Bioestadística en cultivos Perennes

Biostatistics in Perennial crops

Por definición, los cultivos perennes viven más tiempo y crecen más que los cultivos anuales; por lo tanto, en los experimentos con ellos se tropieza con problemas especiales. Los experimentos con frecuencia duran varios años, así que las plantas están sujetas a riesgos por más largo tiempo, aumentando la posibilidad de accidentes y así generar datos desbalanceados. La naturaleza tiene más oportunidades de eventos inconvenientes como inundaciones o caídas de plantas por el viento. Un trabajador descuidado tiene más chance de dañar una planta con un tractor o de aplicar un tratamiento en la parcela equivocada. El diseño experimental,
por lo tanto, debe poder tolerar el hecho inevitable de los datos faltantes. Los objetivos experimentales pueden
cambiar con el tiempo, requiriendo modificaciones en el plan original. Además, al concluir un experimento se puede tener interés en llevar a cabo un nuevo ensayo sobre las
mismas plantas. Por lo tanto, es conveniente contar con diseños experimentales que sean flexibles. Diseños experimentales sencillos llenan, por lo general, los requisitos de los perennes; los diseños complejos son inflexibles
y se presentan problemas computacionales y de interpretación cuando hay datos faltantes. En los experimentos con perennes grandes probablemente se usarán parcelas con una sola planta o con pocas plantas. Proporcionalmente, la variablidad de parcela a parcela se deberá menos a la variación debido a efectos ambientales y más a la variación de planta a planta comparado con los cultivos anuales. El intento de reducir la varianza del error
experimental con solo aumentar el número de replicaciones dentro de un diseño estándar puede no ser satisfactorio. Se ha encontrado que el análisis de covarianza es muy efectivo para reducir la varianza del error, esa efectividad va desde 25 hasta 50%. Los datos muy seguramente incluirán
varias observaciones recolectadas en varios períodos de tiempo sobre las mismas plantas. El análisis estadístico debe tener en cuenta esto y por lo tanto se sugieren algunos métodos de trabajo.

Perennial crops live longer than annual crops, and since they are likely to be larger, experiments with them face special problems. The experiments often taken several years, so the plants are at risk longer, increasing the likelihood of mishap and thus unbalanced data, so greater caution is needed in making plants about them. The experimental design must be able to tolerate the inevitable missing data. Whatever design is used, it must be throughly practicable, for it is no use producing a scheme on paper that will give endless trouble in the field. Experimental objetives may change over time, requiring modification of the original study plan. It is better simple experimental design than complex ones, these are inflexible and are seriously undermined by missing data in both computation and interpretation. Since perennials are in general larger than annuals are of greater interest as individuals, and will probably use single.plant or several
plant plots, and environmental variation in rarely of sole importance. With perennials the experimenter should not assume de error variation as positional, Le envirenmental,
some of it may well derive from the plants themselves.
Attempting to reduce error variance by merely increasing replicationwithin a standar design may not be satisfactory, The analysis of covariance has proven to be very effective
alternative in many cases, after reducing de error variance by 25.50%. The data will probably include several observations collected over time on the same plant. The statistical analysis must take this into account, and several possible methods
are suggested.