87
5 1.72 1.80 1.70 1.74











TABLA D9.


TABLA D10.


ANDEVA. Ensayo de Variedades Promisorias.


Promedios de Variedades dentro de Localidades.


Promedio
Localidad


DMS = (Prueba de Tukey)
Entre Promedios de:

Variedades = 0.29 T/ha.
Variedad dentro de localidad = 0.49 T/ha.


-74-


Fuente gl SC MC F

Repeticiones 2 3.4003 1.7001 2.16
Localidades 3 10.4200 3.4733 4.41
(a) .6 4.7242 0.7874 C.V.=31%


Variedades 4 17.4001 4.3500 11.14**
Loc. x Var. 12 .3.4799 0.2900 n.s.
(b) :32 12.4997 0.3906 C.V.=22%


LOCALIDADES Promedios
Variedades I II III IV Variedades

1 :3.12 3.94 3.96 3.01 3.51 a
2 :2.62 3.32 3.99 2.98 3.23 a
3 :2.40 2.60 3.67 Z.20 2.72 b
S4 :1.75 2.96 3.30 2.87 2.72 b
5 :1.83 1.87 2.29 1.74 1.93 c





-75-


9. La disposici6n de las variables experimentales en la Fase
Determinativa.

Habiendo concluido todos los analisis, la decision se
hace acerca de la disposici6n de los tratamientos. Cada
tratamiento que se incluy6 en la fase determinativa debe
ser colocado en la fase de verificaci6n, retenido en la
fase determinativa, 6 descontinuado. El criteria para
tomar.la decision se discute mas abajo.



9a. Postura en la Fase de Verificaci6n. Solamente aquellos
tratamientos que demostraron un retorno marginal
acceptable en el andlisis de ganancia marginal y con
ganancias aceptables a traves de todos los sitios en el
analisis de sensibilidad seran colocados a la vez en la
fase de verificaci6n. Estos tratamientos han demostrado
una habilidad para rendir una ganancia acceptable aun
donde existen diferencias en sitios y por lo tanto son
lo suficientemente estables para rendir una ganancia
baja en rango de las condiciones esperadas en una
estaci6n promedia.



9b. Retenci6n en la Fase Determinativa. Todos los tratamientos
envueltos en las interacciones en sitios x tratamientos
que probaron tener una ganancia marginal igual a 6 por
encima de la practice del agricultor, pero que no fueron
incluidos en la fase de verificaci6n, seran probados por
lo menos un ciclo mas y los resultados analizados a trav6s
de ciclos, despues de lo cual seran colocados en la fase
de verificaci6n, o descontinuados.



9c. Descontinuaci6n. Son descontinuados todos los tratamientos
no incluidos en una de las categories superiores.






-76-


10. La Disposici6n de las variables en los ejemplos.


Volviendo al ejemplo, ambos ensayos demostraron una
diferencia significativa entire localizaciones 6 una
tendencia. En base a adelantos en studios fue determinado
que esta diferencia se atribuia a algunos factors
limitantes no identificados y todas las localidades de
baja producci6n fueron situados en la misma area
geografica dentro del dominion.


El studio de los analisis econ6micos tablass D8 a D10)
indica que adn en las dos practices de niveles de bajo
rendimiento (Quimica + 2 cajas de Urea y Quimica + 4
cajas de urea) restan economic con la misma rata marginal
de ganancia apr6ximada, en ambos niveles de rendimiento.


Los resultados del ensayo de variedades indican que
aunque la variedad escogida (Variedad 2) fue mas alta en
rendimiento que la variedad del agricultor (Variedad 3)
una disponibilidad para elegir (Variedad 1) muestra
sefas de superar la antigua variedad. Otros dos materials
(Variedad 4 y 5) no dan ninguna serial y el productor
consider eliminarlos de su program de producci6n.


Despues de revisar los resultados de ambos ensayos, el
equipo decidi6:


1) Tentativamente elegir la regi6n-de bajos rendimientos
como otro dominio y empezar trabajo exploratorio para
determinar la causa o causes de diferencia en
rendimientos. Podria no ser necesario incluir urea
control de malezas como variables experimentales desde
que el responsible de estos hechos tenga lista la
demostracion.






