DISEO POR

B L O Q UE S INCOMPLETOS
REALIZADO POR:
Sergio Martnez Fernndez Mara Jess Snchez Repullo Miguel Rodrguez Alvarez

Diiseo de Experriimenttos D seo de Expe men os

DISEO POR BLOQUES INCOMPLETOS

INTRODUCCIN:
Es posible que en algunos experimentos que usan diseos por bloques no puedan realizarse los ensayos de todas las combinaciones de tratamiento dentro de cada bloque .Situaciones como stas ocurren debido a escasez en los recursos del experimento, o por el tamao fsico de los bloques. Por ejemplo, supongamos un experimento en el que el tamao fsico de las probetas slo alcanza para probar tres puntas en cada probeta. En estos casos en posible usar diseos aleatorizados por bloques en los que cada tratamiento no est presente en cada bloque. Estos diseos se conocen como Diseos Aleatorizados por Bloques Incompletos, y sern motivo de estudio en este captulo.

DISEOS POR BIB

Cuando las comparaciones entre todos los tratamientos tienen la misma importancia, stas deben elegirse de manera que ocurran en forma balanceada dentro de cada bloque. Esto significa que cualquier par de tratamientos ocurren juntos el mismo nmero de veces que cualquier otro par. Por lo tanto, un diseo balanceado por bloques incompletos es un diseo por bloques incompletos en el que cualquier par de tratamientos ocurren juntos el mismo nmero de veces.

ANLISIS

ESTADSTICO:

Como es usual, suponemos que existen a tratamientos y b bloques. Se supone adems, que se prueban k tratamientos en cada bloque, que cada tratamiento sucede r veces en el diseo (o se repite r veces) y que hay un total de N= a.r = b.k observaciones. Ms an, el nmero de veces que cada par de tratamientos ocurre en el mismo bloque es

= r. (k-1) a-1
Se dice que el diseo es simtrico si a = b.

El parmetro debe ser un entero. Para deducir la relacin de , considrese cualquier tratamiento, por ejemplo el 1.Como el tratamiento 1 ocurre en r bloques, y hay otros k-1 tratamientos en cada uno de esos bloques, existen r.(k-1) observaciones en un bloque que contiene al tratamiento 1. Estas r. (k-1) observaciones deben representar al resto de los a-1 tratamientos veces. Por lo tanto, .(a-1) =r. (k-1).

EJEMPLO 1:
Para a = 4 (n de tratamientos), b = 4, (n de bloques) k = 3 (tratamientos en cada bloque), un diseo BIB puede ser construido con: R = (b. k / a)= 3 (cada tratamiento sucede 3 veces en el diseo) = r. (k-1) a-1 =3. (3- 1)/4-1 =2 (el nmero de veces que cada par de tratamientos ocurre en el mismo bloque)

Bloques 1 2 3 4 EJEMPLO 2:

Tratamientos 1 1 1 2 2 2 3 3 3 4 4 4

Para a = 4 (n de tratamientos), b = 6, (n de bloques) k = 2 (tratamientos en cada bloque), un diseo BIB puede ser construido con: R = (b. k / a)= 3 (cada tratamiento sucede 3 veces en el diseo) = r. (k-1) a-1 =3. (2- 1)/4-1 =1 (el nmero de veces que cada par de tratamientos ocurre en el mismo bloque)

Bloques 1 2 3 4

Tratamientos 1,2 3,4 1,3 2,4

5 6

1,4 2,3

EJEMPLO 3:
Supongamos b = 4 bloques incompletos para investigar b = 6 tratamientos.

Bloques 1 2 3 4

Tratamientos 1,2,3 1,3,6 2,3,5 4,5,6

Aunque r =2 (cada tratamiento sucede 2 veces en el diseo), pero no es un diseo BIB porque no es igual para todas las parejas de tratamientos. Los pares de tratamientos (1,5), (2,6) y (3,4) no ocurren en todos los bloques, el resto de parejas aparecen una sola vez en el mismo bloque.

El modelo estadstico es:

Yij = + i + j + ij
En donde yij es la i-sima observacin del j-simo bloque, es la media general, i es el efecto del i_simo tratamiento, j es el efecto del j_simo bloque, y ij es la componente del error aleatorio NID (0, 2). La variacin total en los datos se expresa mediante la suma total de cuadrados corregidos (o ajustados).

SST = yij2 (y..2 N)

i j

La variabilidad total puede ser descompuesta

SST = SSTratamientos

ajustada +

SSBloques + SS

En donde corrige la suma de cuadrados de tratamiento para separar los efectos de tratamiento y de bloque. Esta correccin es necesaria porque cada tratamiento ocurre en un conjunto diferente de r bloques. Por esta razn las diferencias entre los totales de tratamientos no corregidos, y1., y2. ,ya. tambin son afectadas por las diferencias entre los bloques. La suma de cuadrados de los bloques es

SSBloques = ( b y.j2 k)
j=1

__

(y..2 / N)

en donde y.j es el total del j-simo bloque. La SSBloques tiene b-1 grados de libertad. La suma de cuadrados de tratamiento corregida (o ajustada) es a SStratamientos ajustada = k. Qi2 a
i=1

En donde Qi es el total corregido del i_simo tratamiento, el cual se calcula mediante

b Qi = yi. ( nij .y.j ) k , i = 1,2,3.,a

J=1

tanto,

con nij =1 si el tratamiento i ocurre en el bloque j, nij = 0 en otro caso. Por lo

(1/k). nij .y.j es el promedio de los totales de

j=1

los bloques en los que se aplica el tratamiento i. La suma de los totales de tratamiento corregidos siempre ser 0. La SSTratamientos ajustada tiene a -1 grados de libertad. La suma de cuadrados del error se calcula por diferencia

SS = SST SSTratamientosajustada - SSBloque

Y tiene N-a-b +1 grados de libertad.

