EQUIPO 3

CODALLOS MERINOS DANIEL A11500545

CRUZ CARRASCO ILEANA A10500434
PEREZ REYES LESLY VERONICA A11500596



Unidad 3 Diseo de bloques

3.1. Diseos en bloques completos al azar

DISEO EN BLOQUES ALEATORIOS

Se supondr que el experimentador tiene a su disposicin mediciones relativas a a
tratamientos distribuidos en b bloques. Primero se observar el caso en que hay
exactamente una observacin de cada tratamiento en cada bloque (para el caso anterior,
cada laboratorio probar un disco de cada tira). Si y
ij
denota la observacin relativa al i-
esimo tratamiento y al j-simo bloque, la media de las b observaciones para el i-
simo tratamiento, la media de las a observaciones en el j-simo bloque e la gran
media de las a.b observaciones, se emplea el siguiente esquema en esta clase de
clasificacin con dos criterios:

B
1
B
2
B
j
B
b
Medias
Tratamiento 1
Y
11
y
12
y
1j
. y
1b

.

Tratamiento 2
Y
21
y
22
y
2j
y
2b

.

.
Tratamiento i
y
i1
y
i2
y
ij
y
ib

.

.
Tratamiento k y
a1
y
a2
Y
aj
Y
ab

.

Medias








Al esquema se lo llama aleatorio, siempre que los tratamientos sean asignados al
azar dentro de cada bloque.
Cuando se usa un punto en lugar de un subndice, esto significa que la media se
obtiene sumando sobre l.
El modelo que se supondr para el anlisis con una observacin por celda est
dado por:

y
i j
= + o
i
+ |
j
+ c
i j
para i=1,2,..,a; j=1,2,, b

aqu es la gran media, o
i
es el efecto de i-simo tratamiento, |
i
el efecto del j-simo
bloque y los c
i j
son valores de variables aleatorias independientes normalmente
distribuidas que tienen media cero y varianza comn o
2
. Se restringen los parmetros
imponiendo las condiciones que:
1
a
i
o
i

=
0
1
b
j
|
i

=
0

En el anlisis de clasificacin con dos criterios, cada tratamiento es representado
una vez dentro de cada bloque, el objetivo principal consiste en probar la significancia de
las diferencias entre las

, o sea, probar la Hiptesis Nula: o
1
= o
2
= = o
k
= 0.
Ms an, quizs convenga probar si la divisin en bloques ha sido eficaz, esto es
probar que la Hiptesis Nula: |
1
= |
2
= = |
k
= 0 puede rechazarse.
En cualquier caso, la Hiptesis alterna establece que al menos uno de los efectos no
es cero.
Como en el anlisis con un criterio, se fundar la prueba de significancia mediante
comparaciones de o
2
(una basada en la variacin entre tratamientos, la otra basada en la
variacin entre bloques y la ltima que mide el error experimental ). Ntese que slo el
ltimo es una estimacin de o
2
cuando cualquiera (o ambas) las Hiptesis Nulas no son
vlidas.
Las sumas de cuadrados requeridas estn dadas por el siguiente teorema:



SST = SSE + SS(Tr) + SS(Bl)

En la prctica se usan las siguientes frmulas:



donde:
C es el trmino de correccin
es la suma de las b observaciones para el i-simo tratamiento
es la suma de las a observaciones para el j-simo bloque
es la suma de todas las observaciones

Empleando esta sumas de cuadrados, se puede rechazar la Hiptesis Nula de que las
o
i
son todas nulas, con un nivel de significancia o si:


F
Tr
MS Tr ( )
MSE
SS Tr ( )
a 1
SSE
a 1 ( ) b 1 ( )


excede F
o
con (a-1) y (a-1).(b-1) grados de libertad. La Hiptesis Nula de que todas las |
i

son todas nulas, con un nivel de significancia o si:


F
Bl
MS Bl ( )
MSE
SS Bl ( )
b 1
SSE
a 1 ( ) b 1 ( )


excede F
o
con (b-1) y (a-1).(b-1) grados de libertad. Ntese que las medias de los
cuadrados MS(Tr), MS(Bl) y MSE se definen otra vez como las correspondientes sumas de
cuadrados divididas entre sus grados de libertad.
La siguiente tabla resume todo el procedimiento:


