,

El capítulo metodológico del trabajo de grado en Agronomía: diseño experimental, unidad experimental y repeticiones (2026)

El capítulo metodológico del trabajo de grado en Agronomía: diseño experimental, unidad experimental y repeticiones (2026)

Hay una pregunta que hunde trabajos de grado en Agronomía durante la sustentación, y casi nunca es sobre el cultivo: «¿cuál era su unidad experimental?». Si respondes «la planta» cuando el tratamiento se aplicó a la parcela, acabas de admitir que tu análisis estadístico está mal, y todos los resultados quedan en duda.

Este artículo es sobre el capítulo tres: el diseño experimental. Te explica cómo elegirlo, cómo definir la unidad experimental sin equivocarte, cuántas repeticiones necesitas y cómo redactar la sección para que el jurado no tenga nada que preguntar que no esté ya respondido.

Primero: unidad experimental, unidad de muestreo y repetición

Los tres conceptos que más se confunden y de los que depende todo lo demás.

La unidad experimental es la menor porción de material a la que se le aplica un tratamiento de manera independiente. Si fumigas una parcela de 5 × 4 metros con una dosis, la unidad experimental es la parcela, no cada planta que hay dentro. Si aplicas el tratamiento a cada maceta, la unidad experimental es la maceta.

La unidad de muestreo es lo que efectivamente mides dentro de la unidad experimental. Las 10 plantas que evalúas dentro de esa parcela son unidades de muestreo, y su promedio es un dato, no diez.

La repetición es cada vez que un tratamiento se aplica de forma independiente a una unidad experimental distinta. Cuatro parcelas con el mismo tratamiento, ubicadas independientemente y aleatorizadas, son cuatro repeticiones.

Confundir unidades de muestreo con repeticiones se llama pseudorreplicación, y es el error metodológico más frecuente en trabajos de grado agronómicos. Su efecto es concreto: infla artificialmente los grados de libertad, reduce el error experimental y te hace encontrar diferencias significativas que no existen. En la práctica, las medias de las unidades de muestreo se promedian para obtener el valor de la unidad experimental, y el ANOVA se corre sobre esos promedios.

Cuaderno abierto conectado a grupos de fichas de fuentes
Relaciona las decisiones del diseño con la pregunta y las fuentes metodológicas. Ilustración conceptual.

Cómo elegir el diseño experimental

La elección no es de gusto: la determina la variabilidad del terreno o del ambiente donde vas a trabajar.

Diseño completamente al azar (DCA)

Cuándo: cuando el material experimental es homogéneo. Invernadero, casa de malla, laboratorio, condiciones controladas, macetas del mismo sustrato.
Cómo: los tratamientos se asignan al azar a todas las unidades experimentales sin restricción.
Ventaja: máximo número de grados de libertad para el error y análisis simple; tolera pérdida de unidades sin desbalancear gravemente.
Cuándo no usarlo: en campo abierto con pendiente, gradiente de fertilidad o de humedad. Ahí el DCA mete la variabilidad del terreno dentro del error experimental y te deja sin poder detectar diferencias reales.

Bloques completos al azar (DBCA)

Cuándo: cuando existe una fuente de variación conocida y direccional. Puede ser útil en campo cuando el bloqueo representa una fuente relevante de variación; no es una elección universal.
Cómo: se agrupan las unidades en bloques homogéneos internamente, y dentro de cada bloque cada tratamiento aparece exactamente una vez, aleatorizado.
La regla que casi nadie aplica bien: los bloques deben orientarse perpendicularmente al gradiente. Si la pendiente baja de norte a sur, los bloques se disponen en franjas este-oeste. Bloquear en la misma dirección del gradiente no sirve de nada.
Otros criterios de bloqueo válidos: fecha de siembra, operario que aplica, lote de semilla, momento del día de evaluación.

Cuadrado latino

Cuándo: dos fuentes de variación perpendiculares entre sí (por ejemplo pendiente y sombreado lateral).
Restricción fuerte: exige que número de tratamientos, filas y columnas sean iguales. Con 4 tratamientos necesitas 16 unidades experimentales, ni una más ni una menos. Poco práctico con más de 6 tratamientos.

Parcelas divididas (split-plot)

Cuándo: hay dos factores y uno de ellos requiere parcelas grandes por razones prácticas —riego, labranza, aplicaciones aéreas—.
Cómo: el factor que exige área grande va en la parcela principal; el otro se aleatoriza dentro de cada parcela en subparcelas.
Consecuencia estadística que debes conocer: hay dos errores experimentales, y el factor de la parcela principal se prueba con menor precisión. Si tu factor de interés principal es ese, estás sacrificando justo lo que querías medir. En ese caso, considera un factorial en bloques.

