Determinación del número de repeticiones para un experimento en agricultura: Importancia de la variabilidad y tamaño del efecto

Abstract

Introducción. El tamaño del efecto y la variabilidad son factores relevantes en la estimación del número de repeticiones necesario en un experimento, cuyo impacto suele ser desconocido por el investigador. Objetivo. Analizar el efecto de la variabilidad y el tamaño del efecto en el número de repeticiones necesario en experimentación agrícola. Materiales y métodos. Se utilizaron los parámetros de correlación espacial estimados a partir de ensayo de uniformidad en el cultivo de arroz para realizar 10 000 simulaciones de campos aleatorios. En cada simulación se conformaron 16 unidades experimentales de 24 m2 y se ajustó un análisis de varianza para estimar la varianza residual promedio como escenario A. En adición, se propuso un escenario B donde se usó el cuantil 95 de las varianzas estimadas. El tamaño del efecto se definió con base en los resultados de un metaanálisis sobre el efecto de prácticas agrícolas en el rendimiento del arroz y resultó ser un 15% de la media general de los datos del ensayo de uniformidad. También, se propusieron tamaños de efecto adicionales del 10% y 5% de la media general. Resultados. En el escenario A, se necesitaron cuatro repeticiones para alcanzar una potencia del 0,91 y detectar un efecto del 15%, mientras que seis repeticiones fueron necesarias para detectar un efecto del 10% con una potencia de 0,81. En el escenario B, cinco repeticiones lograron una potencia del 0,86 para detectar un efecto del 15%, mientras que nueve repeticiones fueron requeridas para detectar un efecto del 10% con una potencia del 0,82. En ninguno de los dos escenarios se alcanzó una potencia del 0,80 para detectar un efecto del 5%. Conclusión. Mientras más pequeño sea el tamaño del efecto a detectar y mayor sea la varianza residual, se requerirá más repeticiones para lograr una potencia de prueba del 0,80. Se deben considerar estos dos factores al planificar experimentos en agricultura.

Keywords

• diseño experimental, análisis de varianza, probabilidad, inferencia estadística, análisis estadístico