Fuentes de
Variacin
Grados de
Libertad
Suma de
Cuadrados
Media Cuadrada F
Tratamientos a-1 SS(Tr) MS(Tr)=SS(Tr)/(a-1) F
Tr
= MS(Tr)/MSE
Bloques b-1 SS(Bl) MS(Bl)=SS(Bl)/(b-1) F
Bl
= MS(Bl)/MSE
Error (a-1).(b-1) SSE MSE=SSE/(a-1).(b-1)
Total a.b-1 SST


Ejemplo: Se dise un experimento para estudiar el rendimiento de cuatro detergentes
diferentes. Las siguientes lecturas de blancura se obtuvieron con un equipo especialmente
diseado para 12 cargas de lavado, distribuidas en tres modelos de lavadoras:

Lavadora 1 Lavadora 2 Lavadora 3 Totales
Detergente A
45 43 51 139
Detergente B 47 46 52 145
Detergente C 48 50 55 153
Detergente D 42 37 49 128
Totales 182 176 207 565

Considerando los detergentes como tratamientos y las lavadoras como bloques, obtener la
Tabla de Anlisis de Varianza y probar, con un nivel de significacin 0.01, si existen
diferencias entre los detergentes y/o entre las lavadoras.

1 Hiptesis Nula: o
1
= o
2
= o
3
= o
4
= 0 , |
1
= |
2
= |
3
= 0
Hiptesis Alternativa: no todas las o

y tampoco las | iguales a 0.
2 - Nivel de significancia: o =0.01.
3- Se rechaza Ho si F > 9.78 (este valor corresponde a F
0.01
con v
1
= 3 y v
2
= 6)
O si F > 10.9 (este valor corresponde a F
0.01
con v
1
= 2 y v
2
= 6)
4 Clculos:

a = 4 b = 3 T
1.
= 139 T
2.
= 145 T
3.
= 153 T
4.
= 128

T
.1
= 182 T
.2
= 176 T
.3
= 207 T
. .
= 565 EE y
ij
2
= 26867

C = 565
2
/ 12 = 26602

SST = 45
2
+ 43
2
++ 49
2
- 26602 = 265

SS(Tr) = ( 139
2
+ 145
2
+153
2
+ 128
2
) / 3 - 26602 = 111

SS(Bl) = ( 182
2
+ 176
2
+207
2
) / 4 - 26602 = 135

SST = 265 111 135 = 19

la Tabla queda:
Fuentes de
Variacin
Grados de Libertad Suma de Cuadrados Media Cuadrada F
Detergentes 3 111 37.0 11.6
Lavadoras 2 135 67.5 21.1
Error 6 19 3.2
Total 11 265

5- Dado que F
Tr
= 11.6 > 9.78 se Rechaza la primera Hiptesis Nula, por lo tanto hay
diferencia significativa entre la eficacia de los detergentes, y dado que F
Bl
= 21.1 > 10.9
tambin hay diferencia significativa entre la eficacia de las lavadoras.














3.2. Diseo en Cuadrado Latino


Para el diseo de Cuadro Latino, se supone que es necesario comparar tres tratamientos A,
B y C en presencia de otras dos fuentes de variabilidad. Por ejemplo, los tres tratamientos
pueden ser tres mtodos de soldadura para conductores elctricos y las dos fuentes de
variabilidad pueden ser:

1) Diferentes operarios
2) La utilizacin de diferentes fundentes para soldar.

Si se consideran tres operarios y tres fundentes, el experimento puede disponerse as:

Fundente 1 Fundente 2 Fundente 3
Operador 1 A B C
Operador 2 C A B
Operador 3 B C A

Aqu cada mtodo de soldadura se aplica slo una vez por cada operario junto con cada
fundente.
Un arreglo experimental como el descrito se denomina Cuadro Latino. Un Cuadro
Latino n x n es un arreglo cuadrado de n letras distintas, las cuales aparecen slo una vez en
cada rengln y en cada columna. Ntese que en un experimento en Cuadro Latino de n
tratamientos es necesario incluir n
2
observaciones, n por cada tratamiento.
Un experimento en Cuadro Latino sin repeticin da solo (n-1).(n-2) grados de
libertad para estimar el error experimental. De modo que tales experimentos son efectuados
en contadas ocasiones sin repeticin cuando n es pequeo.
Si existe un total de r repeticiones, el anlisis de los datos presupone el siguiente
modelo, donde y
ij(k)l
es la observacin en el i-simo rengln, en la j-sima columna, de la l-
sima repeticin y el subndice k indica el k-simo tratamiento:

