DISEÑO POR

B L O Q UE S INCOMPLETOS
REALIZADO POR:
Sergio Martínez Fernández María Jesús Sánchez Repullo Miguel Rodríguez Alvarez

Diiseño de Experriimenttos D seño de Expe men os

DISEÑO POR BLOQUES INCOMPLETOS

INTRODUCCIÓN:
Es posible que en algunos experimentos que usan diseños por bloques no puedan realizarse los ensayos de todas las combinaciones de tratamiento dentro de cada bloque .Situaciones como éstas ocurren debido a escasez en los recursos del experimento, o por el tamaño físico de los bloques. Por ejemplo, supongamos un experimento en el que el tamaño físico de las probetas sólo alcanza para probar tres puntas en cada probeta. En estos casos en posible usar diseños aleatorizados por bloques en los que cada tratamiento no está presente en cada bloque. Estos diseños se conocen como Diseños Aleatorizados por Bloques Incompletos, y serán motivo de estudio en este capítulo.

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

ANÁLISIS

ESTADÍSTICO:

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

λ = r. (k-1) ⁄ a-1
Se dice que el diseño es simétrico si a = b.

(k-1) observaciones deben representar al resto de los a-1 tratamientos λ veces. por ejemplo el 1. Por lo tanto. (3. EJEMPLO 1: Para a = 4 (nº de tratamientos). (k-1) ⁄ a-1 =3.(a-1) =r. Estas r. existen r. Para deducir la relación de λ. un diseño BIB puede ser construido con: R = (b.Como el tratamiento 1 ocurre en r bloques. b = 4.(k-1) observaciones en un bloque que contiene al tratamiento 1. k / a)= 3 (cada tratamiento sucede 3 veces en el diseño) λ = r. (k-1). (2.1)/4-1 =2 (el número 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 (nº de tratamientos). λ.4 1. considérese cualquier tratamiento.1)/4-1 =1 (el número de veces que cada par de tratamientos ocurre en el mismo bloque) Bloques 1 2 3 4 Tratamientos 1. k / a)= 3 (cada tratamiento sucede 3 veces en el diseño) λ = r.El parámetro λ debe ser un entero. (nº de bloques) k = 2 (tratamientos en cada bloque).2 3. (k-1) ⁄ a-1 =3.3 2. b = 6.4 . (nº de bloques) k = 3 (tratamientos en cada bloque). y hay otros k-1 tratamientos en cada uno de esos bloques. un diseño BIB puede ser construido con: R = (b.

βj es el efecto del j_ésimo bloque.3.4) no ocurren en todos los bloques. τi es el efecto del i_ésimo tratamiento.2 ⁄ N) i j . el resto de parejas aparecen una sola vez en el mismo bloque.. La variación total en los datos se expresa mediante la suma total de cuadrados corregidos (o ajustados).5 6 1.6 2.6 Aunque r =2 (cada tratamiento sucede 2 veces en el diseño).4 2.5 4. (2. Bloques 1 2 3 4 Tratamientos 1.5.2. El modelo estadístico es: Yij = µ+ τi + βj + εij En donde yij es la i-ésima observación del j-ésimo bloque.6) y (3. y εij es la componente del error aleatorio NID (0. pero no es un diseño BIB porque λ no es igual para todas las parejas de tratamientos.3. Los pares de tratamientos (1. SST = ∑ ∑ yij2 – (y. σ2).3 1.5). µ es la media general.3 EJEMPLO 3: Supongamos b = 4 bloques incompletos para investigar b = 6 tratamientos.

La SSTratamientos ajustada tiene a -1 grados de libertad.. también son afectadas por las diferencias entre los bloques. y2. Por esta razón las diferencias entre los totales de tratamientos no corregidos.a J=1 tanto. y1..La variabilidad total puede ser descompuesta SST = SSTratamientos ajustada + SSBloques + SSε En donde corrige la suma de cuadrados de tratamiento para separar los efectos de tratamiento y de bloque.j es el promedio de los totales de j=1 los bloques en los que se aplica el tratamiento i. La suma de cuadrados del error se calcula por diferencia SSε = SST – SSTratamientosajustada . La suma de cuadrados de tratamiento corregida (o ajustada) es a SStratamientos ajustada = k. Esta corrección es necesaria porque cada tratamiento ocurre en un conjunto diferente de r bloques.y. La suma de cuadrados de los bloques es SSBloques = ( ∑b y.3…. –(∑ nij . La suma de los totales de tratamiento corregidos siempre será 0. el cual se calcula mediante b Qi = yi. Por lo b (1/k).. i = 1.SSBloque Y tiene N-a-b +1 grados de libertad. . nij = 0 en otro caso.2.2 / N) en donde y. ∑ nij . .j2 ⁄ k) j=1 __ (y.y.j ) ⁄ k . ∑Qi2 ⁄ λa i=1 En donde Qi es el total corregido del i_ésimo tratamiento. con nij =1 si el tratamiento i ocurre en el bloque j.…ya. La SSBloques tiene b-1 grados de libertad.j es el total del j-ésimo bloque.