La estadstica apropiada para probar la igualdad de los efectos de tratamiento es

F = CMtratamientos CM

Anlisis de varianza para el diseo BIB

Fuente de Variacin Suma de cuadrados G. libertad Media Cuadrados F _____________________________________________________________________________ Tratamientos corregidos

k. Qi2 a
i=1

a-1

SSTa a-1

F=CMT/CME

Bloques

( b y.j2 k)
j=1

__

(y..2 / N)

b -1

SSbloques / b-1
SS / ( N a b - +1 )

Error

SS yij2 (y..2 N)
i j

N-a-b+1 N1

Total

EJEMPLO:
Supngase que un ingeniero qumico cree que el tiempo de reaccin en un proceso qumico es funcin del catalizador empleado. De hecho 4 catalizadores estn siendo investigados. El procedimiento experimental consiste en seleccionar un lote de materia prima, cargar una planta piloto, aplicar cada catalizador a ensayos separados de dicha planta y observar el tiempo de reaccin. Debido a que las variaciones en los lotes de materia prima pueden afectar el comportamiento del catalizador, el ingeniero decide controlar este factor por medio de bloques. Sin embargo, cada lote es lo suficientemente grande para permitir el ensayo de 3 catalizadores nicamente. Por lo tanto, es necesario utilizar un diseo aleatoriazado por bloques incompletos. El diseo BIB, junto con las observaciones recopiladas aparecen en la siguiente tabla:

Bloque (Lote de Materia Prima) Tratamiento (Catalizador) --------------------------------------------------------1 2 3 4 yi.

1 2 3 4 y.j

73 __ 73 75 221

74 75 75 __ 224

__ 67 68 72 207

71 72 __ 75 218

218 214 216 222 870=y..

Considrense los datos de la Tabla para el experimento de los catalizadores. ste es un diseo BIB con a = 4, b = 4, k = 3, r = 3, = 2 y N = 12. A continuacin vamos a realizar el anlisis de estos datos.

La Suma Total de Cuadrados: SST = yij2 (y..2 / 12) = 63156 (870)2 / 12 = 8100
i j

La Suma de Cuadrados de Bloque es: SSbloques = y..j 2 / 3 ( y..2 / 12) =

J=1

= [(221)2 + (207)2 + (224)2 + (218)2] / 3 (870)2/ 12 =5500

Para calcular la suma de cuadrados de tratamiento corregida que

tome en cuenta los bloques, primero hay que determinar los totales de tratamientos corregidos:

Q1= (218) (221+ 224 + 218)/ 3 = - 9/ 3 Q2 = (214) (207 + 224 + 218) /3 = - 7/3 Q3 = (216) (221 + 207+ 224) / 3 = - 4/3 Q4 = (222) (221 + 207 + 224) /3 = 20 /3

Se calcula ahora la suma de cuadrados de tratamiento corregida:

j=1 =3. [(- 9/3) + (-7/3) + (-4/3)2 + (20/3)2]/ (2). (4) = 2275
2 2

a SStratamientos ajustada = k. Qi2 a =

La suma de cuadrados del error se calcula por diferencia:

SS = SST SSTratamientosajustada - SSBloque = 8100 2275 5500 = 325

Vamos a escribir la Tabla para el Anlisis de la Varianza:

Fuente de Variacin

Suma de Grados Cuadrados de Libertad

Media de Cuadrados

Tratamientos (corregidos) Bloques Error Total

2275 5500 3.25 8100

3 3 5 11

758 ------0.65

1166

Como F> F0.05;3,5 = 541 , se concluye que el catalizador empleado tiene un efecto significativo sobre el tiempo de reaccin.

Evaluacin de los efectos del bloque:

En ocasiones, se desea evaluar los efectos de los bloques. Para lograrlo se requiere una descomposicin alterna de SST, en otras palabras,

SST = SStratamientos + SSbloques(ajustada) + SS Qj = y.j [(nijyi.)] / r , j = 1,2,3,..,b

i=1
b

SSbloques ajustada = r(Qi )2 / .b

J=1

Como a = b = 4, el diseo balanceado por bloques incompletos es simtrico. Por lo tanto, Q1 = (221)- (218+ 216 + 222) / 3 = 7/3 Q2 = (224) (218 + 214 + 216) / 3 = 24 /3 Q3 = (207)- (214 + 216+ 222)/ 3 = -31/3 Q4 = (218) (218 + 214 + 222)/3 = 0