y
ij(k)l
= + o
i
+ |
j
+
k
+
l
+ c
ij(k)l
para i, j, k = 1, 2, , n y l = 1, 2, , r

con las restricciones:
0.0015
12
0.0112 =
1
n
i
o
i

=
0
1
n
j
|
j

=
0
1
n
k

=
0
1
r
l

=
0

donde:
es la gran media
o
i
es el efecto de la i-sima fila o rengln
|
j
es el efecto de la j-sima columna

k
es el efecto del k-simo tratamiento

l
es el efecto de la l-sima repeticin
c
ij(k)l
variable aleatoria independiente normal con = 0 y varianza comn o
2
.

Ntese que por los efectos de los renglones y los efectos de las columnas se entienden
los efectos de las dos variables extraas y que se incluyen los efectos de la repeticin
como una tercera variable extraa. k est entre parntesis ya que para un diseo de Cuadro
Latino dado, k es automticamente determinada cuando i y j se conocen.
La hiptesis principal a probar es la Hiptesis Nula
k
= 0, para toda k, es decir la
Hiptesis Nula de que no existe diferencia en la eficacia de n tratamientos.
Tambin se puede probar si o
i
= 0, para todo i y |
j
= 0, para todo j con el fin de
comprobar si las dos variables extraas tienen algn efecto sobre el fenmeno que se est
considerando.
Mas an, se puede probar es la Hiptesis Nula
l
= 0, para toda l, contra la
alternativa que no todas las
l
son iguales a cero, y esta prueba del efecto de las repeticiones
puede ser importante si las partes del experimento , que representan los Cuadros Latinos
individuales, fueron realizados en distintos das, a diferentes temperaturas, etc..
Las frmula a aplicar son:







SSE = SST SS(Tr) SSR SSC SS(Rep)

donde:

total de las r.n observaciones en todos los i-simos renglones
total de las r.n observaciones en todas las j-simas columnas
total de las n
2
observaciones en todos las l-simas repeticiones
total de las r.n observaciones relativas a los j-simos tratamientos
es el gran total de las r.n
2
observaciones

lo que lleva al siguiente cuadro de anlisis:

Fuente de
Variacin
Grados de
Libertad
Suma de
Cuadrad
os
Cuadrados Medios F
Tratamient
os
n 1 SS(Tr) MS(Tr)=SS(Tr)/(n-1) MS(Tr)/MS
E
Rengln n 1 SSR MSR=SSR/(n-1) MSR/MSE
Columna n 1 SSC MSC=SSC/(n-1) MSC/MSE
Repeticin r 1 SS(Rep) MS(Rep)=SS(Rep)/(r-
1)
MS(Rep)/M
SE
Error (n-1)(r.n+r-
3)
SSE MSE=SSE/[(n-1).(
r.n+r-3)

Total r.n
2
1 SST

Ejemplo: Suponer que se efectan repeticiones del experimento de soldadura empleando el
siguiente arreglo:



Los resultados, que sealan el nmero de kilogramos fuerza de tensin requeridos
para separar los puntos soldados, fueron como se indica a continuacin:



analizar el experimento como un Cuadro Latino y probar con un nivel de significacin de
0.01 si existen diferencias en los mtodos, en los operadores, los fundentes o las
repeticiones.

1 o
1
= o
2
= o
3
= 0 ; |
1
= |
2
= |
3
= 0 ;
1
=
2
=
3
= 0 ;
1
=
2
= 0
Hiptesis Alternativa: no todas las o

, |, , iguales a 0.
2 - Nivel de significancia: o =0.01.