. junto con las observaciones recopiladas aparecen en la siguiente tabla: .2 ⁄ N) i j N-a-b+1 N–1 Total EJEMPLO: Supóngase que un ingeniero químico cree que el tiempo de reacción en un proceso químico es función del catalizador empleado.2 / N) b -1 SSbloques / b-1 SSε / ( N – a – b . Sin embargo. aplicar cada catalizador a ensayos separados de dicha planta y observar el tiempo de reacción. libertad Media Cuadrados F _____________________________________________________________________________ Tratamientos corregidos k. cargar una planta piloto. ∑Qi2 ⁄ λa i=1 a-1 SSTa ⁄ a-1 F=CMT/CME Bloques ( ∑b y.+1 ) Error SSε ∑ ∑ yij2 – (y.j2 ⁄ k) j=1 __ (y.. cada lote es lo suficientemente grande para permitir el ensayo de 3 catalizadores únicamente. es necesario utilizar un diseño aleatoriazado por bloques incompletos.La estadística apropiada para probar la igualdad de los efectos de tratamiento es F = CMtratamientos ⁄ CMε Análisis de varianza para el diseño BIB Fuente de Variación Suma de cuadrados G. El procedimiento experimental consiste en seleccionar un lote de materia prima. Por lo tanto. El diseño BIB. el ingeniero decide controlar este factor por medio de bloques. De hecho 4 catalizadores están siendo investigados. Debido a que las variaciones en los lotes de materia prima pueden afectar el comportamiento del catalizador.

k = 3.. A continuación vamos a realizar el análisis de estos datos..j 2 / 3 – ( y.j 73 __ 73 75 221 74 75 75 __ 224 __ 67 68 72 207 71 72 __ 75 218 218 214 216 222 870=y.2 / 12) = 63’156 – (870)2 / 12 = 81’00 i j La Suma de Cuadrados de Bloque es: SSbloques = ∑ y. La Suma Total de Cuadrados: SST = ∑∑yij2 – (y. 1 2 3 4 y.. λ = 2 y N = 12.Bloque (Lote de Materia Prima) Tratamiento (Catalizador) --------------------------------------------------------1 2 3 4 yi. b = 4. Considérense los datos de la Tabla para el experimento de los catalizadores.2 / 12) = J=1 4 = [(221)2 + (207)2 + (224)2 + (218)2] / 3 – (870)2/ 12 =55’00 Para calcular la suma de cuadrados de tratamiento corregida que .. Éste es un diseño BIB con a = 4. r = 3.

25 81’00 3 3 5 11 7’58 ------0.tome en cuenta los bloques. ∑Qi2 ⁄ λa = La suma de cuadrados del error se calcula por diferencia: SSε = SST – SSTratamientosajustada . [(.7/3 Q3 = (216) – (221 + 207+ 224) / 3 = .5 = 5’41 .9/3) + (-7/3) + (-4/3)2 + (20/3)2]/ (2).SSBloque = 81’00 – 22’75 – 55’00 = 3’25 Vamos a escribir la Tabla para el Análisis de la Varianza: Fuente de Variación Suma de Grados Cuadrados de Libertad Media de Cuadrados F Tratamientos (corregidos) Bloques Error Total 22’75 55’00 3. primero hay que determinar los totales de tratamientos corregidos: Q1= (218) – (221+ 224 + 218)/ 3 = .4/3 Q4 = (222) – (221 + 207 + 224) /3 = 20 /3 Se calcula ahora la suma de cuadrados de tratamiento corregida: j=1 =3.65 11’66 Como F> F0.9/ 3 Q2 = (214) – (207 + 224 + 218) /3 = . .3.05. (4) = 22’75 2 2 a SStratamientos ajustada = k. se concluye que el catalizador empleado tiene un efecto significativo sobre el tiempo de reacción.

