TEMA: Diseño experimental de bloques método diseño cuadrado latino (dcl).

OBJETIVO:

Desarrollar los métodos experimentales de bloques y tratamientos aplicándolos en ejercicios

prácticos.

MARCO TEORIRICO:

Diseño de bloques completos al azar

Cuando se quieren 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 ser afectadas sensiblemente.

Factores de bloque

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

experimento comparativo se les llama factores de bloque.

Modelo estadístico

Cuando se decide utilizar un DBCA, el experimentador piensa que cada medición será el resultado
del efecto del tratamiento donde se encuentre, del efecto del bloque al que pertenece y de cierto
error que se espera sea aleatorio. El modelo estadístico para este diseño está dado por:

Hipótesis a probar La hipótesis de interés es la misma para todos los diseños comparativos, y está
dada por
EJERCICIOS

4. A continuación se muestra parte del ANOVA para un diseño en bloques, que tiene tres

tratamientos y cinco bloques con una sola repetición por tratamiento-bloque.

a) Agregar en esta tabla los grados de libertad, el cuadrado medio y la razón F para cada una de las
fuentes de variación.

b) Interprete en forma práctica, para cada caso, lo que está estimando el cuadrado medio.

c) Escriba el modelo estadístico y las hipótesis pertinentes.

d) Apóyese en las tablas de la distribución F para aceptar o rechazar las hipótesis.

e) Con apoyo de un software obtenga el valor-p para cada caso. Interprete sus resultados.

a)

Fuente de
variación SC GL CM Razón F Fo(𝜶, 𝒌 − 𝟏, (𝒌 − 𝟏)(𝒃 − 𝟏))
Tratamiento 600 2 300 Fo tratamiento F 𝛼 tratamiento
Bloque 850 4 212.5 4.8 4.5
Error 500 8 62.5 Fo bloque F 𝛼 bloque
Total 14 3.4 3.84

b)

El cuadrado medio interpreta una división de cada suma de cuadrados entre sus respectivos grados
de libertad

c)

Modelo estadístico:

𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛾𝑗 + 𝜖𝑖𝑗

Hipótesis:

Hipótesis del tratamiento

Ho: 𝜇1 = 𝜇2 = 𝜇3

H1: 𝜇𝑖 ≠ 𝜇𝑗

Hipótesis del bloque

Ho: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5

H1: 𝜇𝑖 ≠ 𝜇𝑗

d)

Tratamiento

 Se acepta la H1 y se dice que hay un método que es mejor que el otro

 Se acepta la H1 y se dice que el análisis realizado es significativo y se puede decir que al
menos un método difiere del otro.

Fo tratamiento > F 𝛼 tratamiento

4.8 > 4.5

Bloque

 Se acepta la hipótesis nula por que el F 𝛼 bloque es mayor al Fo bloque por lo tanto no se
necesita realizar un análisis por bloque por q todos los bloques son iguales.

Fo bloque ˂ F 𝛼 bloque
3.40 < 3.84

e)

Valor- P para tratamiento: 0.003 <0.05 (Se rechaza Ho)

Valor- P para bloque: 0.1014 >0.05 (Se acepta la hipótesis Ho)

5. Realice el problema anterior, pero ahora suponga que no se bloqueó. ¿Se hubiesen obtenido las
mismas conclusiones? Argumente.

Las conclusiones serian idénticas, ya que el resultado del bloque no tiene un efecto significativo en la
respuesta y sin bloque, toda la variación se iría al término error.
9. A continuación se muestran los datos para un diseño en bloques al azar.

a) Complete las sumas totales que se piden en la tabla anterior.

b) Calcule las sumas de cuadrados correspondientes: SCTRAT, SCB, SCT y SCE.

c) Obtenga la tabla de análisis de varianza y anote las principales conclusiones.

d) Obtenga la diferencia mínima significativa (LSD) para comparar tratamientos en este diseño en
bloques.

a)

Datos obtenidos de los tratamientos

Tratamientos ni yi. yi. Varianza
A 4 15 3.75 2.917
B 4 29 7.25 9.583
C 4 20 5 3.333
Datos obtenidos de los bloques
1 3 14 4.667 4.333
2 3 19 6.333 6.333
3 3 8 2.667 0.333
4 3 23 7.667 4.333

b) y c)

ANÁLISIS DE
VARIANZA
CV SC GL CM Fo Probabilidad Valor crítico F
Tratamientos 25.167 2 12.583 13.727 0.006 5.143
Bloques 42 3 14 15.273 0.003 4.757
Error 5.5 6 0.917
Total 72.667 11
d)

LSD tratamiento 1.4

LS 5.1 8.6 6.4

yi. 3.75 7.25 5
LI 2.40 5.90 3.65

LSD TRATAMIENTO
10.0
9.0
8.0
7.0
6.0
5.0
4.0
3.0
2.0
1.0
0.0
A B C

Existe traslape entre los tratamientos A y C por lo tanto se dice q estos dos tienen relacion o son
iguales.

