1.

Introduccin
En ciertos experimentos multifactoriales los niveles
de un factor A son similares pero no idnticos para
diferentes niveles del otro factor B. Tal arreglo se
conoce como diseo jerrquico de A anidado con
los niveles de B.
Factor B
Factor A 1 2 3 4 1 2 3 4 1 2 3 4
3 2 1
observaciones observaciones observaciones
2. Anlisis de diseos jerrquicos
o anidados de dos etapas
El diseo estadstico lineal en dos etapas es:

k ij i j i ijk
Y
) ( ) (
c | t + + + =
En otras palabras, existen a nivel de factor B, jerarquizados bajo
cada nivel A, y n replicas. El subndice ndice que el j-esimo del
factor B esta anidado bajo el i-esimo nivel del factor A. Es
conveniente considerar que las replicas estn anidadas dentro de
las combinaciones de los niveles A y B. As, el subndice (ij)k se
usa para el termino del error. Este es un diseo anidado
balanceado ya que hay un nmero de niveles de B dentro de
cada nivel A y un mismo nmero de replicas. Como cada nivel de B
no aparece con cada nivel de B no aparece con cada nivel de A, no
hay interaccin entre A y B.
La suma total de cuadrados puede descomponerse en una
suma de cuadrados debido al factor A, en una suma de
cuadrados debida al factor B bajo los niveles de A, y en una
suma de cuadrados debida al error. Esto simblicamente se
puede expresar:
E A B A T
SC SC SC SC + + =
) (
Valores esperados de la media de
cuadrados en un diseo anidado
A f ija A f ija A Aleatroria
) (CM E B f ija B Aleatroria B Aleatroria

) (
E
A E
1
2
2

+

a
bn
i t
o

1
2
2 2

+ +

a
bn
n
i t
o o |

o o o t |
2 2 2
bn n + +
) (
) ( A E
MA E
) 1 (
2
) ( 2

+

b a
n
i j
|
o

o o |
2 2
n +
o o |
2 2
n +

) (
E
MA E
o
2

o
2

o
2


Tabla de anlisis de variancia
Fuente de Media de
Variacion Suma de cuadrados Grados de libertad cuadrados

A
abn
Y
bn
Y
SCA
a
i
i
2
...
1
2
..
=

=
1 a MCA
B dentro de A

= = =
=
a
i
b
j
a
i
i
ij
bn
Y
n
Y
A SCB
1 1 1
2
..
2
.
) (
) 1 ( a b ) (A MCB
Error

= = = =
=
a
i
b
j
n
k
a
i
b
j
ij ijk
n
Y
n
Y
SCE
1 1 1 1
2
.
2
) 1 ( n ab MCE
Total

= = = =
=
a
i
b
j
n
k
a
i
b
j
ij ijk
n
Y
n
Y
SCE
1 1 1 1
2
.
2
1 abn


Tabla de anlisis de variancia
Se observa que
Esto se expresa la idea de que es la suma de cuadrados de
los niveles de B para cada nivel de A, sumando todo los niveles
de A.

= =
(
(

=
a
i
b
j
i
ij
bn n
A SCB
Y
Y
1 1
2
..
2
.
) (
Ejemplo Diseo Anidado en Dos
Etapas
Se encuentra bajo estudio el acabado superficial de parte
metlicas producidas por cuatro mquinas. Se realiza un
experimento en el que cada mquina es maniobrada por tres
diferentes operadores, y se seleccionan y prueban dos piezas de
cada operador. Debido a que las mquinas estn en diferente
localidad no es posible usar los mismos operarios en cada
mquina; adems los operadores se eligen al azar. Los datos se
muestran en la siguiente tabla. Analice los datos y realice las
conclusiones apropiadas.
Operario 1 2 3 1 2 3 1 2 3 1 2 3
79 94 46 92 85 76 88 53 46 36 40 62
62 74 57 99 79 68 75 56 57 53 56 47
Mquina 1 Mquina 2 Mquina 3 Mquina 4
La sintaxis ingresada en el editor de SAS para realizar el
anlisis de los datos es la siguiente:

proc glm data = ejemplo1;
class maq oper;
model superf = maq oper(maq);
*debido a que las mquinas son fijas pero los operarios
son elegidos al azar;
random oper(maq) /Test;
run;
Ejemplo Diseo Anidado en Dos Etapas
Ejemplo Diseo Anidado en Dos
Etapas
Tenemos la siguiente salida:
Ejemplo Diseo Anidado en Dos
Etapas
Ejemplo Diseo Anidado en Dos
Etapas
Qu podemos apreciar?

El valor del F calculado para las varianzas de las
mquinas, cuyo valor es de 3.42 y su valor p es de
0.0728, el cual es mayor a 5%, nuestro nivel de
significancia.
Sin embargo, en el caso de los operadores en cada
mquina, al observar el valor p (=0.0134) para el
estadstico calculado F nos damos cuenta que es
menor al nivel de significancia de 5% .

Ejemplo Diseo Anidado en Dos
Etapas
Qu podemos concluir?

La proporcin de la variabilidad total explicada por la varianza de
las mquinas no es significativa; es decir, que el acabado superficial
no es significativamente diferente por motivo de variacin en el
desempeo de cada mquina.

