Diferentes Métodos Estadísticos Para El Análisis De Variables Discretas. Una Aplicación En Las Ciencias Agrícolas Y Técnicas

Revista Ciencias Técnicas Agropecuarias, Vol. 21, No. 1, 2012
58
Recibido 20/10/10, aprobado 10/12/11, trabajo 01/12, artículo original.
1 M.Sc., Inv., Instituto de Ciencia Animal, Carretera Central km. 47½, San José de las Lajas, Mayabeque, Cuba, E-: mvillafranca@ica.co.cu
2 Dr. C. Prof. Titular, Centro Universitario Municipal Güines, Mayabeque, Cuba
3 Lic., Inv. Delegación Provincial deLa Agricultura, Pinar del Río, Cuba.
Diferentes métodos estadísticos para el análisis
de variables discretas. Una aplicación en las ciencias
agrícolas y técnicas
Different Statistical Methods for the analysis of discrete
variables. An application in the agricultural
and technical sciences
Magaly Herrera Villafranca1, Caridad W. Guerra Bustillos2, Lucía Sarduy García1, Yoleisy GarcíaHernández1
y Carlos Enrique Martínez3
RESUMEN. El objetivo del presente trabajo fue evaluar tres métodos estadísticos para el análisis de variables discretas. La información
empleada proviene de un experimento desarrollado en la Empresa Genética Camilo Cienfuegos, de la provincia de Pinar del Río en el período
2007-2008, relacionada con la producción de CT-115. Se analizaron tres muestreos, como casode estudio se seleccionó el muestreo dos que
comprendió los meses junio-julio 2007, se empleó un diseño completamente aleatorizado con tres tratamientos y 10 repeticiones. Las variables
analizadas fueron: No. tallos, No. rebrotes, No. hojas totales/tallos, No. hojas totales/rebrotes, No. hojas secas/tallos y No. hojas secas/rebrotes.
Se tuvo en cuenta el Análisis de Varianza paramétrico, suhomólogo no paramétrico la dócima Kruskal–Wallis y Modelo Lineal Generalizado.
Se verificó el cumplimiento de los supuestos teóricos del Análisis de Varianza, para la normalidad de los errores se utilizaron las dócimas
Shapiro Wilk, Kolmogorov Smirnov y Lilliefors, la dócima de Shapiro Wilk fue la más robusta para detectar la falta de normalidad, para la
homogeneidad de varianza se emplearon lasdócimas de Bartlett y Levene, ambas obtuvieron resultados similares. Las variables se transformaron
según raíz cuadrada, la cual no mejoró el cumplimiento de distribución Normal para la variable No. hojas secas/rebrotes. Los valores de
probabilidad obtenidos mantuvieron el mismo criterio de decisión con respecto a Ho para ambas dócimas, la no paramétrica Kruskal- Wallis
comparado con su homólogaparamétrica la dócima F de Fisher. Los criterios de bondad de ajuste utilizados en el Modelo Lineal Generalizado
permitieron conocer los efectos de mejor ajuste, Se considero que este modelo es más flexible que el Análisis de Varianza paramétrico, pues
las variables en estudio no requiere del cumplimientos de los supuestos teóricos básicos.
Palabras clave: Transformaciones de datos, ANAVAparamétrico y no paramétricos, Modelo Lineal Generalizado
ABSTRACT. The objective of this article was to evaluate three different statistical methods to conduct analyses of discrete variables. The
information came from an experiment developed at the Camilo Cienfuegos Genetics Enterprise in the Pinar del Río province in 2007-2008
related to the CT-115 forrage production. A complete randomized design wasused with three treatments and ten repetitions. The variables
analysed were: number of stems, number of sprouts, total number of leaves/stem, total number of leaves/sprout, number of dried leaves/stem
and number of dried leaves/sprouts. The parametric variance analysis and its homologous non-parametric, Kruskal-Wallis test and the Generalized
Lineal Model were taken into account. Thetheoretical assumptions of the variance analyses to the test error normality were verified. The
Shapiro Wilk test, Kolmogorov Smirnov and the Lilliefors test were used, Shapiro Wilk test was the most robust to detect lack of normality.
For the variance homogeneity, the Bartlett and Levene test were used both with similar results. The variables were transformed with the square
root transformation...