Evaluación de los efectos del bloque: En ocasiones.. en otras palabras. SST = SStratamientos + SSbloques(ajustada) + SSε Qj´ = y. se desea evaluar los efectos de los bloques.3.. Q1’ = (221).2.…. Por lo tanto. j = 1.(218+ 216 + 222) / 3 = 7/3 Q2’ = (224) – (218 + 214 + 216) / 3 = 24 /3 Q3’ = (207).08 SStratamientos = [(218)2 + (214)2 + (216)2 + (222)2 ] / 3 – (870)2 / 12 = 11’67 El resumen del Análisis de la Varianza para el diseño BIB simétrico. Para lograrlo se requiere una descomposición alterna de SST.b i=1 b a SSbloques ajustada = r∑(Qi’ )2 / λ .j – [(∑nijyi.b J=1 Como a = b = 4. el diseño balanceado por bloques incompletos es simétrico.(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.)] / r . se muestra en la siguiente tabla: Fuente de Variación Suma de Grados Cuadrados de Libertad Media de Cuadrados F Tratamientos (corregidos) Tratamientos (no corregidos) 22’75 11’67 3 3 7’58 _____ 11’66 _____ .

o sea que SST ≠ SSTrtamientos ajustada + SSbloques ajustada + SSε .Bloques Bloques (corregidos) Error Total 55’00 66’08 3.25 81’00 3 3 5 11 _____ 22’03 0.65 33’90 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.

Contrastes Hasta el momento hemos estudiado como contrastar la influencia de los tratamientos en un diseño de bloques incompletos balanceados.. ∑ ci =0. β j tales que minimicen la ecuación. i j µ = y. τ i .1) y por tanto la suma de cuadrados del contraste: k(∑ c i Qi ) 2 =q2 σ 2 ≡ χ 12σ 2 SCc = λa(∑ c i ) 2 i i . En concreto en el ejemplo de los catalizadores: ^ ^ ^ τ 1=-9/8 ^ τ 2=-7/8 ^ τ 3=-4/8 ^ ^ τ 4=20/8 ^ Del mismo modo estos estimadores permiten realizar contrates tipo H0: ∑ ciτi =0. b = nº de bloques.pues tiene como media ∑ ciτi . su varianza es v = k (∑ ci2 )σ 2 i λa . no obstante ante un estudio de tipo factorial es interesante tener estimadores de los parámetros involucrados en el modelo. Nuestro modelo es el siguiente: yij = µ+τi+βj+εij Sabemos que los errores son independientes entre si y que Los estimadores de los parámetros vienen dados por: ^ kQi τ i= (λa) ∑ τi= ∑ βj=0.µ + τ i+ β j)2 ) ij ^ ^ ^ Es decir buscar µ . λ= a -1 Estos estimadores vienen dados de resolver la ecuación de mínimos cuadrados: ^ β j= ^ min ( ∑ (yij .1) r = nº de veces que aparece el tratamiento en el diseño. Los estimadores de τi y de los βj son insesgados.Estimación de los parámetros.de este modo q = ∑ ci τ i i ^ v ≡ N (0. rQ' i λb a = nº de tratamientos. k nº de tratamientos por bloque r(k . parece natural usar la variable normal ∑ ci τ i .

05. La idea es la siguiente: Se consideran los totales de los bloques y. El modelo queda entonces así: y.j – k µ + j ~ ∑ i nij τ ~ i )2 ) Tras derivar con respecto de µ y de τ estimadores resultantes viene dados por: ~ ~ ~ i e igualar las ecuaciones a cero.N-a-b+1 σ2 Por ejemplo.kr y.5 τ1 +τ 2 +τ 3 3 =0 P (F1.j . Este análisis es apropiado independientemente de que los bloques sean fijos o aleatorios.j que constituyen un conjunto de observaciones.188 π bajo H0 sigue una distribución F1.j = kµ+ ∑ nijτi + i ( kβj+ ∑ i εij ) Con nij= 1 si el tratamiento i aparece en el bloque j y 0 en caso contrario. y todos los contrastes de los efectos de los tratamientos pueden expresarse en forma de comparaciones entre las observaciones en el mismo bloque. 5 >34. luego rechazaríamos la hipótesis nula. puede obtenerse información adicional de los efectos de los tratamientos τi. Este análisis es el conocido como Análisis interbloques.188)=<0. (r .Se puede construir un estadístico π que bajo H0 sigue una distribución: SCc 2 SCc = σ π= CME CME ≡ χ12 2 χ N − a −b +1 F1. si queremos contrastar en el ejemplo anterior τ4 π =34. Análisis Interbloques El estudio realizado hasta ahora es conocido como análisis intrabloques. Los estimadores del análisis interbloques para µ y para τi se determinan minimizando la función de mínimos cuadrados: L= min ( ∑ (y. Estimación de los parametros. puesto que se eliminan las diferencias entre bloques.λ ) . Yates (1940) demostró que si los efectos del bloque son variables aleatorias independientes con media cero y desviación típica σβ .. los τ i= ∑ j n ij y . ∑ τi=0 i El término entre paréntesis es aleatorio de media cero y puede considerarse como un error.

