DISEÑO EN BLOQUES COMPLETOS AL AZAR Y DISEÑO EN

CUADRO LATINO

Cuando queremos comparar ciertos tratamientos o estudiar el efecto de un factor,

es deseable que las posibles diferencias se deban principalmente al factor de
interés y no a otros factores que no se consideran en el estudio. Cuando esto no
ocurre y existen otros factores que no se controlan o nulifican para hacer la
comparación, las conclusiones podrían resultar sensiblemente afectadas.

A los factores adicionales al factor de interés que se incorporan de manera

explícita en un experimento comparativo se les llama factores de bloque. Éstos
tienen la particularidad de que se incluyen en el experimento no porque interese
analizar su efecto, sino como un medio para estudiar de manera adecuada y
eficaz el factor de interés. Los factores de bloque entran al estudio en un nivel de
importancia secundaria con respecto al factor de interés y, en este sentido, se
puede afirmar que se estudia un solo factor, porque es uno el factor de interés.

No se debe caer en el extremo de querer controlarlo todo, sino básicamente

aquellos factores que, por conocimiento del proceso o experiencia previa, se sabe
que pueden afectar en forma considerable el resultado de la comparación.

En un diseño en bloques completos al azar se consideran tres fuentes de

variabilidad: el factor de tratamientos, el factor de bloque y el error aleatorio. La
palabra completo en el nombre del diseño se debe a que en cada bloque se
prueban todos los tratamientos, o sea, los bloques están completos. La
aleatorización se hace dentro de cada bloque; por lo tanto, no se realiza de
manera total como en el diseño completamente al azar.

El modelo estadístico para este diseño está dado por:

donde Yij es la medición que corresponde al tratamiento i y al bloque j,  es la

media global poblacional; i es el efecto debido al tratamiento i, yj es el efecto
debido al bloque j, y ij es el error aleatorio atribuible a la medición Yij. Se supone
que los errores se distribuyen de manera normal con media cero, varianza
constante y que son independientes entre sí.

La hipótesis a probar será:

Que también se puede expresar como:

En cualquiera de estas hipótesis la afirmación a probar es que la respuesta media

poblacional lograda con cada tratamiento es la misma para los k tratamientos y
que, por lo tanto, cada respuesta media es igual a la media global poblacional.

La hipótesis se prueba con un análisis de varianza con dos criterios de

clasificación, porque se controlan dos fuentes de variación: el factor de
tratamientos y el factor de bloque. La tabla ANOVA (Tabla N°1) para un diseño en
bloques completos al azar es la siguiente:

Tabla N°1: ANOVA para un diseño en bloques completos al azar

La suma de cuadrados del error se obtiene por sustracción como:

SCE = SCT – SCTRAT - SCB

Es importante recalcar que el objetivo del experimento no es comparar a los

factores de bloque, y su control en el estudio se utiliza para lograr una
comparación más justa y precisa de los tratamientos. En otras palabras, mientras
que los tratamientos se comparan con el objetivo final de elegir el más adecuado
para el experimento, con los factores de bloque no se trata de elegir uno; en todo
caso, quizá como información extra se pueda tomar alguna decisión sobre los
tratamientos.

Cuando mediante un diseño en bloques se concluye que los tratamientos son

diferentes, es probable que no se hubiera llegado a esa conclusión, de no haber
considerado el factor de bloque. Se puede dar el caso de que no se considera el
efecto de bloque, entonces la variabilidad y los grados de libertad atribuibles a los
factores de bloque, se irían al error, lo cual puede modificar las conclusiones sobre
los tratamientos.
Cuando se rechaza la hipótesis de igualdad de los tratamientos, es natural
preguntarse cuáles de ellos son diferentes entre sí. Entonces se puede utilizar
cualquiera de las pruebas de comparaciones de rango múltiples.

Por ejemplo, el método LSD se trabajaría con la siguiente expresión:

Con esta fórmula calculariamos el valor mínimo en el que deben diferir las medias
muestrales de dos tratamientos para considerar que son diferentes.