-77-


2) Reemplazar Variedad 2 con Variedad 1 en el program
de investigaci6n con el entendimiento que el productQr
podria tener semilla disponible en una escala commercial,
anterior a la variedad entrante, en la gran parcel
de la fase de verificaci6n. Los ensayos de variedad
podrian continuarse.


3) Dos grupos de ensayos podrian llevarse en la fase de
verificaci6n, uno para la region de baja producci6n
y otro para la region de alta producci6n. Los
ensayos para la region de baja producci6n podrian
contener los tratamientos 1, 5 y 6. Los datos de
localizaciones III y IV fueron analizados separadamente.
Los resultados estan demostrados en la Tabla D12.



La comparaci6n de significados y la DMS para control de
malezas demostrar6n que no existe verdadera diferencia
entire los controls en algun nivel de aplicaci6n de
Urea (Tabla D11). Por lo tanto la diferencia en
beneficios netos entire tratamiento 1 y el tratamiento
4 (tabla 9), no es, en efecto, segura. Estadisticamente
los dos rendimientos podrian haber estado invertidos
dando al tratamiento una ventaja. Desde que no hubo
diferencia entire los tratamientos 5 y 6, fue decidido
que los tratamientos 1, 3 y 5 podrian estar incluidos
en la fase de verificaci6n.






-78-


FASE DE VERIFICATION


La Fase exploratoria demostr6 cuales de las alternatives para
practices de producci6n tenian una ventaja comparative sobre
las practices actuales de los agricultores. Aquellas que no
presentaban ventaja comparative fueron eliminadas de invest
gaciones posteriores. La fase determinativa nos capacity
para seleccionar dentro de estas alternatives cuales tenian
una ventaja comparative sobre las practices del agricultor
como otras opciones incluidas en la investigaci6n. Aquellas
opciones que tenian ganancia marginal desfavorable o inconstancia
a trav6s del dominio fueron eliminadas de posteriores pruebas
de investigaci6n. Se recomend6 una alternative conservadora,
en la cual todas aquellas opciones con una ventaja econ6mica
fueran retenidas.



1. Prop6sitos de la Fase de Verificacibn.


Los propositos de la Fase de verificaci6n son corroborar
los resultados de la fase previa anterior, y elegir las
opciones mas prometedoras. No solo estamos interesados
en verificar estos resultados, sino que deseamos aumentar
nuestro grado de confianza en ellos. Los resultados
finales de esta fase son las opciones practices de
producci6n que han demostrado tener una ventaja econ6mica
sobre la practice del agricultor y estabilidad a traves
del dominio de recomendaci6n; estos le seran- ofrecidos como
practices recomendadas despues de una verificaci6n final
en terrenos de tamafio commercial. Ademas de aumentar nuestra
confianza en los resultados de tratamientos, tambi6n
deseamos verificar posteriormente la homogeneidad del
dominio de recomendaci6n y donde sea necesario definir los
limits.





-79-


En breve, entonces, deseamos: 1) Corroborar resultados
previous, 2) Elegir las opciones mis prometedoras, 3)
Aumentar nuestro grado de confianza en ellas, y 4) Verificar
la homogeneidad del dominio. Debemos tomar en cuenta
todos estos prop6sitos en la selecci6n de variables
experimentales de disefos experimentales y en la
distribuci6n de experiments.



2. Criterios para selecci6n de variables experimentales.


De la fase determinativa a la fase de verificaci6n, las
entradas pueden ser: a) de una opci6n dentro de una
alternative (ej.: variedad); b) varias opciones dentro
de una alternative (ej.: niveles de urea); c) opciones
a traves de alternatives (ej.: control de malezas y niveles
de urea).


El criterio de selecci6n seria asi: La alternative a)
tenia una ventaja comparative en la fase determinativa
en el analisis del presupuesto parcial; la alternative
b) demostr6 estabilidad en el andlisis de sensibilidad y
la alternative c) demuestra que hay alta probabilidad de
aceptaci6n de las nuevas opciones para los agricultores.



3. Confiabilidad en los resultados finales.


En las primeras fases de investigaci6n podriamos aceptar
mas riesgos en la admisi6n de alternatives u opciones
promisorias. Es preferible, en estas fases, tener el
riesgo de aceptar una opci6n que mas tarde se va a
rechazar que evitar una que pudiera former part del
grupo de las aceptadas. Llegado el moment mas cercano
para definir las opciones que se van a presentar como
recomendaciones al agricultor, deseamos tener mas confia






-80-


bilidad en ellas. Podemos aumentar el nivel de confianza
de dos maneras: Restringir el nivel de aceptaci6n de
errors y mejorar la sensitividad en los ensayos.