50 τ 3=(652-(3)(3)(72.50))/(3-2)=-3.α ) τ ^ ~ i pues el nuevo estimador debe ser a su vez insesgado para ser un estimador del parámetro.es un concepto que estadísticamente se suele medir a través de la varianza del estimador. Observamos que el estimador de la media muestral es el mismo. Los estimadores de τi también son insesgados. Con estos datos y puesto que los estimadores son independientes.50))/(3-2)=10. para el ejemplo de los catalizadores. Es posible demostrar que las varianzas de los estimadores vienen dadas por: σ 2 k (a − 1) V ( τ i )= λa 2 ^ V ( τ i )= ~ (σ 2 + kσ 2 β )(a − 1)k a(r − λ ) Nótese que cuanto más grande sea la varianza de los bloques peor será la estimación interbloques. Obviamente la combinación deberá ser del tipo: τi* =α τ i + (1 .50 τ 2=(649-(3)(3)(72. en cambio el estimador de los τi varía. con u1=1/ V ( τ i ) y u2= 1/V( τ i ). tendríamos que los estimadores interbloques tomarían los valores: ~ τ 1=(663-(3)(3)(72.50 ~ ~ ~ ~ A parte de obtener otra manera de estimar los parámetros. Por ello se plantea considerar una combinación lineal de los estimadores interbloques e intrabloques de modo que la varianza se minimice.50))/(3-2)=-6. se puede obtener el estimador insesgado de mínima varianza.50))/(3-2)=-0. si este es insesgado. el análisis interbloques es interesante puesto que Yates demostró que los estimadores de los τi con el análisis interbloques y con el análisis intabloques son independientes.. ^ ~ Tras sustituir α y simplificar el estimador de mínima varianza viene dado por: .µ = y. de este modo se plantea obtener una información más precisa a partir de los dos estimadores. suponiendo que los bloques fueran aleatorios. La precisión de un estimador. el valor de α viene dado por α = u 1/(u1+u2).50 τ 4=(646-(3)(3)(72.

50 -6. y la segunda es más complicada de estimar. se toma como criterio σ2β.τi * = kQi (σ 2 + kσ 2 β ) + (∑ nij y.88 -0. j − kr y. que al ser la varianza de los bloques grande se parecerá mucho a la intrabloques. En nuestro 2 ejemplo tenemos que σ β =8.12 -0.50 -0.47 . Lo más natural es que σ2 y σ2β sean desconocidas en ese caso se estiman. cuanto más grande sea la varianza de los bloques más se acercará al estimador interbloques. .)σ 2 j (r − λ )σ + λa (σ 2 + kσ 2 β ) 2 El estimador refleja lo deseado.09 -0.y.02. que pues estaríamos en un ANOVA unifactorial al no influir el bloque.. .: Parámetro τ1 τ2 τ3 τ4 Intra -1.50 Mínima varianza -1.50 2. la primera con el cuadrado medio del error (CME). Si σ2β=0 entonces τi *= y i..50 2.88 -0.50 Inter. Garybill propuso como estimador de σ2β : 2 σβ = ^ __ __ (CMB(ajust ) − CME )(b − 1) a(r − 1) Si el estimador nos diese un valor negativo. relativamente grande en esta tabla se reflejan las ^ estimaciones intra e interbloques junto con la de mínima varianza.50 -3. 10.

Parámetros a = b = p r =k =p-1 λ =p-2 con p primo. Se construye un cuadrado latino de tamaño p2 se elimina una fila y se toman por bloques las columnas. Parámetros: 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 λ =1 con p primo. y para cada uno de ellos se tiene asociado un cuadrado latino. es decir un conjunto de p-1 lenguajes. (iii) por letra de los distintos alfabetos. (ii) por columnas.Ejemplos de diseños por bloques 1. 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 Diseño de bloques: Bloque (5ª col. de modo que si cogemos dos lenguajes los dos cuadrados forman un cuadrado grecolatino. Veamos un ejemplo para aclarar ideas. Posteriormente se eligen los bloques mediante estos tres procedimientos: (i) por filas.eliminada) 1 E 2 A 3 B 4 C 5 D 2. Se considera un cuadrado completamente ortogonalizado (CCO) de lado p. tomemos p =3. el CCO con 2 lenguajes viene dado por: Aα Cβ Bγ Cγ Bα Aβ Bβ Aγ Cα Denotemos los tratamientos por números de 1 hasta 9 y asociamos a cada celda un tratamiento de modo que: Aα1 Cβ2 Bγ3 Cγ4 Bα5 Aβ6 Bβ7 Aγ8 Cα9 Bloque 1 2 3 Los bloques quedan mediante el procedimiento anterior: Tratamientos Método 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 Método (iii) A (iii) B (iii) C . El cuadrado (CCO) tiene p2 celdas puesto que tenemos p2 tratamientos se le asocia a cada celda un tratamiento.