SSbloques ajustada = 3[(7/3)2 + (24/3)2 + (-31/3)2 + 02 ]/ (2)(4) = 66.08 SStratamientos = [(218)2 + (214)2 + (216)2 + (222)2 ] / 3 (870)2 / 12 = 1167
El resumen del Anlisis de la Varianza para el diseo BIB simtrico, se muestra en la siguiente tabla:

Fuente de Variacin

Suma de Grados Cuadrados de Libertad

Media de Cuadrados

Tratamientos (corregidos) Tratamientos (no corregidos)

2275 1167

3 3

758 _____

1166 _____

Bloques Bloques (corregidos) Error Total

5500 6608 3.25 8100

3 3 5 11

_____ 2203 0.65 3390

Hay que observar que la suma se cuadrados asociadas con cada media de cuadrados en la tabla anterior no es igual a la suma total de cuadrados, o sea que

SST SSTrtamientos ajustada + SSbloques ajustada + SS

Estimacin de los parmetros. Contrastes

Hasta el momento hemos estudiado como contrastar la influencia de los tratamientos en un diseo de bloques incompletos balanceados, no obstante ante un estudio de tipo factorial es interesante tener estimadores de los parmetros involucrados en el modelo. Nuestro modelo es el siguiente: yij = +i+j+ij Sabemos que los errores son independientes entre si y que Los estimadores de los parmetros vienen dados por: ^ kQi i= (a)

i= j=0.
i
j

= y..
rQ' i b a = n de tratamientos, b = n de bloques, k n de tratamientos por bloque r(k - 1) r = n de veces que aparece el tratamiento en el diseo, = a -1 Estos estimadores vienen dados de resolver la ecuacin de mnimos cuadrados:

j=

min ( (yij - + i+ j)2 )

ij

Es decir buscar , i , j tales que minimicen la ecuacin. Los estimadores de i y de los j son insesgados. En concreto en el ejemplo de los catalizadores:

1=-9/8

2=-7/8

3=-4/8
^

4=20/8

Del mismo modo estos estimadores permiten realizar contrates tipo H0: cii =0,
ci =0, parece natural usar la variable normal ci i ,pues tiene como media cii , su

varianza es v =

k ( ci2 ) 2
i

,de este modo q =

ci i
i

N (0,1) y por tanto la suma

de cuadrados del contraste: k( c i Qi ) 2 =q2 2 12 2

SCc =

a( c i )
2 i

Se puede construir un estadstico que bajo H0 sigue una distribucin:

SCc
2 SCc = = CME CME

12
2 N a b +1

F1,N-a-b+1

Por ejemplo, si queremos contrastar en el ejemplo anterior 4 =34.188 bajo H0 sigue una distribucin F1,5

1 + 2 + 3
3

=0

P (F1, 5 >34.188)=<0.05, luego rechazaramos la hiptesis nula.

Estimacin de los parametros. Anlisis Interbloques

El estudio realizado hasta ahora es conocido como anlisis intrabloques, puesto que se eliminan las diferencias entre bloques, y todos los contrastes de los efectos de los tratamientos pueden expresarse en forma de comparaciones entre las observaciones en el mismo bloque. Este anlisis es apropiado independientemente de que los bloques sean fijos o aleatorios. Yates (1940) demostr que si los efectos del bloque son variables aleatorias independientes con media cero y desviacin tpica , puede obtenerse informacin adicional de los efectos de los tratamientos i. Este anlisis es el conocido como Anlisis interbloques. La idea es la siguiente: Se consideran los totales de los bloques y.j que constituyen un conjunto de observaciones. El modelo queda entonces as: y.j = k+

niji +
i

( kj+

ij )

Con nij= 1 si el tratamiento i aparece en el bloque j y 0 en caso contrario.

i=0
i

El trmino entre parntesis es aleatorio de media cero y puede considerarse como un error. Los estimadores del anlisis interbloques para y para i se determinan minimizando la funcin de mnimos cuadrados: L= min ( (y.j k +
j
~

nij

)2 )

Tras derivar con respecto de y de estimadores resultantes viene dados por:

~

e igualar las ecuaciones a cero, los

i=

n ij y .j - kr y.. (r - )

 = y..
Los estimadores de i tambin son insesgados. Observamos que el estimador de la media muestral es el mismo, en cambio el estimador de los i vara, para el ejemplo de los catalizadores, suponiendo que los bloques fueran aleatorios, tendramos que los estimadores interbloques tomaran los valores:

1=(663-(3)(3)(72.50))/(3-2)=10.50 2=(649-(3)(3)(72.50))/(3-2)=-3.50 3=(652-(3)(3)(72.50))/(3-2)=-0.50 4=(646-(3)(3)(72.50))/(3-2)=-6.50

~ ~ ~

A parte de obtener otra manera de estimar los parmetros, el anlisis interbloques es interesante puesto que Yates demostr que los estimadores de los i con el anlisis interbloques y con el anlisis intabloques son independientes, de este modo se plantea obtener una informacin ms precisa a partir de los dos estimadores. La precisin de un estimador, si este es insesgado,es un concepto que estadsticamente se suele medir a travs de la varianza del estimador. Por ello se plantea considerar una combinacin lineal de los estimadores interbloques e intrabloques de modo que la varianza se minimice. Obviamente la combinacin deber ser del tipo: i* = i + (1 - )
^ ~

pues el nuevo estimador debe ser a su vez insesgado para ser un estimador del parmetro. Es posible demostrar que las varianzas de los estimadores vienen dadas por:

2 k (a 1) V ( i )= a 2
^

V ( i )=

( 2 + k 2 )(a 1)k a(r )

Ntese que cuanto ms grande sea la varianza de los bloques peor ser la estimacin interbloques. Con estos datos y puesto que los estimadores son independientes, se puede obtener el estimador insesgado de mnima varianza, el valor de viene dado por = u
1/(u1+u2),

con u1=1/ V ( i ) y u2= 1/V( i ).