3 - Para tratamientos, renglones y columnas se rechaza Ho si F > 7.56 (este valor
corresponde a F
0.01
con v
1
= 2 y v
2
= 10)
Para repeticiones se rechaza Ho si F > 10.0 (este valor corresponde a F
0.01
con
v
1
= 1 y v
2
= 10)

4 Clculos:

n = 3 r = 2 T
1..
= 81 T
2..
= 79.5 T
3..
= 79.5 T
.1.
= 70.0

T
.2.
= 92.0 T
.3 .
= 78.0 T
..1
= 119.5 T
..2
= 120.5 T
(A)
= 87.5

T
(B)
= 86.5 T
(C)
= 66.0 T

= 240.0 EEE y
ij(k)l
2
= 3304.5

C = 240
2
/ 18 = 3200.0

SST = 14
2
+ 16.5
2
++ 11.5
2
3200.0 = 104.5

SS(Tr) = ( 87.5
2
+ 86.5
2
+ 66.0
2
) / 6 3200.0 = 49.1

SSR = ( 81
2
+ 79.5
2
+79.5
2
) / 6 3200.0 = 0.2

SSC = ( 70
2
+ 92
2
+78
2
) / 6 3200.0 = 41.2

SSE = 104.5 49.1 0.2 - 41.2 = 13.8

la Tabla queda:

Fuentes de Variacin Grados de Libertad Suma de Cuadrados Media Cuadrada F
Tratamientos (Mtodos) 2 49.1 24.6 17.6
Renglones (Operadores) 2 0.2 0.1 0.1
Columnas (Fundentes) 2 41.3 20.6 14.7
Repeticiones 1 0.1 0.1 0.1
Error 10 13.8 1.4
Total 17 104.5

5 En lo que respecta a tratamientos (mtodos) y a columnas (fundentes) dado que F =
17.6 y 14.7 sobrepasan a 7.56 se rechazan las Hiptesis Nulas correspondientes.
Para renglones (operarios) dado que F = 0.1 no excede a 7.56, no se rechaza
Ho.
En otras palabras, se concluye que las diferencias en los mtodos y en los fundentes,
pero no en los operadores y las repeticiones, afectan a la resistencia mecnica de la
soldadura.
Ms an, la prueba del Rango Mltiple de Duncan da el siguiente patrn de
decisin, con o = 0.01:

Mtodo C Mtodo B Mtodo A
Media 11.0 14.4 14.6

En consecuencia, se concluye que el Mtodo C produce uniones con soldaduras ms dbiles
que los Mtodos A y C.




En un diseo de experimentos completo de tres factores, todos ellos con K
niveles, necesita K
3
observaciones, nmero elevado si K es grande. Un diseo ms
eficaz que solo utiliza K
2
observaciones para el mismo problema es el cuadrado
latino. Este modelo se basa en aprovechar la simetra del experimento factorial
seleccionando un conjunto de condiciones experimentales con la condicin de
que cada nivel de un factor aparezca una vez con cada uno de los niveles de los
otros factores. Por tanto, el diseo de cuadrado latino se puede utilizar si se
verifican las siguientes condiciones:
1. Es un diseo de experimentos con tres factores.
2. Los tres factores tienen el mismo nmero de niveles: K.
3. No hay interacciones entre los tres factores.
El diseo en cuadrado latino est especialmente indicado para estudiar un factor-
tratamiento con K niveles y con dos factores-bloque de K bloques cada uno. Este
diseo se basa en el concepto de cuadrado latino que es el siguiente
Un cuadrado latino K K es una disposicin de K letras en una matriz K
K de forma que todas las letras aparecen una vez en cada fila y una vez en
cada columna.
Por ejemplo, un cuadrado latino 3 3 es el siguiente
A B C
B C A
C A B
Tabla 5.5. Cuadrado latino 3 3.
Un cuadrado latino es un cuadrado latino estndar cuando las letras de la
primera fila y de la primera columna estn dispuestas en orden alfabtico.
Un cuadrado latino es un cuadrado latino cclico si las letras de cada fila se
generan cclicamente de la anterior segn el orden alfabtico.
El cuadrado latino 3 3 de la Tabla 5.5 es estndar y cclico.
Existe un nico cuadrado latino 3 3 estndar, sin embargo hay cuatro
cuadrados latinos 4 4 estndar que se presentan en la Tabla 5.6.
Cuadro 1 Cuadro 2 Cuadro 3 Cuadro 4
A B C D A B C D A B C D A B C D
B C D A B A D C B A D C B D A C
C D A B C D A B C D B A C A D B
D A B C D C B A D C A B D C B A
Tabla 5.6: Cuatro posibles cuadrados latinos 4 4 estndar.
Un diseo en cuadrado latino es un diseo de un factor tratamiento con
K niveles y K
2
unidades experimentales agrupadas en K bloques fila y K
bloques columna, de forma que unidades experimentales de un mismo
bloque fila son semejantes, unidades experimentales de un mismo bloque
columna son semejantes y unidades experimentales de distintos bloques fila
y distintos bloques columna son sustancialmente diferentes.
Para cualquier nmero de tratamientos K existe siempre al menos un diseo
en cuadrado latino estndar cclico.
Obsrvese que si en un diseo en cuadrado latino se ignora el bloque columna
se tiene un diseo en bloques completamente aleatorizado (el bloque fila es el
factor bloque) y, anlogamente, si se ignora el bloque fila se tiene un diseo en
bloques completamente aleatorizado (el bloque columna es el factor bloque).
Adems se trata de un diseo equirreplicado: cada tratamiento aparece un
mismo nmero K de veces en el diseo.
Modelo matemtico.
Se tiene un diseo en cuadrado latino de dos factores bloque y un factor
tratamiento, el primer factor bloque se denota por B y se coloca en filas, el
segundo factor bloque se denota por B y se coloca en columnas, el factor
tratamiento se denota por T y sus niveles se colocan segn el cuadrado latino.
Por tanto, el cuadrado latino condiciona el nivel de T que se utiliza en la casilla
ij (bloque i de B y bloque j de B ) y este nivel no se elige.
La formulacin matemtica del modelo es la siguiente:
para cada i = 1,...,K, j = 1,...,K, (el ndice k lo impone el diseo
en cuadrado latino) se tiene