13: Ejemplo anterior el diseño 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 Método (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 Método (iii) A (iii) B (iii) C (iii) α (iii) β (iii) γ Los tratamientos 10. el bloque restante se forma con los p +1 que se han añadido a los subconjuntos. Esta explicación parece un poco difusa pero con un ejemplo se verá que es muy sencillo.. Hemos construido los p2 bloque a partir de los p2 tratamiento los p +1 tratamientos se añaden de manera uniforme a los bloques anteriores.12 y 13 se añaden: 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 Método (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 Método (iii) A (iii) B (iii) C (iii) α (iii) β (iii) γ Se añade el último bloque: Bloque 13 Tratamientos 10 11 12 13 . es decir. de este modo obtendremos p2 +p bloques con p tratamientos por bloque. λ =1 con p primo. los bloques obtenidos se subdividen en p +1 conjuntos de p bloques asociados a las formas de escoger los bloques . pero eso no es exactamente lo que queremos pues queremos p2+ p + 1 tratamientos con p +1 tratamientos por bloque. consideremos p2+ p +1 tratamientos. Parámetros: a = b = p2+ p +1 r = k = p +1 .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) α (iii) β (iii) γ 3. los tratamientos se denotan desde 1…. De este modo tenemos los p2+ p bloques completos. tipos (i). A partir del método anterior puede construirse un diseño de este tipo. a partir de los p2 primeros se construye un diseño tipo 2.(ii).(iii) y se añade un tratamiento por subconjunto. consideremos p = 3. 11.

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 matemático para un cuadrado de Youden viene dado por: yijh = µ+τi+αj +βh+εijh Con τi el efecto de los tratamientos.estos diseños son cuadrados latinos a los que le faltan 1 o varias columnas de modo que si miramos el diseño por filas el diseño es un BIB. Bloq. si consideramos también como bloques las columnas nótese que por filas son un BIB. Obviamente ∑αj = ∑ τi= ∑βh=0 y los errores son j independientes entre sí. Si eliminamos en el ejemplo también la columna 4 no tenemos un cuadrado Youden.eliminada) 1 (4ª col.(fila)\Bloq(col) (5ª col. Parece que de algún modo puede haber una relación los diseños BIB y los diseños de cuadrados latinos. i h Este diseño se estudia con una tabla ANOVA en la que las sumas de cuadrados del tratamiento son las del diseño considerado como un BIB por filas. En efecto. pues por ejemplo C aparece con B 2 veces por filas en cambio aparece 1 sola vez con A por filas. Pero ¡cuidado! si le quitas más de una columna a un cuadrado latino puede que no sea un cuadrado Youden. es decir.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 más. los cuales se apoyan en diseños de tipo cuadrado latino.(fila)\Bloq(col) 1 2 3 4 (5ª col. La suma de cuadrados de bloques fila y columna es la usual. en concreto en los ejemplos anteriores hemos construido diversos diseños BIB.Cuadrados de Youden Hasta el momento hemos estudiado los modelos de bloques incompletos balanceados. la suma de cuadrados ajustada SCTrat(ajustada). De manera recíproca a todo cuadrado latino si le quitas una columna queda un cuadrado de Youden. existe con los llamados diseños de cuadrados latinos no completos o cuadrados de Youden . Bloq. y cada columna forma un bloque completo. . pues puede no ser un BIB por filas. Un ejemplo de este tipo puede ser el ejemplo 1. αj el efecto de los bloques fila y βh el efecto de los bloques columna.

2 N Donde k . B.SCTot = ∑ yijh2 ijh y.SCBc-SCTr (aj) ∑ h y. E Bloque (fila): Días Bloque (col)=Estaciones Estación Día 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 .h b y.2 N SCE = SCTot. λ. D. C..... b. El tiempo puede ser un factor de variación. j . N 2 2 SCTrat (aj) = k ∑ Qi i 2 λa SCB (fila)= SCB (col)= ∑ j y. k – 2 y.. por eso decide hacer el experimento en 5 días. a.. Tratamientos (Iluminación): A. son los valores de esos parámetros si consideramos el diseño por filas que es un BIB.SCBf.. La Tabla ANOVA vendría 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 está estudiando el efecto de 5 niveles de iluminación en la presencia de defectos en un ensamblado. Pero el departamento que realiza el experimento sólo posee 4 estaciones de trabajo que a su vez pueden ser una fuente de variación.