Tras sustituir y simplificar el estimador de mnima varianza viene dado por:

i * =

kQi ( 2 + k 2 ) + ( nij y. j kr y..) 2

j

(r ) + a ( 2 + k 2 )
2

El estimador refleja lo deseado, cuanto ms grande sea la varianza de los bloques ms se acercar al estimador interbloques. Si 2=0 entonces i *= y i. - y.. , que pues estaramos en un ANOVA unifactorial al no influir el bloque. Lo ms natural es que 2 y 2 sean desconocidas en ese caso se estiman, la primera con el cuadrado medio del error (CME), y la segunda es ms complicada de estimar, Garybill propuso como estimador de 2 :
2 = ^ __ __

(CMB(ajust ) CME )(b 1) a(r 1)

Si el estimador nos diese un valor negativo, se toma como criterio 2. En nuestro

2 ejemplo tenemos que =8.02, relativamente grande en esta tabla se reflejan las ^

estimaciones intra e interbloques junto con la de mnima varianza, que al ser la varianza de los bloques grande se parecer mucho a la intrabloques.: Parmetro 1 2 3 4 Intra -1.12 -0.88 -0.50 2.50 Inter. 10.50 -3.50 -0.50 -6.50 Mnima varianza -1.09 -0.88 -0.50 2.47

Ejemplos de diseos por bloques

1. Parmetros a = b = p r =k =p-1 =p-2 con p primo.

Se construye un cuadrado latino de tamao p2 se elimina una fila y se toman por bloques las columnas.
Ejemplo: p =5

Cuadrado latino:

E A B C D

C E D B A

B D A E C

A C E D B

D B C A E

Diseo de bloques: Bloque (5 col.eliminada) 1 E 2 A 3 B 4 C 5 D 2. Parmetros: a =p2 r =p +1

C B A E D C D A E B E D A C B k = p b = p2+ p =1 con p primo.

Se considera un cuadrado completamente ortogonalizado (CCO) de lado p, es decir un conjunto de p-1 lenguajes, y para cada uno de ellos se tiene asociado un cuadrado latino, de modo que si cogemos dos lenguajes los dos cuadrados forman un cuadrado grecolatino. El cuadrado (CCO) tiene p2 celdas puesto que tenemos p2 tratamientos se le asocia a cada celda un tratamiento. Posteriormente se eligen los bloques mediante estos tres procedimientos: (i) por filas, (ii) por columnas, (iii) por letra de los distintos alfabetos. Veamos un ejemplo para aclarar ideas, tomemos p =3, el CCO con 2 lenguajes viene dado por: A C B C B A B A C Denotemos los tratamientos por nmeros de 1 hasta 9 y asociamos a cada celda un tratamiento de modo que: A1 C2 B3 C4 B5 A6 B7 A8 C9 Bloque 1 2 3 Los bloques quedan mediante el procedimiento anterior: Tratamientos Mtodo Bloque Tratamientos 1 2 3 (i) fila 1 7 1 6 8 4 5 6 (i) fila 2 8 3 5 7 7 8 9 (i) fila 3 9 2 4 9 Mtodo (iii) A (iii) B (iii) C

4 5 6

1 4 7 2 5 8 3 6 9

(ii) col 1 (ii) col 2 (ii) col 3

10 11 12

1 5 9 2 6 7 3 4 8

(iii) (iii) (iii)

3. Parmetros: a = b = p2+ p +1 r = k = p +1 , =1 con p primo.

A partir del mtodo anterior puede construirse un diseo de este tipo, consideremos p2+ p +1 tratamientos, a partir de los p2 primeros se construye un diseo tipo 2, de este modo obtendremos p2 +p bloques con p tratamientos por bloque, pero eso no es exactamente lo que queremos pues queremos p2+ p + 1 tratamientos con p +1 tratamientos por bloque. Hemos construido los p2 bloque a partir de los p2 tratamiento los p +1 tratamientos se aaden de manera uniforme a los bloques anteriores, es decir, los bloques obtenidos se subdividen en p +1 conjuntos de p bloques asociados a las formas de escoger los bloques , tipos (i),(ii),(iii) y se aade un tratamiento por subconjunto. De este modo tenemos los p2+ p bloques completos, el bloque restante se forma con los p +1 que se han aadido a los subconjuntos. Esta explicacin parece un poco difusa pero con un ejemplo se ver que es muy sencillo, consideremos p = 3, los tratamientos se denotan desde 1..13:
Ejemplo anterior el diseo resultante fue:

Bloque 1 2 3 4 5 6

Tratamientos 1 2 3 4 5 6 7 8 9 1 4 7 2 5 8 3 6 9

Mtodo (i) fila 1 (i) fila 2 (i) fila 3 (ii) col 1 (ii) col 2 (ii) col 3

Bloque Tratamientos 7 1 6 8 8 3 5 7 9 2 4 9 10 1 5 9 11 2 6 7 12 3 4 8

Mtodo (iii) A (iii) B (iii) C (iii) (iii) (iii)

Los tratamientos 10, 11,12 y 13 se aaden: Bloque 1 2 3 4 5 6 Tratamientos 1 2 3 10 4 5 6 10 7 8 9 10 1 4 7 11 2 5 8 11 3 6 9 11 Mtodo (i) fila 1 (i) fila 2 (i) fila 3 (ii) col 1 (ii) col 2 (ii) col 3 Bloque Tratamientos 7 1 6 8 12 8 3 5 7 12 9 2 4 9 12 10 1 5 9 13 11 2 6 7 13 12 3 4 8 13 Mtodo (iii) A (iii) B (iii) C (iii) (iii) (iii)

Se aade el ltimo bloque: Bloque 13 Tratamientos 10 11 12 13

Cuadrados de Youden
Hasta el momento hemos estudiado los modelos de bloques incompletos balanceados, en concreto en los ejemplos anteriores hemos construido diversos diseos BIB, los cuales se apoyan en diseos de tipo cuadrado latino. Parece que de algn modo puede haber una relacin los diseos BIB y los diseos de cuadrados latinos. En efecto, existe con los llamados diseos de cuadrados latinos no completos o cuadrados de Youden ,estos diseos son cuadrados latinos a los que le faltan 1 o varias columnas de modo que si miramos el diseo por filas el diseo es un BIB. Un ejemplo de este tipo puede ser el ejemplo 1, si consideramos tambin como bloques las columnas ntese que por filas son un BIB, y cada columna forma un bloque completo. Bloq.(fila)\Bloq(col) 1 2 3 4 (5 col.eliminada) 1 E C B A 2 A E D C 3 B D A E 4 C B E D 5 D A C B Es interesante saber que todo cuadrado de Youden es un cuadrado latino en el que faltan alguna de sus columnas 1 o ms. De manera recproca a todo cuadrado latino si le quitas una columna queda un cuadrado de Youden. Pero cuidado! si le quitas ms de una columna a un cuadrado latino puede que no sea un cuadrado Youden, pues puede no ser un BIB por filas. Si eliminamos en el ejemplo tambin la columna 4 no tenemos un cuadrado Youden, pues por ejemplo C aparece con B 2 veces por filas en cambio aparece 1 sola vez con A por filas. Bloq.(fila)\Bloq(col) (5 col.eliminada) 1 (4 col. eliminada) 2 3 4 5 1 E A B C D 2 C E D B A 3 B D A E C

El modelo matemtico para un cuadrado de Youden viene dado por:

yijh = +i+j +h+ijh

Con i el efecto de los tratamientos, j el efecto de los bloques fila y h el efecto de los bloques columna. Obviamente j = i= h=0 y los errores son
j

independientes entre s.

Este diseo se estudia con una tabla ANOVA en la que las sumas de cuadrados del tratamiento son las del diseo considerado como un BIB por filas, es decir, la suma de cuadrados ajustada SCTrat(ajustada). La suma de cuadrados de bloques fila y columna es la usual.

SCTot =

yijh2 ijh

y... N
2

SCTrat (aj) =

k Qi
i

SCB (fila)= SCB (col)=

y. j . k

y...2 N

SCE = SCTot- SCBf- SCBc-SCTr (aj)

y..h b

y...2 N

Donde k , b, a, , son los valores de esos parmetros si consideramos el diseo por filas que es un BIB.
La Tabla ANOVA vendra dada por:

Fuente Columnas Filas Tratamientos(ajus) Error Total

Ejemplo:

SC

Grados de Libertad r-1 b-1=a-1 a-1 (a-1)(r-2) ar-1

Una ingeniera industrial est estudiando el efecto de 5 niveles de iluminacin en la presencia de defectos en un ensamblado. El tiempo puede ser un factor de variacin, por eso decide hacer el experimento en 5 das. Pero el departamento que realiza el experimento slo posee 4 estaciones de trabajo que a su vez pueden ser una fuente de variacin. Tratamientos (Iluminacin): A, B, C, D, E Bloque (fila): Das Bloque (col)=Estaciones Estacin Da 1 2 3 4 5 1 A=3 B =0 C =-1 D =-1 E =5 2 B =1 C =0 D =0 E =6 A =2 3 C =-2 D =-1 E =5 A=4 B=1 4 D =0 E =7 A =3 B=0 C =-1

Tabla ANOVA:
Fuente SC G.d.L CM F p-valor

Iluminacin (ajustada)120.37 Das (no ajustado) Das (ajustada) Estacin Error Total 6.70 0.87 1.35 6.53 134.95

4 4 4 3 8

30.09 --0.22 0.45 0.82

36.69 ----0.26 0.54

<0.05

INFLUYE

>0.05 >0.05

NO INFLU. NO INFLU.