3a. Nivel acceptable en los errors experimentales. En los
primeros pasos de la investigaci6n se determine que una
probabilidad del 10% del tipo I error y el 20% de proba-
bilidades del tipo II error, seria acceptable. En estos
vastos limites nosotros contabamos con un tanto de
coeficientes grandes de variaci6n que guardaban contrast
con la posibilidad de rechazo de una opci6n potencialmente
util.


En la fase de verificaci6n deberiamos colocar restricciones
engahosas si estamos apr6ximandonos al punto donde la
elecci6n de recomendaciones seria hecha. Un limited
razonable para esta 6poca es. de un 5% de probabilidad
para el tipo I error y 10% para el tipo II error. Estos
valores seran sustituidos dentro de la ecuaci6n usada
para la determinaci6n del numero minimo de repeticiones.



3b. El CV acceptable. El CV esta relacionado con el error
experimental y como tal refleja la sensitividad del
ensayo. Un error experimental grande resultara en una
CV grande y ambos indican menos sensitividad en la habilidad
para detectar diferencias entire tratamientos.


Al principio de la investigaci6n se estim6 la CV esperada
en los ensayos. Se acept6 esta como regla y se utiliz6
en los calculos del numero de repeticiones requeridas en
cada ensayo. Esta CV estimada represents la variacion
en el campo con la practice del agricultor. Es possible
que con la introducci6n de nuevas opciones se disminuya
esta variaci6n; si es asi la CV a nivel de fina debe
reflejar la diferencia.






-81-


Si se disminuye 6 no, llegado el moment cercano de
lanzar una recomendaci6n, debemos restringir la amplitud
en los limits de aceptacion para que sean mis confiables
los resultados finales. Como el CV refleja la variaci6n
no controlable en el ensayo, una CV media a nivel de finca,
que es marcadamente mas grande en la fase de verificaci6n,
puede indicar la necesidad de estudiar el porque.


La CV esta relacionada con el error experimental y es
bien conocido que el error experimental esta relacionado
con el numero de repeticiones. Se puede disminuir
consecuentemente la CV aumentando el numero de repeticiones.
En la planeaci6n se puede elegir la CV que se desea y
substituirla en la formula para el cAlculo del numero
de repeticiones requeridas.


3c. Mejora de sensitividad por numero de repeticiones. En
esta etapa de la investigaci6n deben existir repeticiones
multiples en cada sitio de tal manera que la interacci6n
del tratamiento x sitio pueda ser estimada. Un minimo de
3 repeticiones por sitio es recomendado. El andlisis
estadistico para el ensayo sera en forma de parcel
dividida con sitios como parcelas principles y
tratamientos como sub-parcelas. Cuando los tratamientos
se tornan en arreglo factorial a nivel de finca, se ha
formado un nivel mas alto de disefio de parcela dividida
(ej.: parcela sub-dividida) el cual sera empleado para
el analisis.


Ejemplo del cAlculo del numero de repeticiones.


En la fase determinativa se decidi6 que tres tratamientos
podrian formar parte dentro de la fase de verificaci6n.
Por dominio de la verificaci6n limited y estimaci6n de la
interacci6n localizaci6n x tratamiento, un numero minimo
de 3 repeticiones por localizaci6n es requerido.






-82-


El coeficiente de variaci6n del ensayo en la fase determi
native era del 15%. Los tres tratamientos elegidos no
permiten un arreglo factorial, aunque la elegida sera una
parcela dividida con localizaciones como en la parcela
principal y tratamientos como en parcelas divididas en
parcelas distribuidas al azar en bloques completes.


Deseamos detectar un 20% de diferencia en por lo menos el 90%
de los ensayos. En un nivel de importancia del 5% se
estima que 6 localizaciones seran suficientes. Esto sera
verificado por la ecuaci6n minima de observaciones.
Nuestro principal interns es comparar cada una de las
dos opciones experimentales con la practice del agricultor
y valor +, el cual deberia ser usado para t1 y t2. La
mayor parte de los valores puestos en el indice + son
para las pruebas de 2 extremes, aunque el valor de t para
la prueba de 1 extremes se encuentra en la column
izquierda de nivel significativo deseado. Por ejemplo
el valor de t1 extreme para el nivel 0.5 se encuentra en
la column nivel 0.10.


