Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introducción
El diseño cuadrado latino, llamado también de doble agrupamiento ya que organiza los
tratamientos de dos diferentes maneras: hileras y columnas; donde cada hilera y columna
corresponde a una repetición. Los tratamientos se arreglan en bloques de dos sentidos y cada
tratamiento aparece una vez en cada hilera y columna.
En esta categoría se incorporan los diseños que utilizan dos sistemas de bloques
simultáneamente; aplicándose la técnica de doble bloqueo llamados diseño cuadro latino;
aquellos que utilizan tres y cuatro sistemas de bloques se denominan diseños de cuadrado
grecolatino y diseños de cuadrado hipergrecolatino.
Un diseño de cuadro latino es un diseño con un factor experimental y dos variables de
bloqueo, donde la muestra de los sujetos se estratifica en función de dos variables de
clasificación y posteriormente se aplican los distintos tratamientos dentro de cada bloque; en
consecuencia, se determinan tres dimensiones de variación; la primera relacionada con los
tratamientos aplicados y las otras dos, relacionadas con las filas y las columnas de una matriz
de doble entrada.
Este diseño se utiliza para conducir experimentos en condiciones heterogéneas donde las
propiedades cambian en dos direcciones como ocurre en la toma de muestras para análisis de
laboratorio, donde las condiciones cambian entre planta y planta (una dirección) y de hoja a
hoja por tamaño o posición en la misma planta (otra dirección).
Otra alternativa, que como ya se habrán imaginado es la más adecuada, es hacer un “doble
bloqueo”, o sea bloques en dos direcciones, que consideren las dos fuentes de variación, a
este tipo de diseño se le denomina Cuadrado o Cuadro Latino, donde se tiene un conjunto de
“t” tratamientos y “t2” unidades experimentales, que son agrupadas por dos factores.
Otro escenario podría ser cuando se quiere experimentar con cinco raciones (A, B, C, D y
E)en cinco vacas y con cinco pastos distintos usados como pasturas; es este caso es
aconsejable que cada ración sea experimentada en cada una de las vacas y con cada uno de
los pastos.
Características
Una de las características importantes es que este diseño se utiliza cuando la
variabilidad del material experimental en dos sentidos, es decir, existen
simultáneamente dos posibles fuentes de variabilidad o dos ´posibles factores de
confusión.
Ventajas y desventajas
Ventajas
Controla las fuentes de variación en las dos direcciones: hileras y columnas, es decir;
extrae del error experimental, la variación debida a tratamientos, hileras y columnas.
Reduce el error experimental
Permite controlar la heterogeneidad del material experimental en dos sentidos:
horizontal y vertical ya que, si se conocen dos fuentes de variabilidad de las unidades
experimentales y se puede hacer un “bloqueo” en dos direcciones, se va a poder hacer
una comparación más precisa de los tratamientos (se tiene más potencia) pues la
variación debida a las filas y las columnas es removida del error experimental.
Permite estudiar un número reducido de tratamientos
Permite toda vez que el experimento sea bien diseñado, controlar tres variables
simultáneamente.
Es fácil de analizar, comparado con el diseño de bloques al azar, sólo se requiere de
una suma de cuadrados adicional.
Cuando se tienen cuadrados pequeños (lo que implica pocos grados de libertad para
el error experimental) se pueden utilizar varios de estos cuadrados de poco tamaño y
realizar un análisis combinado de los mismos en algo que se llama cuadrados latinos
repetidos.
Desventajas
El número de filas, columnas y tratamientos debe ser el mismo.
Al haber muchos tratamientos el número de parcelas se incrementa por tanto es poco
práctico su manejo.
Requiere de mayor precisión en el manejo, comparado con el DBA
El error experimental se aumenta con el tamaño del cuadro.
Los cuadros latinos 2*2, 3*3 y 4*4 no son sensible al análisis estadístico, ya que su
reducido número de grados de libertad no permite medir con exactitud la efectividad
de los tratamientos.
El número de tratamientos, filas y columnas debe ser igual, a veces es difícil encontrar
unidades experimentales que permitan armar los bloques homogéneos en las dos
direcciones, más aún, si el número de tratamientos es grande.
Los diseños pequeños tienen pocos grados de libertad para la estimación del error
experimental y a medida que el tamaño del diseño aumenta, es posible que no se tenga
homogeneidad al interior de cada bloque.
No es un diseño adecuado si existe interacción entre los efectos de fila, columna y
tratamientos.
Se pierden grados de libertad en el error experimental, sacrificando la precisión del
diseño experimental.
Debido a que el número de hileras y columnas debe ser igual al de tratamientos, el
número de tratamientos es limitado.
No es recomendable para estudiar un número elevado de tratamientos.
Aleatorización
Suponga cuatro tratamientos (A, B, C y D), entonces, proceder a arreglar los tratamientos,
haciendo permutaciones horizontales o verticales. Al realizar las permutaciones horizontales
el arreglo es el siguiente: Seguido, se enumeran las hileras del cuadro anterior del 1 al 4 y
sortear. Suponga que con el sorteo estas quedan de la forma siguiente:
1 A B C D 4 B C D A
2 D A B C 1 A B C D
3 C D A B 3 C D A B
4 B C D A 2 D A B C
Posteriormente, numerar las columnas del 1 al 4 y luego sortear. A manera de ejemplo podría
quedar así:
1 2 3 4 1 4 3 2
B C D A B A D C
A B C D A D C B
C D A B C B A D
D A B C D C B A
Restricciones
Un tratamiento cualquiera debe estar solamente una vez en una columna.