Factorial

No es un diseño alternativo sino un arreglo de tratamientos que se monta sobre un DCA o un DBCA. Un factorial 3 × 2 con tres dosis y dos variedades produce 6 tratamientos. Su valor es que permite estimar la interacción, es decir, si el efecto de la dosis depende de la variedad. Cuando la interacción es significativa, los efectos principales dejan de interpretarse por separado: se interpretan las medias de las combinaciones. Esto último es lo que más se equivoca al escribir la discusión.

Cuántas repeticiones necesitas

El número de repeticiones depende de la variabilidad, el efecto que interesa detectar, la precisión y el modelo. No presentes rangos habituales de invernadero o campo como requisitos nacionales ni un umbral fijo de grados de libertad como garantía de potencia. Justifica la elección con información previa, un piloto y asesoría estadística. En un DBCA balanceado básico, los grados de libertad del error son (t − 1)(r − 1); ese cálculo describe el diseño y no decide por sí solo si la muestra basta.

Si tienes datos previos de variabilidad —de un ensayo anterior, de la literatura o de tu propia prueba preliminar—, puedes hacer el cálculo formal de tamaño de muestra en lugar de recurrir a la costumbre; el procedimiento con software libre está explicado en la guía sobre tamaño de muestra y potencia estadística. Y si no tienes ni idea de la variabilidad de tu variable, ese es exactamente el caso donde vale la pena una prueba piloto antes del ensayo definitivo.

Qué debe contener la sección, apartado por apartado

3.1 Localización y condiciones del ensayo

Municipio, vereda, coordenadas, altitud, zona de vida, temperatura media, precipitación del periodo, humedad relativa, tipo de suelo con resultados de análisis (pH, materia orgánica, textura, elementos mayores y menores). El análisis de suelo va en anexos y se cita en el texto. Sin estos datos, tu ensayo no es replicable ni comparable con la literatura.

3.2 Material vegetal o biológico

Especie con nombre científico completo y autoridad la primera vez, variedad o cultivar, procedencia del material, lote de semilla, edad de las plántulas. Si trabajaste con microorganismos, cepa e identificación. Si colectaste material silvestre, aquí van los permisos.

3.3 Diseño experimental y tratamientos

Diseño elegido con su justificación —una frase explicando por qué, no solo el nombre—, descripción de tratamientos incluido el testigo, número de repeticiones, unidad experimental con sus dimensiones exactas, área útil de evaluación (descontando bordes) y croquis de campo. El croquis no es decoración: es la prueba de que aleatorizaste.

Sobre el testigo: define si es absoluto (sin aplicación) o comercial (el manejo habitual del productor). Un ensayo sin testigo comercial es difícil de defender cuando la conclusión pretende ser una recomendación técnica.

3.4 Variables evaluadas

Cada variable con su definición operativa, unidad de medida, instrumento y momento de evaluación. «Altura de planta (cm), medida desde la base del tallo hasta el ápice del meristemo apical con cinta métrica, a los 30, 60 y 90 días después del trasplante, en 8 plantas del área útil por unidad experimental» es una definición operativa. «Altura de planta» no lo es.

Declara aquí cuántas unidades de muestreo evalúas por unidad experimental y cómo se resumen. Este es el párrafo que previene la acusación de pseudorreplicación.

3.5 Análisis estadístico

Declara el modelo y sus componentes, cómo comprobarás los supuestos relevantes, las comparaciones previstas, el nivel de significancia y el software con versión. Si el modelo no se ajusta a los datos, decide con justificación entre transformaciones o modelos alternativos adecuados a la distribución y al diseño. No asignes automáticamente una transformación solo porque la variable es un conteo o un porcentaje.

Sobre las comparaciones múltiples: Tukey es conservadora y adecuada para comparar todos los tratamientos entre sí; Dunnett es la correcta cuando solo comparas cada tratamiento contra el testigo; y si tus tratamientos son niveles cuantitativos de un factor —dosis crecientes—, lo apropiado no es separar medias sino ajustar una regresión y describir la tendencia. Presentar dosis crecientes con letritas de Tukey desperdicia información y el jurado con formación estadística lo va a señalar.

Cuando las evaluaciones son repetidas en el tiempo sobre la misma unidad experimental, no son datos independientes: corresponden a un análisis de medidas repetidas o de parcelas divididas en el tiempo, no a un ANOVA por fecha corrido tres veces. Antes de correr nada, limpia los datos siguiendo el procedimiento de depuración de valores perdidos y atípicos.

