Cómo elegir su diseño experimental

En la investigación agrícola, es importante elegir el diseño experimental adecuado al principio del ensayo para que los análisis realizados al final de la temporada sean estadísticamente significativos. Antes de profundizar en los distintos tipos de diseños, merece la pena dedicar algo de tiempo a entender por qué los necesitamos.

Supongamos que un obtentor elige dos parcelas lo más parecidas posible y siembra la misma variedad en cada una de ellas. Aunque el obtentor trate cada parcela con idénticos métodos de cultivo, cuando mida el rendimiento de cada una de ellas, diferirán.

Esta diferencia se denomina error experimental. Para que el obtentor pueda tomar una decisión acertada sobre el rendimiento de dos o más variedades, debe tener una estimación del error experimental del ensayo. Si la diferencia medida entre las variedades es mayor que el error experimental, puede estar seguro de que una variedad supera a la otra. El obtentor dispone de dos herramientas para medir el error experimental: replicación y aleatorización.

La repetición ayuda a realizar estimaciones más precisas del error experimental, y la aleatorización evita que cualquier otra fuente de variación no controlada sesgue los resultados.

Juntos, la repetición y la aleatorización definen el diseño experimental y se han desarrollado varios tipos comunes para uso de los investigadores agrícolas:

- Diseño completamente aleatorio
- Bloque completo aleatorizado
- Plazas latinas
- Diseño de parcela dividida
- Diseño de parcelas

por nombrar algunos.

El diseño más adecuado para un ensayo concreto dependerá de las distintas limitaciones del ensayo, como: el número de variedades que se ensayan, el tamaño de la maquinaria utilizada para aplicar los tratamientos, el tamaño de las diferencias detectables entre tratamientos y los recursos necesarios (tiempo, espacio y dinero) para llevar a cabo el ensayo.

Un diseño completamente aleatorizado es el más sencillo de todos los diseños. En un diseño completamente aleatorizado, cada tratamiento tiene la misma probabilidad de ser asignado a una parcela. El diseño completamente aleatorizado tiene muchas ventajas: se puede acomodar cualquier número de tratamientos y repeticiones; el análisis es sencillo y puede hacer frente fácilmente a las parcelas que faltan; los grados de libertad del error son mayores que en cualquier otro diseño del mismo número de tratamientos, lo que permite una estimación más precisa del error experimental.

Los diseños completamente aleatorios tienen la desventaja de que requieren que las parcelas sean más o menos completamente uniformes. Si existe un alto grado de variabilidad en las parcelas, por ejemplo debido a la variación del suelo, la estimación del error experimental será menos precisa y es posible que no puedan detectarse diferencias reales entre los tratamientos.

Normalmente, los diseños completamente aleatorizados se utilizan cuando se sabe que el lugar del ensayo es particularmente uniforme. También pueden ser muy útiles en situaciones en las que se espera que falle un gran número de parcelas durante el ensayo, ya que el análisis de las parcelas supervivientes sigue siendo sencillo.

El diseño de bloques completos aleatorizados es, con diferencia, el diseño experimental más común entre los investigadores agrícolas en la actualidad. Las parcelas se agrupan en bloques en función de su similitud, por ejemplo, tipos de suelo similares. A continuación, se asignan los tratamientos a las parcelas de forma que cada tratamiento aparezca una vez en cada bloque. Por lo tanto, cada bloque contiene todos los tratamientos posibles, de ahí el diseño de "bloques completos".

Al planificar un diseño de bloques completos, el investigador debe asegurarse de que se minimiza cualquier variabilidad con el bloque, mientras que la variación entre bloques debe maximizarse. Si hay poca variabilidad en el lugar del ensayo, los bloques pueden colocarse uno al lado del otro. Sin embargo, si existe un gradiente de variabilidad en el lugar donde se va a ubicar el ensayo, los bloques deben disponerse en líneas perpendiculares al gradiente. De hecho, no es necesario que los bloques sean adyacentes entre sí, salvo por razones prácticas de las actividades de medición y tratamiento.

Esto puede ser útil, por ejemplo, cuando la ubicación de un ensayo se encuentra a caballo entre distintos tipos de suelo.

Como su nombre indica, este diseño forma un cuadrado dividido en un número igual de filas y columnas. Cada tratamiento o variedad se coloca de modo que aparezca exactamente una vez en cada fila y columna.

La principal ventaja del diseño en cuadrado latino es que permite tener en cuenta dos fuentes de variación en el lugar del ensayo. Por ejemplo, el campo en el que se realiza el ensayo puede tener un gradiente de fertilidad en una dirección y una pendiente en otra.

Los diseños de cuadrado latino no se utilizan con frecuencia en los ensayos agrícolas, ya que presentan varias desventajas con respecto a otros diseños. En primer lugar, como el número de parcelas es el cuadrado del número de tratamientos, los ensayos pueden llegar a ser muy grandes y costosos de realizar. En segundo lugar, cualquier error cometido durante el ensayo, como una aplicación incorrecta de los tratamientos, puede dificultar el análisis de los datos.

En tercer lugar, si hay pocos tratamientos (menos de 4) los grados de libertad del error son bajos, lo que a su vez se traduce en una estimación del error experimental mayor.

Es común que los ensayos agrícolas tengan múltiples factores de tratamiento, por ejemplo, probar tres tasas diferentes de nitrógeno combinadas con tres tipos diferentes de cultivo. Esto podría lograrse con un diseño de bloques completos aleatorizados en el que cada combinación de los dos factores se diera en cada bloque. Sin embargo, algunos tratamientos pueden ser difíciles o imposibles de aplicar de este modo.

Los equipos de cultivo suelen tener la escala de una explotación comercial y requieren grandes parcelas, mientras que el nitrógeno puede aplicarse a mano en parcelas mucho más pequeñas.
Para hacer frente a estas complicaciones, el investigador agrícola puede recurrir al diseño de parcelas divididas. En este diseño, un factor se asigna a parcelas grandes en un diseño de bloques completos aleatorizados. A continuación, estas parcelas grandes se subdividen en parcelas más pequeñas, a las que se aplican aleatoriamente los tratamientos del otro factor.

Como se ha descrito anteriormente, la principal ventaja de los diseños de parcelas divididas es que permiten un manejo más eficiente de los factores de tratamiento que requieren parcelas de diferentes tamaños. Los diseños de parcelas divididas también permiten añadir nuevos tratamientos a un experimento en curso simplemente añadiendo más parcelas grandes a los bloques.

Dado que hay dos tamaños de parcela, los diseños de parcela dividida producen dos errores experimentales, uno para cada tamaño. Esto puede significar a menudo que se necesitan grandes diferencias en las observaciones para mostrar una diferencia significativa. Los diseños de parcelas divididas también tienen la desventaja de requerir análisis más complejos.

Una variación útil del diseño de parcelas divididas es el diseño de parcelas en franjas. En circunstancias en las que sea más fácil aplicar cada factor de tratamiento en pases o franjas, pueden utilizarse diseños de parcelas en franjas. En estos diseños, un factor se asigna a franjas que discurren dentro de cada bloque, y cada bloque tiene su propia aleatorización. A continuación, el segundo factor se aplica en franjas perpendiculares a la primera, de nuevo con una aleatorización única para cada bloque.

El resultado es como un tablero de ajedrez de tratamientos. Los diseños de parcelas en franjas tienen ventajas e inconvenientes similares a los diseños de parcelas divididas, sobre todo porque permiten una configuración eficaz del ensayo.