Un tratamiento cualquiera debe estar solamente una vez en una fila.
Modelo estadístico
Supóngase que se tiene una serie de dos tablas para un diseño en cuadro latino 4*4. Estas
tablas en ningún momento modifican el croquis de campo. La primera tabla corresponde a la
información correspondiente a columnas e hileras respectivamente y la segunda agrupa la
información relacionada con los tratamientos, sumando todas las veces que se repitió cada
tratamiento, obteniéndose así el valor total de Y..k como se indica a continuación.
TRATAMIENTOS
1 2 3 4
1 Yij1 Yij2 Yij3 Yij4
2 Yij1 Yij2 Yij3 Yij4
3 Yij1 Yij2 Yij3 Yij4
4 Yij1 Yij2 Yij3 Yij4
TOTAL DE Y..1 Y..2 Y..3 Y..4
TRATAMIENTOS
Media de tratamientos Y..1 Y..2 Y..3 Y..4
Y...
Media _ general Y
t2
Por tanto el modelo estadístico esta dado por el modelo lineal siguiente:
i = 1,2,3,……..t
Yijk m+Hi +C j +Tk + Єijk j = 1,2,3,……….t
k = 1,2,3,……….t
t=h=c
Donde:
Yijk= es el valor observado correspondiente al k-ésimo tratamiento en la i-ésima fila con la
j-ésima columna.
Análisis de varianza
Con base en el modelo anterior, el análisis de varianza queda estructurado según las fuentes
de variación que involucran a filas o hileras, columnas y tratamientos respectivamente.
t 2
yi.. ( y...) 2 SChilera CM hilera GLhilera
Hileras t-1 FGL
2 error
i 1 t t GLhilera CM error
2
( y...) 2 SCcolumna CM columna
FGLGLerrorcolumna
t y
Columnas t-1
j 1 t
. j.
t2 GLcolumna CM error
Error Exp. (t-1)(t-2) ≠ SCerror
GLerror
t t t
( y...)2
Total T2-1
y
i 1 j 1 k 1
2
ijk
t2
Planteamiento de Hipótesis y regla de decisión
Ho= T1=t2=t3…….t
τ
Ho= todos los tratamientos producen el mismo efecto
H a i j ti t j
Ha= Al menos el efecto de un tratamiento es diferente al de los demás.
Yi..
D 432 A 518 B 458 C 583 E 331 2322
C 724 E 478 A 524 B 550 D 400 2676
E 489 B 384 C 556 D 297 A 420 2146
B 494 D 500 E 313 A 486 C 501 2294
A 515 C 660 D 438 E 394 B 318 2325
Y.j. 2654 2540 2289 2310 1970 11763
SCerror= SCtotal-SCtrat.-SCfilas-SCcoluma
SCerror=257.724-137.488-30.480-55.640= 34.116.34,114.72
Conclusión: de acuerdo con los resultados del análisis de varianza, se concluye que las
variedades presentan efectos diferentes altamente significativos (∞= 0.01) en cuanto a la
producción de caña de azúcar, por tanto, es recomendable realizar una prueba de comparación
de medias.
Comparación de medias Duncan
2.843
Ws´' 23.84
5
S MEDIAS COMPARADAS
2 3 4 5
q 3.08 3.23 3.33 3.36
Sx 23.84
Ws 73.42 77.00 79.39 80.10
t ( H C T ) 2G
Yijk
(t 1)(t 2)
Donde:
t = número de tratamientos
H = Total de valores observados para la fila que contiene la unidad faltante.
C = Total de valores observados para la columna que contiene la unidad faltante.
T = total del tratamiento que contiene la unidad faltante.
G = Gran total de valores observados.
Recordar que al momento de realizar el ANVA para experimentos con dos datos
faltantes, se deben restar dos (2) grados de libertad del total y del error, por cada
uno de ellos
Existe otra forma de calcular los datos faltantes, estas son:
Dos datos faltantes en el mismo tratamiento, pero en hileras y columnas diferentes:
(t 1)Q1 Q2 (t 1)Q2 Q1
X1 X2
t (t 2) 2 t (t 2)2
Q1= t(R+C+T)-2G Q2= t(R+C+T)-2G
(t 1)Q1 Q2 (t 1)Q2 Q1
X1 X2
t (t 2) 2 t (t 2)2
Q1= t(T1+C1+R12)-2G Q2= t(T2+C2+R12)-2G
(t 1)Q1 Q2 (t 1)Q2 Q1
X1 X2
t (t 2) 2 t (t 2)2
Q1= t(T1+R1+C12)-2G Q2= t(T2+R2+C12)-2G
f (t 1)(t 2)
Q1 t (T1 R1 C1 ) 2G
Q2 t (T2 R2 C2 ) 2G
Una vez calculado los datos, éstos se sustituyen en el cuadro de datos para proceder al
desarrollo del ANVA.