22 0.05 INFLUYE >0. Mostraremos un ejemplo de este diseño: 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 Nótese que completamos un diseño por bloques incompletos. se realiza obviamente considerando las replicas como posibles efectos. un diseño reticular es un diseño de experimentos en el que se realiza un número finito de replicas.54 <0. consideramos una replica como una etapa en la que se realiza un diseño por bloques incompletos. lo que se denomina diseños reticulares.69 ----0.05 >0.53 134.45 0.35 6.05 NO INFLU.L CM F p-valor Iluminación (ajustada)120.95 4 4 4 3 8 30.70 0.87 1.37 Días (no ajustado) Días (ajustada) Estación Error Total 6. pues coincide con el ejemplo2.26 0.09 --0.82 36.d.Tabla ANOVA: Fuente SC G. El análisis de estos diseños. . Diseños reticulares Otro tipo de diseño cuya idea es basarse en el modelo de bloques incompletos es. de modo que completemos tras las replicas un modelo de bloques. NO INFLU.

etc. otras λ2 veces.Por regla general λ1>λ2>λ3.Unas parejas ocurren λ1 veces. 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 .Diseños parcialmente balanceados por bloques incompletos Finalidad: Este tipo de diseños son útiles cuando. Ejemplo Si tenemos que en un experimento hay 8 tratamientos y el tamaño de los bloque es 3 entonces el numero de veces que tiene que aparecer el tratamiento en un diseño balanceado es 21. Los tratamientos que ocurren λi veces se dicen asociados de orden i. Luego tendremos un diseño de al menos 56 bloques.Esto haría inviable en algunos casos el experimento balanceado. Tenemos que si a =8 k =3 λ = entero ar = bk r (k − 1) λ= a −1 todo esto nos lleva a que r=21 como mínimo. Para solucionar esto tenemos estos diseños parcialmente balanceados.En este caso en particular hay m clases asociadas Los demás parámetros son similares siendo nº de tratamientos: a nº de bloques: b nº de ensayos del experimento por bloque: k nº de veces que aparece un tratamiento: r nº de asociados de orden i: ni también están las matrices Pi que posteriormente serán tratadas.. La diferencia mas significativa estriba en que hay pares de tratamientos que suceden un numero distinto de veces . Parámetros Muchos parámetros son comunes al diseño parcialmente balanceado.> λm.. en un diseño balanceado por bloques incompletos es necesaria una gran cantidad de bloques.

i)) también esta cuadricula estará vacía. Para calcular P1 solo tenemos que realizar una tabla.3).(1.4.5 y 6 son asociados de 2º orden al tratamiento 1 luego n2 =4. En la cuadricula de arriba a la derecha colocaremos los tratamientos que no sean el 1 ni el 2 y estén 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. λ1 =2.2) que se repite 2 veces.n1 =1.P2 y que la matriz Pi esta asociada a los tratamientos asociados de orden i.(es decir un tratamiento i que no sea el 1 ni el 2 tal que se repita dos veces la pareja (1.hay cuatro parejas con un tratamiento fijo (por ejemplo el 1) que se repiten una vez ((1.(1.k = 3. Como podemos ver todas las parejas de tratamientos se repiten 1 o 2 veces de ahí λ1 =2. λ2 =1 y también se ve fácilmente que la pareja que se repite dos veces con un tratamiento fijo .n2 =4.(por ejemplo el 1). 1º tomamos una pareja de asociados de primer orden por ejemplo la pareja (1. λ2 =1 y hay 2 clases asociadas. r = 3. La matriz P1 esta asociada los tratamientos asociados de orden 1. En la cuadricula de abajo a la derecha colocaremos los tratamientos que no sean ni el 1 ni el 2 y que estén relacionados de orden 2 con el tratamiento 1 y de orden también 2 con el tratamiento 2 (es decir un tratamiento i que no sea el 1 ni el 2 tal que se .(1. Consideremos el experimento anterior vamos a calcular sus matrices Pi. en este caso habrá 2 matrices Pi: P1.2) se repite 2 veces y por tanto el tratamiento 1 y 2 son asociados de 1er orden) luego n1 =1.i)).Vamos a calcularla. luego los tratamientos 3.pero no hay ningún tratamiento que cumpla esto luego esta cuadricula estará vacía. Calculo de las matrices Pi.6)).b =6.Los parámetros son los siguientes a = 6.5). 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 así en la cuadricula de arriba a la izquierda colocaremos los tratamientos que no sean el 1 ni el 2 y estén relacionados de orden 1 con el tratamiento 1 y de orden 1 con el tratamiento 2.i) y dos veces la pareja (2.Se puede observar que las parejas de tratamientos con un tratamiento fijo (una pareja se repite dos veces y las demás solo una) funcionan igual.i) y una vez la pareja (2. solo es una (la pareja de tratamientos (1.4). En primer lugar decir que hay tantas matrices Pi como nº de clases asociadas.