La proporcin de variabilidad total en los acabados explicada por la
variabilidad en el desempeo del operario, es significativa.

Por tanto, la variabilidad de los acabados se debe en su mayora
por la variabilidad en el desempeo de los operarios, ms que en la
variabilidad en el desempeo de las mquinas.

3. Verificacin del diagnstico
El anlisis residual es la herramienta principal para verificar el
diagnstico. . Para el diseo anidado de dos etapas, los residuales
son:



El valor ajustado es:

ijk ijk ijk
y y e

=
) (

i j i ijk
y | t + + =
Y se establecen las restricciones usuales sobre los parmetros del
modelo



Entonces:
0

i
i
t
0

) (
=

j
i j
|
...

y =
... ..

y y
i i
= t
.. . ) (

i ij i j
y y = |
Por consiguiente, el valor ajustado es:







Por lo tanto, los residuales del diseo anidado de dos etapas son:





Donde datos de son los promedios individuales por operario.
) ( ) (

.. . ... .. ... i ij i ijk

y y y y y y + + =

. ij
y =

. ij ijk ijk
y y e =
. ij
y
Las observaciones, valores ajustados y residuos para nuestro ejemplos se muestran a
continuacin:
yijk ijk eijk
79 70.5 8.5
62 70.5 -8.5
94 84 10
74 84 -10
46 51.5 -5.5
57 51.5 5.5
92 95.5 -3.5
99 95.5 3.5
85 82 3
79 82 -3
76 72 4
68 72 -4
88 81.5 6.5
75 81.5 -6.5
53 54.5 -1.5
56 54.5 1.5
46 51.5 -5.5
57 51.5 5.5
36 44.5 -8.5
53 44.5 8.5
40 48 -8
56 48 8
62 54.5 7.5
47 54.5 -7.5

Puede realizarse ahora las verificaciones de diagnstico
usuales; incluyendo las grficas de probabilidad normal, la
verificacin de puntos atpicos, y las grficas de residuos contra
valores ajustados. Como una ilustracin, graficamos los
residuales contra los valores ajustados y contra los niveles del
factor maquinaria, de nuestro ejemplo.
Grfica de los residuales contra los
valores predichos
-11
-8
-5
-2
1
4
7
10
40 50 60 70 80 90
valores predichos
r
e
s
i
d
u
a
l
e
s


Puesto que la dispersin de
los residuales es diferente
para las cuatro maquinarias
concluiremos que la
variabilidad en el acabado
superficial de un operario a
otro es diferente para las
cuatro mquinas.

Grfica de los residuales contra la
maquinaria
-15
-9
-3
3
9
15
0 1 2 3 4 5
maquinaria
r
e
s
i
d
u
a
l
e
s
4. Componentes de la varianza
Para el caso de efectos aleatorios, el mtodo del anlisis de varianza
puede usarse para estimar los componentes de la varianza

Por los cuadrados medios esperados de la tabla anterior, se obtiene:
E
MS =
2

o
n
MS MS
E A B

=
) (
2

|
o
bn
MS MS
A B A ) (
2

=
t
o
,
2
o
2
|
o
2
t
o
En muchas aplicaciones de diseos anidados interviene un modelo
mixto, con el efecto principal (A) fijo y el factor anidado (B) aleatorio.
Este es el caso para el ejemplo descrito, los maquinarias (factor A)
son fijos, y los operarios (factor B) son aleatorios Los efectos de los
proveedores pueden estimarse con:
= =
... .. 1 1

y y t
24
68
24
1580
6
412
=
24
1414
24
1580
6
499

... .. 2 2
= = = y y t
24
80
24
1580
6
375

... .. 3 3

= = = y y t
24
404
24
1580
6
294

... .. 4 4

= = = y y t
Para estimar los componentes de la varianza
eliminamos la lnea de la tabla utilizamos la tabla del anlisis de
varianza relativo a las maquinarias y se aplica el mtodo de estimacin
del anlisis de varianza a las dos lneas siguientes. Se obtiene as
,
2
2
|
o o y
5 , 84

2
= =
E
MS o
=

=
n
MS MS
E A B ) (
2

|
o 855 , 133
2
84,5 - 352,21
=
5. Modelos anidados de m
etapas.
Es una extensin del modelo de diseo anidado de 2 etapas, lo
importante en esta parte es tener mucho cuidado con el
tratamiento de los componentes de la variancia sobre todo
discernir entre los factores de efectos fijos y los aleatorios.
Consideremos un problema con 3 etapas, como sigue:
Yijkm = + i + j(i) + k(ij) + ijk(m)
ijk(m) ~ NID(0, 2)
i = 1, 2, , a; j = 1, 2, , b; k = 1, 2, , c; m = 1, 2, , n

5. Un caso de modelos anidados
de m etapas.
Un agrnomo realiza un experimento para estudiar la
variabilidad que existe en rendimiento de plantacin de maz
en una zona grande dentro de un pas. El selecciona 3
regiones en forma fija, 4 fincas al azar en cada regin y dos
parcelas al azar en cada finca. En cada parcela obtiene al
azar 2 muestras de igual superficie y para cada muestra
obtiene el valor del rendimiento del maz