Substituimos los valores para la re-definici6n de
parametros dentro de la ecuacion para minimo de
observaciones.




Observaciones 1 2 2


= 2 (.2 (1.645 + 1.282)

tenemos.........= 28 observaciones


Desde entonces cada localizaci6n contendra 3 observaciones
de cada tratamiento (una en cada repetici6n), seis
localizaciones podrian tener observaciones inadecuadas





-83-


para encontrar los standards que tenemos que establecer.
En este caso un minimo de 10 localizaciones se require.



3d. Mejorando la sensitividad por el tamafo de parcela. El
taniafio de la parcela en la fase de verificaci6n debera
ser mayor que en las tapas previas. El prop6sito de este
incremento es minimizar la variacion de error la cual a
su turno nos capacity para alcanzar una mayor confianza
en los resultados. Tambien con una variaci6n de error,
mas pequefa, aquellos tratamientos que eran aceptables
marginalmente en la fase determiantiva e incluldos
condicionalmente en esta fase pueden ser estimados con
mas exactitud y ser eliminados o incluidos en investigaciones
posteriores con un mayor grado de confianza en la decision.


Se puede seleccionar el nuevo tamafo de parcela por los
resultados del studio preliminary. Se debe seleccionar
el tamafo que rindi6 la CV mas cercana a la CV deseada en
esta fase.


Los tratamientos que entran en la fase de verificaci6n
consistent en las opciones mas promisorias dentro de
varias alternatives en prdcticas de producci6n. Aunque
el process de selecci6n minimize la posibilidad de un
arreglo factorial, esto puede ocurrir. El investigator
debera estar enterado de esto y usar el arreglo factorial
donde quiera que los tratamientos lo permitan ya que
esto hace possible la estimaci6n de efectos de interacci6n
que no pueden ser estimados en la designaci6n de un bloque
Luipleto al azar. Si un arreglo factorial es possible,
debera pensarse en el rango de factors de producci6n
para asignarlos como sub-parcelas y sub-sub-parcelas, en
los proyectos experimentales. En ausencia de un
arreglo factorial, la designaci6n de un bloque complete
al azar sera empleada a nivel de sitio y se analizara en






-84-


forma de parcela dividida con sitios como parcela
principal.




4. El Disefo Experimental a nivel de finca.


4a. El bloque complete al azar. Se utiliza el diseio de
bloques completes al azar a nivel de finca en la fase
de verificaci6n. Puede ser que entire los tratamientos
exista un arreglo factorial para dos o mas alternatives.
Si existe o no, el disefo experimental sera el mismo.
Lo mas important es incluir las opciones de interest
dentro de cada alternative seleccionada en un solo
ensayo. Siempre hay un tratamiento que represent la
practice del agricultor como el testigo. Como el
analisis estadistico sera en forma de parcela dividida
con localidades como parcela mayor, se median todos
los tratamientos con el mismo error. Si se encuentra
interacciones significativas entire alternatives que
forman un arreglo factorial, se puede hacer un analisis
aparte utilizando todas las parcelas que llevan opciones
de las alternatives.



4b. Distribuci6n de Experimentos. Los ensayos de la fase
de verificaci6n deberan ser mas numerosos que aquellos
colocados en la fase determinativa y deberan ser
colocados en regions dentro del dominio donde ni las
pruebas de las fases exploratoria y determinativa
fueran llevadas tan bien como en regions donde los
ensayos previous fueron manejados. Una de las grandes
tentaciones de la investigaci6n en fincas es el
establecimiento de contact con unos pocos agricultores
cooperadores y conducir toda la investigation en sus
fincas. Esto destruye el prop6sito de la investigaci6n
en fincas e incrementa la probabilidad de desarrollar






-85-


una tecnologia inadecuada. Las pruebas ideales nunca
deberan aparecer en la misma finca por dos fases
consecutivas y como esa fase require mas sitios de
ensayo se deberan incluir colaboradores adicionales a
media que progress la investigaci6n.