LSD bloque 1.17

LS 5.84 7.50 3.84 8.84

yi. 4.67 6.33 2.67 7.67
LI 3.50 5.16 1.50 6.50

LSD BLOQUE
10.00

8.00

6.00

4.00

2.00

0.00
0 1 2 3 4 5
10. Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar moscas. Para ello,
cada producto se aplica a un grupo de 100 moscas, y se cuenta el número de moscas muertas
expresado en porcentajes. Se hicieron seis réplicas, pero en días diferentes; por ello, se sospecha que
puede haber algún efecto importante debido a esta fuente de variación. Los datos obtenidos se
muestran a continuación:

a) Suponiendo un DBCA, formule las hipótesis adecuadas y el modelo estadístico.

b) ¿Existe diferencia entre la efectividad promedio de los atomizadores?

c) ¿Hay algún atomizador mejor? Argumente su respuesta.

d) ¿Hay diferencias significativas en los resultados de diferentes días en que se realizó el

experimento? Argumente su respuesta.

e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

a)

Modelo estadístico:

𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛾𝑗 + 𝜖𝑖𝑗

Hipótesis:

Hipótesis del tratamiento

Ho: 𝜇1 = 𝜇2 = 𝜇3

H1: 𝜇𝑖 ≠ 𝜇𝑗

Hipótesis del bloque

Ho: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5

H1: 𝜇𝑖 ≠ 𝜇𝑗
 b)
F(α,k-1,b-
FV SC GL CM Fo 1) Decisión
No
Tratamiento 296,333 2 148,167 2,881 5,14 Significativo
No
Bloqueo 281,333 5 56,267 1,094 4,76 Significativo
Error 514,333 10 51,433
TOTAL 1092,000 17 64,235

c) ¿Hay algún atomizador mejor? Argumente su respuesta.

Según el promedio la amortización mejor sería el método A, existe mayor número de

amortizaciones con el mismo número de réplicas que las otras.

11. En una empresa lechera se tienen varios silos para almacenar leche (cisternas de 60 000 L). Un
aspecto crítico para que se conserve la leche es la temperatura de almacenamiento. Se sospecha que
en algunos silos hay problemas, por ello, durante cinco días se decide registrar la temperatura a cierta
hora crítica. Obviamente la temperatura de un día a otro es una fuente de variabilidad que podría
impactar la variabilidad total.

a) En este problema, ¿cuál es el factor de tratamiento y cuál el factor de bloque?

b) Suponga un DBCA, formule las hipótesis adecuadas y el modelo estadístico.
c) ¿Hay diferencia entre los silos?
d) ¿La temperatura de un día a otro es diferente?
e) Revise residuos, ¿hay algún problema evidente?
 a)

El factor de tratamiento son los silos y el factor de bloque los días.

b)
Modelo estadístico

𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜌𝑗 + 𝛿𝑖 + 𝜀𝑖𝑗

HIPOTESIS
𝐻𝑂 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗
𝐻𝑂 : 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 0
𝐻1 : 𝜏𝑖 ≠ 0 para algún i

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 μ1 es igual a la media global poblacional, μ.

c)
FV SC GL CM Fo Valor-p Valor crítico para F
DIA 4,46 4 1,115 0,690 0,609 3,007
SILOS 9,76 4 2,44 1,511 0,246 3,007
Error 25,84 16 1,615
Total 40,06 24

12. Se diseñó un experimento para estudiar el rendimiento de cuatro detergentes. Las siguientes
lecturas de “blancura” se obtuvieron con un equipo especial diseñado para 12 cargas de lavado,
distribuidas en tres modelos de lavadoras:

a)

Diseño por bloques (DCA)

 b)
𝐻𝑂 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗 ; 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛 𝑖 ≠ 𝑗

c) Realice el análisis estadístico más apropiado para estos datos y obtenga conclusiones.

Detergente Lavadora 1 Lavadora 2 Lavadora 3

A 45 43 51
B 47 44 52
C 50 49 57
D 42 37 49

Análisis de varianza de dos factores con una sola muestra por grupo
Datos obtenidos de los tratamientos

Tratamientos ni yi. yi. Varianza

A 3 139 46,333 17,333
B 3 143 47,667 16,333
C 3 156 52 19
D 3 128 42,667 36,333
Datos obtenidos de los bloques
Lavadora 1 4 184 46 11,333
Lavadora 2 4 173 43,25 24,25
Lavadora 3 4 209 52,25 11,583

ANÁLISIS DE VARIANZA
Valor crítico para
FV SC GL CM Fo Valor-p F
Detergente 133,67 3 44,556 34,128 0,00036 4,757
Lavadoras 170,17 2 85,083 65,170 0,00009 5,143
Error 7,83 6 1,306
Total 311,667 11

Bibliografía:

 Gutierrez Pulido, H., & De la Vara Salazar, R. (2008). Analisis y diseño de experimentos.
Mexico: Nexus.