Diseos reticulares
Otro tipo de diseo cuya idea es basarse en el modelo de bloques incompletos es, lo que se denomina diseos reticulares, un diseo reticular es un diseo de experimentos en el que se realiza un nmero finito de replicas, consideramos una replica como una etapa en la que se realiza un diseo por bloques incompletos, de modo que completemos tras las replicas un modelo de bloques. Mostraremos un ejemplo de este diseo: Replica 1 Bloques 1 2 Trat 1 2 3 4 Bloques 3 4 Replica 2 Trat 1 3 2 4 Bloques 5 6 Replica 3 Trat 1 4 2 3

Ntese que completamos un diseo por bloques incompletos, pues coincide con el ejemplo2. El anlisis de estos diseos, se realiza obviamente considerando las replicas como posibles efectos.

Diseos parcialmente balanceados por bloques incompletos

Finalidad: Este tipo de diseos son tiles cuando, en un diseo balanceado por bloques incompletos es necesaria una gran cantidad de bloques.Esto hara inviable en algunos casos el experimento balanceado. Ejemplo Si tenemos que en un experimento hay 8 tratamientos y el tamao de los bloque es 3 entonces el numero de veces que tiene que aparecer el tratamiento en un diseo balanceado es 21. Tenemos que si a =8 k =3 = entero

ar = bk r (k 1) = a 1 todo esto nos lleva a que r=21 como mnimo. Luego tendremos un diseo de al menos 56 bloques. Para solucionar esto tenemos estos diseos parcialmente balanceados.
Parmetros Muchos parmetros son comunes al diseo parcialmente balanceado. La diferencia mas significativa estriba en que hay pares de tratamientos que suceden un numero distinto de veces .Unas parejas ocurren 1 veces, otras 2 veces, etc. Los tratamientos que ocurren i veces se dicen asociados de orden i.Por regla general 1>2>3...> m.En este caso en particular hay m clases asociadas Los dems parmetros son similares siendo n de tratamientos: a n de bloques: b n de ensayos del experimento por bloque: k n de veces que aparece un tratamiento: r n de asociados de orden i: ni tambin estn las matrices Pi que posteriormente sern tratadas. Ejemplo BLOQUES 1 2 3 4 5 6 COMBINACION DE TRATAMIENTOS 1 2 3 3 4 5 2 5 6 1 2 4 3 4 6 1 5 6

Los parmetros son los siguientes a = 6,b =6,k = 3, r = 3,n1 =1,n2 =4, 1 =2, 2 =1 y hay 2 clases asociadas. Como podemos ver todas las parejas de tratamientos se repiten 1 o 2 veces de ah 1 =2, 2 =1 y tambin se ve fcilmente que la pareja que se repite dos veces con un tratamiento fijo ,(por ejemplo el 1), solo es una (la pareja de tratamientos (1,2) se repite 2 veces y por tanto el tratamiento 1 y 2 son asociados de 1er orden) luego n1 =1.hay cuatro parejas con un tratamiento fijo (por ejemplo el 1) que se repiten una vez ((1,3),(1,4),(1,5),(1,6)), luego los tratamientos 3,4,5 y 6 son asociados de 2 orden al tratamiento 1 luego n2 =4.Se puede observar que las parejas de tratamientos con un tratamiento fijo (una pareja se repite dos veces y las dems solo una) funcionan igual.
Calculo de las matrices Pi.

Consideremos el experimento anterior vamos a calcular sus matrices Pi. En primer lugar decir que hay tantas matrices Pi como n de clases asociadas, en este caso habr 2 matrices Pi: P1,P2 y que la matriz Pi esta asociada a los tratamientos asociados de orden i. La matriz P1 esta asociada los tratamientos asociados de orden 1.Vamos a calcularla. 1 tomamos una pareja de asociados de primer orden por ejemplo la pareja (1,2) que se repite 2 veces. Para calcular P1 solo tenemos que realizar una tabla.
TRATAMIENTO 2 Asociados de orden Asociados de orden 1 2 TRATAMIENTO 1 Asociados de orden ___ ___ 1 Asociados de orden ___ 3456 2

Tenemos que la tabla se interpreta as en la cuadricula de arriba a la izquierda colocaremos los tratamientos que no sean el 1 ni el 2 y estn relacionados de orden 1 con el tratamiento 1 y de orden 1 con el tratamiento 2,(es decir un tratamiento i que no sea el 1 ni el 2 tal que se repita dos veces la pareja (1,i) y dos veces la pareja (2,i)).pero no hay ningn tratamiento que cumpla esto luego esta cuadricula estar vaca. En la cuadricula de arriba a la derecha colocaremos los tratamientos que no sean el 1 ni el 2 y estn relacionados de orden 1 con el tratamiento 1 y de orden 2 con el tratamiento 2 (es decir un tratamiento i que no sea el 1 ni el 2 tal que se repita dos veces la pareja (1,i) y una vez la pareja (2,i)) tambin esta cuadricula estar vaca. En la cuadricula de abajo a la derecha colocaremos los tratamientos que no sean ni el 1 ni el 2 y que estn relacionados de orden 2 con el tratamiento 1 y de orden tambin 2 con el tratamiento 2 (es decir un tratamiento i que no sea el 1 ni el 2 tal que se

repita una vez la pareja (1,i) y una vez tambin la pareja (2,i) en este caso los tratamientos 3,4,5 y 6 cumplen esta condicin luego estarn situados en esta cuadricula. Ahora para hallar P1 simplemente contabilizo los tratamientos de cada cuadricula luego 0 0 P1 = 0 4 Para hallar la matriz P2 hago exactamente lo mismo solo que tengo que considerar una pareja de tratamientos de orden 2 es decir que solo se repitan una vez por ejemplo (2,3)