1) Repeticiones por sitios. En esta fase debe planearse
tres o mas repeticiones por sitio que permitiran
medir la variaci6n entire localidades. El calculo
del n6mero minimo de repeticiones requeridas para
satisfacer las restricciones que elegimos en cuanto a
la CV los niveles de significancia los recursos del
program y la variaci6n marcada en los ensayos anteriores,
determinaran el numero de repeticiones en cada sitio.


Si el dominio se ha demostrado con homogeneidad en
cuanto a las variables experimentales por un cuadrado
de medios muy bajo y los recursos limitan el numero
de sitios que puede sembrarse, podremos sembrar mas
repeticiones por sitio en menos sitios. Si el
dominion ha demostrado una variabilidad significant
se debe sembrar el numero mayor possible de sitios con
tres repeticiones por sitio.


Se consideran tres repeticiones como minimo porque
siempre hay posibilidad de perder una repeticion o
una parte de ella. Si se siembran dos repeticiones
y se pierde una o gran parte de una, todo el experiment
en este sitio est6 perdido.



2) Distribuci6n de ensayos de acuerdo con variaciones
en dominion. Donde ocurrieron diferencias significativas
de sitios, ya sea separadas o conjuntamente con una
interacci6n de sitio por tratamiento, el equipo de
investigaci6n determine6 si los sitios de respuesta







-86-


similar estaban agrupados geograficamente 6 dispersos
al azar. Ellos tambin. buscaron poder determinar las
causes de las variaciones para las raices. Los
ensayos en esta fase deberan estar distribuidos para
adecuar estas diferencias a la muestra y estimar con
mas exactitud tanto el sitio como la variabilidad del
tratamiento x sitio. Si se encontr6 agrupaci6n geogra
fica, las pruebas en la fase de verificaci6n deberin
ser colocadas para reflejar esta agrupaci6n y analizarla
de conformidad.



5. El ensayo de verificaci6n en areas adyacentes.


Los ensayos en la fase de verificaci6n son apropiados
para uso en areas dentro del dominio donde ningun
examen previo ha sido manejado. Estos resultados verify
caran los limits de dominion. Si hay una causa razonable
para career que las areas adyacentes al dominion original
son bastante similares, de manera que la reacci6n a las
opciones del factor de producci6n en la verificaci6n
podrian ser iguales, los ensayos de verificaci6n pueden
ser usados como probador. Si estos nuevos lugares no
son significativamente diferentes de algunos sitios dentro
del dominion establecido, o el analisis de ganancia marginal
indica igual rumbo a trav6s del tratamiento, los limits
de dominion pueden ser extendidos dentro del comienzo de
la fase exploratoria para la nueva area.



6. El analisis estadistico.


Para este andlisis se utiliza el disefio de bloques
completes al azar a nivel de finca. De acuerdo con el
prop6sito de la investigaci6n deseamos recomendaciones
aptas para todo el dominion. Para lograr este deseo se






-87-


necesita un analisis global en el cual se puede detectar
como funciona los tratamientos a traves de localidades.
Con este prop6sito se analiza el ensayo como parcela
dividida colocando localidades como parcela mayor. Este
analisis nos permit detectar la homogeneidad o falta de
ella entire localidades, si hay diferencia significativa
entire tratamientos, y la existencia de una interacci6n
entire localidades y tratamientos.


Las diferencias menos significativas (DMS) indican
que tratamientos 6 localidades son significativamente
diferentes. Ademas en caso de que haya una interacci6n
,significativa indica cuales son diferentes dentro y a
traves de localidades. Estos datos nos ayudan a determinar
la estabilidad de los tratamientos. Si hay una interacci6n
significativa entire localidades y tratamientos, por
ejemplo, los tratamientos que estan entire los mejores
en todas las localidades son mas estables.


Como antes habiamos mencionado, si existe entire los
tratamientos un arreglo factorial, se puede analizar
aparte si hay posibilidad de una interacci6n entire las
alternatives incluidas.


Si en el andlisis result una diferencia significativa
entire localidades, el equipo de investigaci6n debe
agrupar las localidades y hacer otros andlisis estadisticos
para cada grupo. Ademas debe estudiar el porque de las
diferencias como antes se habia explicado.



7. El analisis econ6mico.


Como en fases anteriores se utiliza el analisis del
presupuesto parcial en la determinaci6n de los tratamientos
con una ventaja comparative en relaci6n con la practice del







-88-


agricultor. Con o sin una interacci6n significativa entire
localidades y tratamientos, se debe hacer un analisis
de sensibilidad. Este es necesario porque siempre hay
variaciones debido a factors no controlables y deseamos
que las recomendaciones sean rentables y aceptables a
traves de todo el rango de variaci6n del dominion.