La tabla ANOVA nos proporciona un valor de F para medir el efecto de los

bloques y se verifica con la siguiente hipótesis:

que en caso de rechazarse se acepta que al menos el efecto de un bloque es

diferente de cero. Por cierto, ésta no es una prueba F exacta, sino aproximada,
debido a la restricción de aleatorización (sólo se aleatoriza dentro de bloque). Sin
embargo, en la práctica se recomienda su interpretación porque es evidencia a
favor o en contra de que valió la pena el esfuerzo de controlar el factor de bloque.
Si resulta significativa, implica que el factor de bloques tiene influencia sobre la
variable de respuesta, y debe ser tomado en cuenta para mejorar la calidad de
ésta. Pero si no se rechaza y se acepta que los bloques son iguales en respuesta
media, entonces se tiene el argumento a favor de no controlar este factor en
futuros experimentos sobre esta misma respuesta, además de que su influencia
en la calidad de la respuesta no es significativa.

Otro supuesto del diseño de bloques al azar es que no existe efecto de efecto de
interacción entre el factor de bloque y el factor de tratamientos. Cuando este
supuesto no se cumple, la variabilidad debida a la interacción se incorpora como
parte del error que, al ser grande y artificial, enmascara el efecto de los
tratamientos.

DISEÑO EN CUADRO LATINO

Los diseños de cuadro latino conocido por sus siglas (DCL), controlan dos factores
de bloque y se estudia un factor de tratamientos, por esta razón existen cuatro
fuentes de variabilidad, estas son los tratamientos, el factor de bloque I
(columnas), el factor de bloque II (renglones) y el error aleatorio, cada fuente de
variabilidad mencionada pueden afectar la respuesta observada.
Este diseño es llamado cuadro latino por dos razones: un cuadro en virtud a la
restricción adicional de que los tres factores implicados se prueban en la misma
cantidad de niveles, y es latino porque los niveles del factor interés son denotados
por letras latinas. Cada uno del aspecto de los datos mencionados se muestran en
la Tabla N°2.

Tabla N°2. Aspectos de los datos en un diseño en cuadro latino

Análisis de Diseño

Para explicar el comportamiento de las observaciones el modelo estadístico está

dado por:
Y ijl =μ+τ i + γ j+ δ l + ε ijl

En el cual Y ijl observación del tratamiento i, en el nivel j del factor renglón y en el

nivel l del factor columna; ε ijl error atribuible a dicha observación.
Descomposición de la variabilidad total en los datos:
SCt =SCTRAT + SC B 1+ SC B 2 + SC E

Los grados de libertad correspondiente son:

k 2−1=( k −1 ) + ( k −1 )+ ( k−1 )+ ( k−2 ) ( k −1 )
En el ANOVA se prueba la hipótesis sobre los efectos de tratamiento, el factor
renglón y el factor columna, cabe destacar que nuevamente la hipótesis
fundamental es la de los tratamientos y las otras dos proporcionan al objetivo
inicial un adicional al mismo tiempo permiten comprobar la relevancia de controlar
los factores de bloque. A continuación, se muestra la Tabla N°3 para el diseño en
cuadro latino.
Tabla N°3. ANOVA para el diseño cuadro latino

En este diseño también se debe validar el análisis de varianza el mismo recae en

los tres supuestos que siempre debemos verificar, estos son normalidad, varianza
constate e independencia de los residuos además de las observaciones
aberrantes.
Selección y aleatorización de un cuadro latino
Se dice que un arreglo de letras latinas en forma de cuadro corresponde a un
cuadro latino. Este presenta una regla fundamental el cual nos dice que cada letra
solo puede o debe aparecer una vez en cada reglón y en cada columna.
En un cuadro latino estándar las tanto en las columnas y en el primer reglón
aparecen las letras en orden alfabético. Podemos observar un cuadro latino
estándar de tamaño cuatro.