j Nota: La expresión nij es 1 si el tratamiento i ocurre en el bloque j será 0 en otro caso. − 1 k ∑n j =1 b ij y. una suma de cuadrados del bloque (no corregida) y una suma de cuadrados de los tratamientos(corregida).i) y una vez también la pareja (2. También definimos . Tenemos que Qi será el total del i-esimo tratamiento corregido Qi = yi. Ahora voy a calcular la suma total de cuadrados.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 análoga a la anterior obtengo la matriz P2 contabilizando los tratamientos de cada cuadricula 0 1 P2 =  1 2    Modelo estadístico y resolución El modelo estadístico será de la forma: yij = µ + τi + βj + εij Donde µ es la media global.4.repita una vez la pareja (1.τi es el i-esimo efecto del tratamiento y βj seria el j-ésimo efecto del bloque y εij que será la componente del error aleatorio.5 y 6 cumplen esta condición luego estarán 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.i) en este caso los tratamientos 3.

.5 15.7 18 57..4 56.5 20..Tenemos que la máquina que los prueba solo dispone de sitio para 3 cigarrillos cada vez. 1 2 3 4 5 6 y.S 1(Qi ) = ∑ Qs s Donde s e i son primeros asociados.Y para poner la maquina a punto necesitamos un día. − − − − − − − − − −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 después de un uso de 40 min.4 53.8 .9 17.3 18. TR.3 56.6 15.6 18 15 50.8 53 14. 1 ∑ y.3 21.2 19. Defino también las siguientes expresiones 1 2 1 2 ∆ = k −2 {( rk − r + λ1 )(rk − r + λ2 ) + (λ1 − λ2 )(r (k − 1)( p12 − p12 ) + λ2 p12 − λ1 p12 ) 1 2 c1 = (k∆) −1 (λ1 (rk − r + λ 2 ) + (λ1 − λ 2 )(λ 2 p12 − λ1 p12 ) 1 2 c 2 = (k∆) −1 (λ 2 (rk − r + λ1 ) + (λ1 − λ 2 )(λ 2 p12 − λ1 p12 ) Que me van a ser útiles para calcular el estimador del i-esimo tratamiento es τ i* = 1 ((k − c 2 )Qi + (c1 − c 2 ) S1 (Qi )) r (k − 1) Y la suma de cuadrados corregida es SCTratamientos ( ajustada ) = ∑τ i*Qi i =1 a La tabla de contraste de hipótesis será: Fuente SC a i =1 gl .5 45.2 yi.7 18.6 54.3 Dia 2 Dia 3 Dia 4 18 21.\BL.9 20.4 55.j Dia 1 18. 54.5 58.3 Dia 5 Dia 6 18.5 20.5 63. Tratamientos (corregidos) − − − − − − − ∑τ i*Qi − − − − − − − − − − − − − a − 1 Bloques − − − − − − − − − − − − − − − y.2j − bk − − − − − − − − − − − −b − 1 k j =1 b 2 y.

8 S1 (Q2)=Q1=-2.5)=-2.86 S1 (Q4)=Q3=1.1 S1 (Q6)=Q5=-8. Las matrices Pi son 0 0 2 0 1 P1 =     0 4 P = 1 2      Hallamos primeramente los términos Qi provenientes de la formula Qi = yi. λ1 =2.6+53)=1.3)[(1*(3*3-3+2)+(2-1)(1*0-2*1)]=0.b =6.7+53+53.5-1/3(58.5)=-8.4-1/3(50.3+53)=0.r = 3.5)=2. λ2 =1 y por tanto hay 2 clases asociadas.8 Q3=55.03 Q2=63.8+56.1 Ahora hallo los S1 (Qi) usando la expresión S 1(Qi ) = ∑ Qs s S1 (Q1)=Q2=5.4-1/3(58.5-1/3(50.3)=5.03 S1 (Q3)=Q4=0.6+56.RESOLUCION Los parámetros son a = 6.3+53.8+57.6+57. − 1 k ∑n j =1 b ij y.3)[(2*(3*3-3+1)+(2-1)(1*0-2*1)]=0.86 Q5=45.75 c2=1/(3*5.3 Calculo c1 y c2 donde c1 y c2 eran 1 2 c1 = (k∆) −1 (λ1 (rk − r + λ 2 ) + (λ1 − λ 2 )(λ 2 p12 − λ1 p12 ) 1 2 c 2 = (k∆) −1 (λ 2 (rk − r + λ1 ) + (λ1 − λ 2 )(λ 2 p12 − λ1 p12 ) Luego c1=1/(3*5.37 Calculamos los τi* con la expresión 1 τ i* = ((k − c 2 )Qi + (c1 − c 2 ) S1 (Qi )) r (k − 1) .7+53.4 S1 (Q5)=Q6=2.6-1/3(58.4 Q4=54.7+57.k = 3.8+50. j Q1=54.2 Q6=56.2 Calculo delta cuya fórmula era: 1 2 1 2 ∆ = k −2 {(rk − r + λ1 )(rk − r + λ 2 ) + (λ1 − λ 2 )(r (k − 1)( p12 − p12 ) + λ 2 p12 − λ1 p12 )} Luego ∆=1/9{(3*3-3+2)(3*3-3+1)+(2-1)(3(3-1)(0-1)+1*0-2*1)}=5.5-1/3(56.