En los casos donde existe una heterogeneidad en el dominion
y no hay tratamientos rentables a traves del rango, se
debe hacer otros andlisis econ6micos de acuerdo con la
agrupaci6n para el analisis estadistico. Si es necesario
un analisis adicional, el equipo debe estudiar la posibilidad
de crear otro dominio de acuerdo con la division estadistica.



8. La disposici6n de las Variables Experimentales.


Las opciones a las practices de producci6n que llenen
completamente las siguientes condiciones son consideradas
para continuar en las parcelas comerciales de la fase de
verificacion.


1) La practice estuv6 entire las mas altas en beneficios
netos y/o ganancia marginal, y

2) estabilidad demostrada en el retorno, a traves del
dominio, en los analisis estadisticos de ganancia minima,
y
3) haber recibido comentarios favorables de los agricultores
colaboradores.


Si mas de una opcion dentro de una practice de producci6n
llena completamente el criterio enunciado, todas las
opciones que califican deben ser incluldas en la parcela
commercial de la fase de verificaci6n. Este puede ser el
caso, por ej., en las opciones de fertilizaci6n. Un






-89-


maximo de 3 practices de producci6n deben ser incluidas
en la parcela commercial de la fase de vericiaci6n con no
mas de 2 opciones experimentales en cualquier practice.



9. El Ejemplo.


En el andlisis estadistico de la fase determinativa hubo
una diferencia significativa entire localidades. Los
analisis econ6micos demostrar6n que aunque algunos
tratamientos mostraron una tasa de retorno acceptable, no
lo mostr6 en ambos regimenes. El dominio fue dividido
tentativamente y dos grupos de ensayos fueron propuestos
para demostrar esta diferencia. Este es ejemplo de solo
un grupo de ensayos.


El ensayo de la fase de verificaci6n se plant en 10
localizaciones con 3 repeticiones cada una.


El prop6sito del ensayo era comparar el tratamiento 3
con el 5, con practices de agricultor (tratamiento 1). Los
resultados de este ensayo se demuestran en las tablas
VI y V2.



TABLA VI. Analisis de variantes para ensayos en la fase
de verificacion.



Fuente df SS MS F

Repeticiones 2 0.2403 0.1202 n.s.
Localizaciones 9 23.9123 2.6569 12.06**
Error (a) 18 3.9734 0.2207 C.V.=18
Tratamientos 2 28.8613 14.4306 179.26**
Loc. x Trat. 18 4.3306 0.2406 2.99**
Error (b) 32 2.5773 0.0805 C.V.=11






-90-


TABLA V2. Tabla de significados para ensayos en la fase
de verificaci6n.


Trata- Signif.
mientos. 1 2 3 4 5 6 7 8 9 10 Tratams.

1 2.13 1.01 1.86 2.60 2.09 1.67 2.50 2.40 2.03 1.86 2.01
3 2.60 1.44 2.81 3.81 2.65 2.03 3.01 3.11 3.25 3.73 2.76
5 3.17 2.12 3.34 3.74 3.15 2.62 3.51 3.80 4.02 4.32 3.38

Signif.
Locals. 2.63 1.52 2.67 3.08 2.63 2.11 3.01 3.10 3.10 3.30
b c b a: b. c a a a a


DMS entre...
Localizaciones = 0.39 T/ha.
Tratamientos = 0.12 T/ha.
Tratamientos
dentro de
Localizaciones = 0.38 T/ha.




9a. Los andlisis. Estadisticamente la diferencia entire tra
tamientos es altamente significativa. De interest es la
alta diferencia significativa entire localidades y las
interacciones altamente significativas. Cuando situamos
mas limitaciones en tratamientos, automaticamente colocamos
estas limitaciones en localidades tambien. Hay un limited
para la reducci6n de los limits del dominio mas alla de
los cuales el numero de dominios se vuelve inmanejable.
El indicio basico es que la recomendaci6n respondera
aproximadamente igual alrededor del dominio entero. En
esta etapa la decision se basa sobre una combinaci6n de
analysis estadisticos y economicos.