Adicionalmente existen tres cuadros latinos estándar de dimensión cuatro:

Se pueden construir un total de 576 cuadros latinos para cuatro tratamientos, de

los cuales cuatro son estándar. Debemos seleccionar uno al azar de los 576
posibles.
A continuación, se mencionará tres puntos esenciales como estrategia de
selección y aleatorización recomendada para la práctica.
 Se construye el cuadro latino estándar más sencillo.
 Se aleatoriza el orden de los renglones (o columnas) y después se
aleatoriza el orden de las columnas (o renglones).
  Por último, los tratamientos a comparar se asignan en forma aleatoria a las
letras latinas.
Cabe destacar que este diseño posee dos restricciones a la aleatorización y esto
se da por los dos factores de bloque, esto nos quiere decir que se pude correr por
renglón o por columna. No se puede hacer las pruebas tratamientos por
tratamiento, ya que se pueden dar ruido por factores no controlables que cambian
con el tiempo.
 GLOSARIO

1. Bloqueo: es uno de los principios básicos del DDE que consiste en nulificar
o tomar en cuenta, en forma adecuada, todos los factores que puedan
afectar a la respuesta observada. Al bloquear se supone que el subconjunto
de datos que se obtengan dentro de cada bloque (nivel particular de factor
bloqueado), debe resultar más homogéneo que el conjunto total de los
datos.

2. Tratamiento: son diferentes procedimientos, procesos o factores cuyos

efectos serán medios y comparados en un experimento. Los tratamientos
establecen un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseño
seleccionado

3. Factores de bloque: Son las variables adicionales al factor de interés que

se incorporan de manera explicita en un experimento comparativo para
lograr una mayor precisión en la comparación. Tienen la particularidad de
que se incluyen en el experimento no porque interese analizar su efecto,
sino como un medio para estudiar de manera adecuada y eficaz el valor de
interés.

Estos entran al estudio en un nivel de importancia secundaria con respecto

al factor de interés

4. Fuentes de Variabilidad: son los factores que provocan la variabilidad en

los datos. En un diseño de bloques completos al azar (DBCA) se
consideran tres fuentes de variabilidad que son: el factor de tratamientos, el
factor de bloque y el error aleatorio.

5. Diseños en bloques completos al azar: al referirnos al termino

‘‘completo’’, se debe a que en cada bloque se prueban los TODOS los
tratamientos, es decir, los bloques están completos y la aleatorización (al
azar) se hace dentro de cada bloque, por lo tanto, no se hace de manera
total como en el diseño completamente al azar.
6. Bloque completo: como se menciona en la definición anterior, en el DBCA
(Diseño en Bloques Completos al Azar) se refiere a que en cada bloque se
prueban los tratamientos.

7. Efecto de interacción: Es cuando dos factores interactúan, es decir,

cuando el efecto de uno depende del nivel del otro. Cuando este supuesto
(supuesto que no existe efecto de interacción) no se cumple, la variabilidad
debida a la interacción se incorpora como parte del error, al ser grande y
artificial, enmascara el efecto de los tratamientos. La existencia del efecto
de interacción se puede evaluar obteniendo una suma de cuadrados
aproximada para dicho efecto en el ANOVA.

8. Diseño de Cuadro Latino (DCL): Diseño en el que se controlan dos

factores de bloque y se estudia uno de los tratamientos; los tres factores
tienen la misma cantidad de niveles. Los tratamientos o niveles del factor de
interés se representan por letras latinas y se distribuyen en forma adecuada
en un cuadro.

9. Cuadro latino estándar: En este cuadro en la primera columna y en el

primer renglón aparecen las letras en orden alfabético. A continuación, se
muestra un cuadro de latino estándar de tamaño cuatro:

Combinación 1

También existen otras tres combinaciones para estos cuadros como lo son:

Combinación 2 Combinación 3 Combinación 4

Para cuatro tratamientos se pueden construir un total de 576 cuadros

latinos, de los cuales cuatro son estándar. La estrategia de selección y
aleatorización recomendada en la práctica es:
 Se construye el cuadro latino estándar más sencillo.
  Se aleatoriza el orden de los renglones (o columnas) y después se
aleatoriza el orden de las columnas (o renglones).
 Por último, los tratamientos a comparar se asignan en forma
aleatoria a las letras latinas.

Bibliografía

o Pulido, H., De la Vara Salazar, R. (2012). Análisis y Diseño de Experimentos (3ra

Edición). McGraw Hill.