Diseño Experimental Domina Tu Investigación en Ecuador

Pregunta 1 (1 pts) — Identifica las variables independientes y dependientes del experimento

1. Variables independientes — Las variables independientes son los factores que manipulamos directamente: tipo de fertilizante (F1, F2, F3) y altitud (A1: 2800 msnm, A2: 3200 msnm).
   $$\text{Variables independientes}=\{F_1,F_2,F_3\}\times \{A_1,A_2\}$$
2. Variable dependiente — La variable dependiente es el rendimiento del cultivo, que mediremos en toneladas por hectárea al final del ciclo de crecimiento.
   $$\text{Variable dependiente}=\text{Rendimiento (t/ha)}$$

→ Variables independientes: tipo de fertilizante (orgánico, químico, experimental) y altitud (2800 msnm, 3200 msnm). Variable dependiente: rendimiento del cultivo en toneladas por hectárea.

Pregunta 2 (1 pts) — Propón un diseño factorial completo que utilice las 18 parcelas disponibles

1. Matriz de tratamientos — Creamos una tabla con todas las combinaciones posibles. Cada celda representa un tratamiento único que asignaremos a 3 parcelas (réplicas).
   $$\begin{array}{cccc}\text{Altitud}\downarrow /\text{Fertilizante}\to & F_1& F_2& F_3\\ A_1& T_{11}& T_{12}& T_{13}\\ A_2& T_{21}& T_{22}& T_{23}\end{array}$$
2. Asignación de parcelas — Asignamos 3 parcelas a cada tratamiento (T11, T12, ..., T23). Por ejemplo, las parcelas 1-3 recibirán el tratamiento T11 (fertilizante orgánico a 2800 msnm), las parcelas 4-6 recibirán T12 (fertilizante químico a 2800 msnm), y así sucesivamente.

→ Diseño factorial completo 3x2 con 3 réplicas por tratamiento: 6 tratamientos × 3 réplicas = 18 parcelas.

Pregunta 3 (1 pts) — ¿Qué variables deberías controlar para evitar resultados sesgados?

1. Variables a controlar — Debes mantener constantes: cantidad de agua (litros por semana), tipo de suelo (mismo lote o parcela homogénea), horas de sol (registrar con luxómetro), variedad de papa (ej. 'Superchola'), fecha de siembra (mismo día para todas), y método de cosecha.

→ Cantidad de agua, tipo de suelo, horas de sol, variedad de papa, fecha de siembra y método de cosecha.

Pregunta 4 (1 pts) — Calcula el rendimiento promedio esperado si el fertilizante experimental aumenta la producción en un 25% respecto al control

1. Cálculo del rendimiento — El rendimiento sin fertilizante es 10 t/ha. Si el fertilizante experimental aumenta la producción en un 25%, entonces el nuevo rendimiento será 10 t/ha × 1.25 = 12.5 t/ha. Este valor es el promedio esperado para los tratamientos con fertilizante experimental.
   $$R_{\text{experimental}}=10\times 1.25=12.5\text{t/ha}$$

$$12.5\text{t/ha}$$

→ 12.5 toneladas por hectárea

Pregunta 1 (1 pts) — ¿Qué tipo de diseño experimental propondrías para este estudio?

1. Diseño recomendado — Un diseño de bloques aleatorizados es ideal aquí porque los puntos de muestreo son bloques naturales (upstream, downstream, zona residencial). Dentro de cada bloque, aleatorizamos el orden de análisis para evitar sesgos por fatiga del laboratorio.

→ Diseño de bloques aleatorizados con 4 bloques (puntos de muestreo) y 5 réplicas por bloque.

Pregunta 2 (1 pts) — Identifica dos posibles variables de confusión y explica cómo las controlarías

1. Variables de confusión — 1) Temperatura del agua: las bacterias se multiplican más rápido en aguas cálidas. 2) Caudal del río: un caudal alto diluye la concentración de bacterias, dando falsos negativos.

→ Temperatura del agua y caudal del río.

Pregunta 3 (1 pts) — Calcula el costo total del análisis si se procesan todas las muestras

1. Cálculo del costo — Número total de muestras: 4 puntos × 5 muestras = 20. Costo por muestra: 15 USD. Costo total: 20 × 15 = 300 USD.
   $$C_{\text{total}}=20\times 15\text{USD}=300\text{USD}$$

$$300\text{USD}$$

→ 300 USD

Pregunta 4 (1 pts) — Interpreta los resultados si el promedio de coliformes en la zona residencial es 180 UFC/100ml

1. Interpretación — Aunque el tratamiento reduce los coliformes de 800 a 50 UFC/100ml, la zona residencial aún tiene 180 UFC/100ml, lo que sugiere que hay otra fuente de contaminación aguas abajo (ej. vertidos industriales o domésticos no tratados).

→ La zona residencial aún presenta niveles altos de coliformes (180 UFC/100ml), indicando posible contaminación adicional aguas abajo del tratamiento.

Pregunta 1 (1 pts) — Propón un diseño factorial completo para este experimento

1. Matriz de tratamientos — Creamos una tabla 3x3 con todas las combinaciones de inclinación y tipo de panel. Cada celda representa un tratamiento único que asignaremos a 3 techos.
   $$\begin{array}{cccc}\text{Inclinación}\downarrow /\text{Tipo}\to & M& P& C\\ 15°& T_{11}& T_{12}& T_{13}\\ 30°& T_{21}& T_{22}& T_{23}\\ 45°& T_{31}& T_{32}& T_{33}\end{array}$$

→ Diseño factorial completo 3x3 con 3 réplicas por tratamiento: 9 tratamientos × 3 réplicas = 27 techos.