Los andlisis estadisticos demuestran que las 10 localiza
clones estan divididas dentro de 3 grupos estadisticamente






-91-


similares. La pregunta es .cual es la respuesta econ6mica
(ganancia marginal) para cada tratamiento en cada uno de
estos grupos? Podemos abordar este problema a trav6s de
analisis de ganancias marginales, calculando todos los
sitios seguidos por un andlisis sensitive usando el calculo
de los sitios de mas bajo rendimiento o por ejecuci6n de
analisis marginales para cada grupo. Fue decidido que los
analisis marginales serlan hechos usando los significados
a trav6s de todas las localizaciones y luego analizando
marginalmente cada grupo, usando los significados de cada
tratamiento a trav6s de sitios dentro del grupo. Los
resultados se presentan en las Tablas V3 y V4.



TABLA V3. Analisis de Beneficios Netos alrededor de
todos los sitios. Fase de Verificaci6n.


T R A T A M I E N T 0
1 2 3

Rendimiento 2.01 .2.76 3.38
10% 1.81 2.48 3.04
Total (X $6000) 10,680 14,880 18,240
Costos variables 150 430 300
Beneficios netos 10,530 14,450 17,940



TABLA V4. Beneficios netos de unir localizaciones
similares. Fase de Verificaci6n.


Grupo A


T R A T A M I E N T O
1 .2 3
Rendimiento 2.26 3.38 3.88
-.10% 2.04 3.05 3.50
Total 12,240 18,300 21,000
Costos variables 150 430 300
Beneficios netos 12,090 17,870 20,700





-92-


TABLA V4.

Grupo B


T R A T A M I E N T O
1 2 3

Rendimiento 2.03 2.69 3.22
10% 1.83 2.42 2.90
Total 10,830 14,090 17,100




Grupo C


T R A T A M I ENTO
1 2 3

Rendimiento 1.34 1.74 2.37
10% 1.21 1.57 2.13
Total 7,110 8,990 12,480



9b. Disposici6n de las variables. Los analisis demostraron
la superioridad del tratamiento 5 (Control quimico de
malezas mas 2 cajas de Urea/ha.) en las tres agrupaciones
estadisticas.


Con esta evidencia el equipo decidi6 que no mas recomen
daciones adicionales de divisions de dominio eran necesarias,
sin embargo, las localizaciones 2 y 6 (Grupo C) deberian
estar tentativamente situadas en el dominio de mas bajo
rendimiento identificado en la fase determinativa, desde
que la reaccion de rendimiento fue mas apr6ximadamente
relacionada a ese dominion.


Claramente el tratamiento 5 sera la opci6n colocada
dentro de la parcela commercial en la fase de verificacion.





-93-


ETAPA DE VERIFICACION EN PARCELA COMMERCIAL


1. Prop6sito.


Esta es la fase final de las pruebas y es diferente en
muchos aspects de las fases anteriores. Nuestro interest
en esta fase es la prueba de las opciones propuestas a
la practice de producci6n en tamaho y lotes comercialmente
divididos para verificar su flexibilidad en la escala
commercial. Esto es necesario puesto que todas las
investigaciones anteriores se condujeron usando parcelas
pequefas que debido a su tamafo incrementaron la
variante del error.


Es tambien un hecho aceptado que los niveles de rendimiento
de la parcela experimental son raras veces alcanzados
en parcelas comerciales por-la variabilidad en campos.
Como resultado, todos los datos representan promedios
limitados por un amplio intervalo de seguridad dentro
del cual el promedio real de la poblaci6n sera encontrado
por el verdadero investigator en su selecci6n de niveles
significativos.


En el analisis econ6mico nosotros intentamos incluir el
rango de rendimientos probables y asegurarnos de la
factibilidad econ6mica de la opci6n dentro de este rango.
Este fue el prop6sito del analisis de ganancia minima.



2. El tamafio de la parcela commercial.


El tamafio minimo acceptable de la parcela mayor, depend
de various factors tales como la diferencia minima
acceptable entire los rendimientos opcionales para ser
atractiva a los agricultores y la variacion en rendimientos
a trav6s del cominio. Como guia general la parcela basica




University of Florida Home Page
© 2004 - 2010 University of Florida George A. Smathers Libraries.
All rights reserved.

Acceptable Use, Copyright, and Disclaimer Statement
Last updated October 10, 2010 - - mvs