3.6 Manejo agronómico del ensayo

Todo lo que aplicaste por igual a todas las unidades: preparación del suelo, fertilización base, riego, manejo fitosanitario. Es lo que permite descartar que las diferencias vengan de otra parte.

Permisos y aspectos éticos que se olvidan

Tres situaciones que exigen trámite y que conviene resolver antes de sembrar, no después:

  • Colecta de material biológico silvestre con fines de investigación científica no comercial: requiere permiso de recolección ante la autoridad ambiental competente.
  • Movilización de material vegetal y uso de organismos reglamentados: competencia del ICA, con requisitos que dependen de la especie y la región.
  • Para ensayos con animales o participación de personas, consulta antes el procedimiento ético institucional y las reglas aplicables a las actividades. La Resolución 8430 se refiere a investigación en salud; no la presentes como norma automática de toda encuesta agronómica.
Cuaderno de investigación junto a una tableta y fichas de notas
Conserva las notas del protocolo para contrastar lo planificado con lo realizado. Ilustración conceptual.

Antes de escribir: alinea todo en una página

El capítulo metodológico se escribe rápido cuando ya está decidido, y se escribe eternamente cuando no. Antes de redactar, llena una matriz de consistencia que alinee objetivos, variables, diseño y análisis: si un objetivo específico no tiene variable asociada, o una variable no tiene prueba estadística asignada, el problema no es de redacción sino de diseño, y es mejor descubrirlo ahora que en la sustentación. Conviene también revisar si tu tipo de estudio tiene una guía de reporte estandarizada, porque usarla ordena la sección y suma puntos con el jurado.

Si el diseño ya está claro y lo que te falta es convertirlo en capítulo redactado con las referencias en orden, puedes escribir la metodología en Tesify apartado por apartado. Las decisiones agronómicas siguen siendo tuyas; lo que se agiliza es el paso del croquis y las notas al documento que entrega tu director.

Preguntas frecuentes

¿Cuál es la diferencia entre repetición y unidad de muestreo en un ensayo agronómico?

La repetición es cada aplicación independiente de un tratamiento a una unidad experimental distinta. La unidad de muestreo es cada individuo o punto que mides dentro de esa unidad experimental. Diez plantas medidas dentro de una misma parcela son diez unidades de muestreo que se promedian en un solo dato; no son diez repeticiones. Tratarlas como repeticiones es pseudorreplicación y produce significancias falsas.

¿Puedo usar DCA en un ensayo de campo?

Solo si puedes demostrar que el lote es homogéneo, cosa poco frecuente en campo abierto. En terrenos con pendiente, gradientes de fertilidad, sombreado parcial o historia de manejo distinta, el diseño de bloques completos al azar es la elección correcta porque separa esa variabilidad del error experimental. Si el lote resulta ser efectivamente homogéneo, el bloqueo tampoco te perjudica de forma seria: solo pierdes unos pocos grados de libertad del error.

¿Qué hago si el ANOVA no cumple los supuestos?

Revisa la calidad de los datos, los residuos y el diseño. Si persiste un incumplimiento relevante, justifica una transformación o un modelo alternativo apropiado; no apliques automáticamente raíz cuadrada o arcoseno por el nombre de la variable. Comprueba nuevamente el ajuste y reporta las decisiones con sus límites.

¿Cuántos tratamientos debe tener un trabajo de grado en Agronomía?

No existe aquí un número universal de tratamientos para Agronomía. Defínelo por la pregunta, los contrastes, los recursos y la precisión necesaria. En un factorial 3 × 3 hay nueve combinaciones; con cuatro bloques completos se requieren 36 unidades experimentales en el diseño básico. Esa cuenta ilustra el costo del diseño, no un mínimo o máximo nacional.

¿Es obligatorio incluir el croquis del ensayo?

No siempre está exigido de forma explícita, pero es muy recomendable e incluirlo casi nunca sobra. El croquis muestra la disposición de bloques y la aleatorización efectivamente realizada, que es la evidencia de que el diseño se ejecutó y no solo se declaró. Debe llevar dimensiones de la unidad experimental, distancia entre parcelas, orientación con norte, identificación de bloques y ubicación del área útil descontando los bordes.

Escribe tu trabajo de grado con IA

Estructura, redacta y formatea tus referencias en Icontec o APA 7 — con integridad académica. Registro gratuito, sin tarjeta.

Empieza gratis con Tesify →

Categorías