donde,
* Y
ij
es el resultado del bloque i-simo, i = 1,...,K del factor bloque B y
del bloque j-simo, j = 1,...,J del factor-bloque B , y del nivel k-simo del
factor T . Se denota la k entre parntesis, para indicar que este ndice no se
elige sino que viene condicionado por el par ij.
* es el efecto global que mide el nivel medio de todos los resultados,
*
i
es el efecto (positivo o negativo) sobre la media global debido al bloque i
de B . Se verifica que
i = 1
I
i
= 0,
*
j
es el efecto (positivo o negativo) sobre la media global debido al bloque j
de B . Se verifica que
j = 1
J
j
= 0,
*
k
es el efecto (positivo o negativo) sobre la media global debido al nivel k
del factor F . Se verifica que
k = 1
K
k
= 0,
*
ij
es el error experimental, son variables aleatorias i.i.d. con distribucin
N.










3.3. Diseo en cuadrado grecolatino

La eliminacin de tres fuentes extraas de variabilidad puede lograrse mediante el diseo
de Cuadro Grecolatino. En un diseo consistente en un arreglo cuadrado de n letras
latinas y n letras griegas; ms exactamente, cada letra latina aparece slo una vez al lado de
cada letra griega:

A o B | C D o
B o A D | C o
C | D o A o B
D C o B o A |

Tambin se los llama Cuadros Grecolatinos Ortogonales. Como ejemplo, suponer
el caso de las soldaduras, la temperatura es otra fuente de variabilidad. Si tres temperaturas
de soldado, denotadas o , | y se utilizan junto con los tres mtodos, los tres operadores
(renglones) y tres fundentes (columnas), la repeticin de un experimento apropiado de
Cuadro Grecolatino puede establecerse as:

Fundente 1 Fundente 2 Fundente 3
Operador 1 A o B | C
Operador 2 C A | B o
Operador 3 B | C o A

As pues, el Mtodo A sera utilizado por el Operador 1, usando fundente 1, a la
temperatura o, por el Operador 2, usando fundente 2, a la temperatura | y por el Operador
3, usando fundente 3, a la temperatura .
En un Cuadro Grecolatino, cada variable (representada por renglones, columnas,
letras latinas o letras griegas) est distribuida equitativamente respecto a las otras
variables.

Si se aumenta el nmero de factores-bloque, la extensin del cuadrado
latino es el greco-latino, que permite con K
2
observaciones estudiar cuatro
factores de K niveles sin interacciones (un factor-tratamiento y tres
factores bloque), si se utilizase el diseo completo es necesario utilizar K
4

observaciones. En el diseo en cuadrado greco-latino se superponen dos
cuadrados latinos, resultando el siguiente modelo matemtico:

El inconveniente de este modelo es que su utilizacin es muy restrictiva.
Adems pueden no existir cuadrados latinos de determinadas condiciones.

3.4. Uso de un software estadstico


Diseo en Cuadrado Latino