86]=0.9)2/(3*6)=6101.37)0. .03)]=2.37)5.37)(-8. y − bk 2 ij SCT=(18. k j =1 bk SCB=1/3((54.2)]=0.95 104.4=3.7 τ4*=1/(3*(3-1))*[(3-0.75-0.08 Tratamientos (corregidos) 54.4-(329.9)2/(3*6)=104.37)(-2.01 7 17 0.8+(0.37)1...4 Ahora hallo la SCBloque y 1 b SCB = ∑ y.03)+.+(20..37)5.37)2.75-0.01)=45.6-6046.6 5 Bloques Error Total F p-valor 18.+(56.75-0.37)2.75-0..66 La SCT tenía la expresión siguiente SCT = ∑∑ i j 2 y.4+(0.4]=0..3)2+.401*(2.75-0.52 Luego rechazaremos la homogeneidad de tratamientos.465 τ5*=1/(3*(3-1))*[(3-0.5)2+.52 τ2*=1/(3*(3-1))*[(3-0.01 La SCE será la resta SCE=SCT-SCB-SCTratamiento(ajustado)=104.45 τ6*=1/(3*(3-1))*[(3-0.τ1*=1/(3*(3-1))*[(3-0.+0.8 0 3.5)2)-(329.66-45.86+(0..2j − ..8]= -0.401 Con esto puedo hallar la SCTratamiento SCTratamientos ( ajustada ) = ∑τ i*Qi i =1 a Luego SCTratamiento (ajustada)=-0.95 La tabla del contraste de hipótesis será la siguiente Fuente de SC GL CM variación 45.4 5 9.4)2-(329)2/(3*6)=6117.1]=-3.3=54.52*(-2.37)0.01-54.37)(-8.75-0.37)(-2..37)1.1+(0.41 τ3*=1/(3*(3-1))*[(3-0.03)+(0.2)+(0.

. La propiedad 5 esta relacionada con la suma de filas de la matriz P.2.Construcción de un PBIB En primer lugar tenemos que los parámetros han de cumplir una serie de propiedades (1) (2) (3) ∑n i =1 m i =1 m i = a −1 i i ∑n λ = r (k − 1) para k = 1.λ2=1 Las dos condiciones que debe cumplir este experimento son n1+ n2 =9 2n1+ n2=3r despejándo n2 en la 1ª ecuación y sustituyendo en la 2ª obtenemos la ecuación n1=3(r-3) portanto r ha de ser 4≤r≤6 si consideramos r=4 tendremos que n1=3 y n2=6 con las ecuaciones anteriores tendremos que ... Ejemplo Tenemos un investigador que ha de experimentar con 10 factores pero solo puede obtener bloques de 4 elementos. m k pij = p k ji k (4) nk pij = ni p ijk = n j pijj (5) ∑p j =1 m j =1 m k ij = ni − 1 = ni si i = k si i ≠ k ∑p k ij Las propiedad 1 es fácilmente comprobable La propiedad 2 consistirá en que si consideramos los bloques en los que algún 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 λ1 veces con el 1. Las propiedades 3 y 4 son condiciones de simetría.Quiere considerar 2 clases asociadas con λ1=2.los n2 segundos asociados con el 1 deberán ocurrir λ2 veces con el 1 ect..

. p112=2 se pueden resolver las ecuaciones y obtener las matrices P  0 2 P1 =   2 4     1 2 P2 =   2 3    los parámetros restantes serán a=10.4 1.6.9 4.5.b=10. .Tomamos por ejemplo como primeros asociados del tratamiento 1 a los tratamientos 2.(1.5.5.3.7.7 2º asociado resto resto resto resto resto resto resto resto resto resto Ahora los bloques pueden ser tomando (1.4). .6.9 2.2.8 4.10 3.n2=6.6 1.7.1 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 1ª ecuación y del hecho de que los términos 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 ecuación nos indica que p111 no puede ser un numero impar luego eliminamos la segunda posibilidad y elegimos por ejemplo p111=0 y..3.7.8 1..10).k=4.10 3.2.6.3 y 4 tratamiento 1 2 3 4 5 6 7 8 9 10 1ºasociado 2.10 2.8.6).9.n1=3.5.(4.λ1=2.λ2=1 Podemos construir una tabla de tratamientos asociados con la ayuda de las matrices P..

Sign up to vote on this title
UsefulNot useful