TRATAMIENTO 3 Asociados de orden Asociados de orden 1 2 TRATAMIENTO 2 Asociados de orden ___ 1 1 Asociados de orden 4 5y6 2

Con esta tabla que se obtiene de manera anloga a la anterior obtengo la matriz P2 contabilizando los tratamientos de cada cuadricula 0 1 P2 = 1 2

Modelo estadstico y resolucin

El modelo estadstico ser de la forma:
yij = + i + j + ij Donde es la media global,i es el i-esimo efecto del tratamiento y j seria el j-simo efecto del bloque y ij que ser la componente del error aleatorio.

Ahora voy a calcular la suma total de cuadrados, una suma de cuadrados del bloque (no corregida) y una suma de cuadrados de los tratamientos(corregida). Tenemos que Qi ser el total del i-esimo tratamiento corregido
Qi
=

yi.

1 k

n
j =1

ij

y. j

Nota:

La expresin nij es 1 si el tratamiento i ocurre en el bloque j ser 0 en otro caso. Tambin definimos

S 1(Qi ) = Qs s Donde s e i son primeros asociados. Defino tambin las siguientes expresiones
1 2 1 2 = k 2 {( rk r + 1 )(rk r + 2 ) + (1 2 )(r (k 1)( p12 p12 ) + 2 p12 1 p12 )

1 2 c1 = (k) 1 (1 (rk r + 2 ) + (1 2 )( 2 p12 1 p12 ) 1 2 c 2 = (k) 1 ( 2 (rk r + 1 ) + (1 2 )( 2 p12 1 p12 )

Que me van a ser tiles para calcular el estimador del i-esimo tratamiento es

i* =

1 ((k c 2 )Qi + (c1 c 2 ) S1 (Qi )) r (k 1)

Y la suma de cuadrados corregida es

SCTratamientos ( ajustada ) = i*Qi
i =1 a

La tabla de contraste de hiptesis ser:

Fuente

SC
a i =1

gl

Tratamientos (corregidos) i*Qi a 1 Bloques y.. 1 y.2j bk b 1 k j =1

b 2 y.. bk 1 bk

Error Re sta bk b a + 1
2 Total y ij i j

Ejemplo

Un investigador estudia una serie de filtros de cigarrillos midiendo la diferencia de peso de los filtros antes y despus de un uso de 40 min..Tenemos que la mquina que los prueba solo dispone de sitio para 3 cigarrillos cada vez.Y para poner la maquina a punto necesitamos un da.
TR.\BL. 1 2 3 4 5 6 y.j Dia 1 18.3 21.2 19.3 Dia 2 Dia 3 Dia 4 18 21.3 Dia 5 Dia 6 18.2 yi. 54.5 63.4 55.6 54.5 45.4 56.5

20.9 17.6 18 15 50.6 15.5 20.3 56.7

18 57.3

18.7 18.5 15.8 53 14.9 20.4 53.5

58.8

RESOLUCION Los parmetros son a = 6,b =6,k = 3,r = 3, 1 =2, 2 =1 y por tanto hay 2 clases asociadas. Las matrices Pi son 0 0 2 0 1 P1 = 0 4 P = 1 2 Hallamos primeramente los trminos Qi provenientes de la formula
Qi
=

yi.

1 k

n
j =1

ij

y. j

Q1=54.5-1/3(58.8+57.3+53.5)=-2.03 Q2=63.4-1/3(58.8+56.7+57.3)=5.8 Q3=55.6-1/3(58.8+50.6+53)=1.4 Q4=54.5-1/3(50.6+57.3+53)=0.86 Q5=45.4-1/3(50.6+56.7+53.5)=-8.2 Q6=56.5-1/3(56.7+53+53.5)=2.1 Ahora hallo los S1 (Qi) usando la expresin

S 1(Qi ) = Qs s
S1 (Q1)=Q2=5.8 S1 (Q2)=Q1=-2.03 S1 (Q3)=Q4=0.86 S1 (Q4)=Q3=1.4 S1 (Q5)=Q6=2.1 S1 (Q6)=Q5=-8.2 Calculo delta cuya frmula era:
1 2 1 2 = k 2 {(rk r + 1 )(rk r + 2 ) + (1 2 )(r (k 1)( p12 p12 ) + 2 p12 1 p12 )}

Luego =1/9{(3*3-3+2)(3*3-3+1)+(2-1)(3(3-1)(0-1)+1*0-2*1)}=5.3 Calculo c1 y c2 donde c1 y c2 eran

1 2 c1 = (k) 1 (1 (rk r + 2 ) + (1 2 )( 2 p12 1 p12 ) 1 2 c 2 = (k) 1 ( 2 (rk r + 1 ) + (1 2 )( 2 p12 1 p12 )