Pregunta 2 (1 pts) — ¿Qué tipo de análisis estadístico recomendarías para interpretar los resultados?

1. ANOVA de dos vías — El ANOVA de dos vías nos permite evaluar: 1) Efecto principal de la inclinación, 2) Efecto principal del tipo de panel, 3) Interacción entre inclinación y tipo de panel. Esto es crucial para entender si la inclinación óptima depende del tipo de panel.

→ ANOVA de dos vías para evaluar efectos principales e interacción.

Pregunta 3 (1 pts) — Calcula el número de réplicas necesarias si se quiere detectar una diferencia mínima de 0.5 kWh/día entre tratamientos

1. Cálculo de réplicas — Para detectar una diferencia de 0.5 kWh/día con alta confiabilidad, se recomiendan al menos 3 réplicas por tratamiento. Esto permite calcular la variabilidad y hacer pruebas estadísticas robustas.
   $$N_{\text{réplicas}}=3$$

3

→ 3 réplicas por tratamiento

Pregunta 4 (1 pts) — Si el panel policristalino a 45° genera 4.8 kWh/día, ¿qué conclusión puedes sacar sobre la interacción entre inclinación y tipo de panel?

1. Conclusión sobre interacción — La combinación monocristalino a 30° (5.2 kWh/día) es más eficiente que policristalino a 45° (4.8 kWh/día), lo que sugiere una interacción significativa. El monocristalino podría ser más sensible a la inclinación, mientras que el policristalino podría necesitar ajustes adicionales.

→ Existe una posible interacción: el monocristalino funciona mejor a 30°, mientras que el policristalino podría no ser óptimo a 45°.

Pregunta 1 (1 pts) — ¿Qué tipo de diseño experimental propondrías para este estudio?

1. Diseño estratificado — Dividimos el archipiélago en estratos (zonas) y seleccionamos parcelas aleatoriamente dentro de cada estrato. Esto asegura que cada zona esté representada proporcionalmente en la muestra.

→ Diseño de muestreo estratificado con 3 estratos (zonas) y parcelas aleatorias dentro de cada estrato.

Pregunta 2 (1 pts) — Identifica dos variables ambientales que podrían afectar los resultados y explica cómo las controlarías

1. Variables ambientales — 1) Humedad del suelo: medimos con sensores en cada parcela y registramos los valores. 2) Disponibilidad de alimento: contamos el número de algas disponibles para las iguanas en cada parcela.

→ Humedad del suelo y disponibilidad de alimento para iguanas.

Pregunta 3 (1 pts) — Calcula cuántas parcelas se pueden analizar con el presupuesto disponible

1. Cálculo de parcelas — Presupuesto total dividido por costo por parcela: 4800 USD / 120 USD = 40 parcelas.
   $$N_{\text{parcelas}}=\frac{4800}{120}=40$$

40

→ 40 parcelas

Pregunta 4 (1 pts) — Si en la zona de uso intenso hay 15 especies invasoras por parcela, ¿qué conclusión puedes sacar sobre el impacto del turismo?

1. Conclusión sobre impacto — El número elevado de especies invasoras en la zona de uso intenso indica que el turismo está alterando el ecosistema, probablemente a través del transporte accidental de semillas en ropa o equipos de turistas, o cambios en el suelo por pisoteo.

→ El turismo en la zona de uso intenso está facilitando la introducción de especies invasoras, lo que podría amenazar la biodiversidad nativa.

Pregunta 1 (1 pts) — ¿Qué tipo de diseño experimental se utilizó en este estudio?

1. Diseño de bloques — Las 60 familias se dividen aleatoriamente en tres grupos (bloques) de 20. Cada grupo recibe un tipo de filtro diferente. Este diseño controla variables como el tamaño de la familia o hábitos de consumo de agua.

→ Diseño de bloques aleatorizados con 3 tratamientos (tipos de filtro) y 20 familias por tratamiento.

Pregunta 2 (1 pts) — ¿Qué variable dependiente se midió y cómo se cuantificó?

1. Variable dependiente — Se midió la reducción de bacterias coliformes en porcentaje y se registró la percepción del sabor del agua (bueno, regular, malo) mediante encuestas a las familias.

→ Reducción de bacterias coliformes (en %) y percepción del sabor (cualitativa).

Pregunta 3 (1 pts) — Calcula el costo total de los filtros si se equipa a las 60 familias

1. Cálculo del costo — Costo por filtro: cerámico (50 USD), arena (30 USD), carbón activado (40 USD). Total por grupo: 50+30+40=120 USD. Para 20 familias por grupo: 120 × 20 = 2400 USD.
   $$C_{\text{total}}=(50+30+40)\times 20=2400\text{USD}$$

$$2400\text{USD}$$

→ 2400 USD

Pregunta 4 (1 pts) — Si el 70% de las familias con filtro de arena reportaron problemas de flujo lento, ¿qué conclusión puedes sacar sobre este tipo de filtro?

1. Problemas con filtro de arena — El alto porcentaje de familias que reportaron flujo lento (70%) indica una limitación práctica del filtro de arena, a pesar de su efectividad en reducir bacterias. Esto podría afectar la adopción sostenible del filtro en las comunidades.

→ El filtro de arena tiene problemas de flujo lento para el 70% de las familias, lo que limita su adopción práctica a pesar de su efectividad bacteriológica.