Luego c1=1/(3*5.3)[(2*(3*3-3+1)+(2-1)(1*0-2*1)]=0.75 c2=1/(3*5.3)[(1*(3*3-3+2)+(2-1)(1*0-2*1)]=0.37 Calculamos los i* con la expresin 1 i* = ((k c 2 )Qi + (c1 c 2 ) S1 (Qi )) r (k 1)

1*=1/(3*(3-1))*[(3-0.37)(-2.03)+(0.75-0.37)5.8]= -0.52 2*=1/(3*(3-1))*[(3-0.37)5.8+(0.75-0.37)(-2.03)]=2.41 3*=1/(3*(3-1))*[(3-0.37)1.4+(0.75-0.37)0.86]=0.7 4*=1/(3*(3-1))*[(3-0.37)0.86+(0.75-0.37)1.4]=0.465 5*=1/(3*(3-1))*[(3-0.37)(-8.2)+(0.75-0.37)2.1]=-3.45 6*=1/(3*(3-1))*[(3-0.37)2.1+(0.75-0.37)(-8.2)]=0.401 Con esto puedo hallar la SCTratamiento
SCTratamientos ( ajustada ) = i*Qi
i =1 a

Luego SCTratamiento (ajustada)=-0.52*(-2.03)+...+0.401*(2.01)=45.4 Ahora hallo la SCBloque y 1 b SCB = y.2j .. k j =1 bk SCB=1/3((54.5)2+...+(56.5)2)-(329.9)2/(3*6)=6101.6-6046.3=54.66 La SCT tena la expresin siguiente
SCT =
i j 2 y.. y bk 2 ij

SCT=(18.3)2+...+(20.4)2-(329)2/(3*6)=6117.4-(329.9)2/(3*6)=104.01 La SCE ser la resta SCE=SCT-SCB-SCTratamiento(ajustado)=104.01-54.66-45.4=3.95 La tabla del contraste de hiptesis ser la siguiente Fuente de SC GL CM variacin 45.4 5 9.08 Tratamientos (corregidos) 54.6 5 Bloques
Error Total F p-valor

18.8

3.95 104.01

7 17

0.52

Luego rechazaremos la homogeneidad de tratamientos.

Construccin de un PBIB
En primer lugar tenemos que los parmetros han de cumplir una serie de propiedades
(1) (2) (3)

n
i =1 m i =1

= a 1
i i

= r (k 1) para k = 1,2,..., m

k pij = p k ji

k (4) nk pij = ni p ijk = n j pijj

(5)

p
j =1 m j =1

k ij

= ni 1 = ni

si i = k si i k

k ij

Las propiedad 1 es fcilmente comprobable La propiedad 2 consistir en que si consideramos los bloques en los que algn tratamiento especifico ocurre por ejemplo el tratamiento 1 tenemos que en esos bloques hay r(k-1) tratamientos que no son el tratamiento 1 y tenemos que cada uno de los n1 primeros asociados con 1 deben ocurrir 1 veces con el 1,los n2 segundos asociados con el 1 debern ocurrir 2 veces con el 1 ect. Las propiedades 3 y 4 son condiciones de simetra. La propiedad 5 esta relacionada con la suma de filas de la matriz P.
Ejemplo

Tenemos un investigador que ha de experimentar con 10 factores pero solo puede obtener bloques de 4 elementos.Quiere considerar 2 clases asociadas con 1=2,2=1 Las dos condiciones que debe cumplir este experimento son n1+ n2 =9 2n1+ n2=3r despejndo n2 en la 1 ecuacin y sustituyendo en la 2 obtenemos la ecuacin n1=3(r-3) portanto r ha de ser 4r6 si consideramos r=4 tendremos que n1=3 y n2=6 con las ecuaciones anteriores tendremos que

1 1 p11 + p12 = 2 1 p12 + p 1 = 6 22 2 2 p11 + p12 = 3 2 2 p12 + p 22 = 5 1 2 3 p12 = 6 p11 2 3 p 1 = 6 p12 22

De la 1 ecuacin y del hecho de que los trminos de Pi deben ser enteros se deduce que hay 3 posibilidades para considerar
1 p11 0 1 2 1 p12 2 1 0

la quinta ecuacin nos indica que p111 no puede ser un numero impar luego eliminamos la segunda posibilidad y elegimos por ejemplo p111=0 y. p112=2 se pueden resolver las ecuaciones y obtener las matrices P 0 2 P1 = 2 4
1 2 P2 = 2 3 los parmetros restantes sern a=10,k=4,b=10,n1=3,n2=6,1=2, ,2=1

Podemos construir una tabla de tratamientos asociados con la ayuda de las matrices P.Tomamos por ejemplo como primeros asociados del tratamiento 1 a los tratamientos 2,3 y 4 tratamiento 1 2 3 4 5 6 7 8 9 10 1asociado 2,3,4 1,5,6 1,7,8 1,9,10 2,7,9 2,8,10 3,5,10 3,6,9 4,5,8 4,6,7 2 asociado resto resto resto resto resto resto resto resto resto resto

Ahora los bloques pueden ser tomando (1,2,3,4),(1,2,5,6),...,(4,6,7,10).