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.

El parámetro λ debe ser un entero. por ejemplo el 1. k / a)= 3 (cada tratamiento sucede 3 veces en el diseño) λ = r. EJEMPLO 1: Para a = 4 (nº de tratamientos). Para deducir la relación de λ.3 2.2 3. λ.4 1. b = 6. un diseño BIB puede ser construido con: R = (b. (k-1) ⁄ a-1 =3. y hay otros k-1 tratamientos en cada uno de esos bloques.(a-1) =r. (k-1) ⁄ a-1 =3.(k-1) observaciones en un bloque que contiene al tratamiento 1. (k-1) observaciones deben representar al resto de los a-1 tratamientos λ veces.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. b = 4.Como el tratamiento 1 ocurre en r bloques. k / a)= 3 (cada tratamiento sucede 3 veces en el diseño) λ = r. (nº de bloques) k = 3 (tratamientos en cada bloque).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). (k-1). considérese cualquier tratamiento. existen r. Por lo tanto. un diseño BIB puede ser construido con: R = (b. (nº de bloques) k = 2 (tratamientos en cada bloque).4 . (2. (3. Estas r.

µ es la media general..5). y εij es la componente del error aleatorio NID (0. Los pares de tratamientos (1. σ2). βj es el efecto del j_ésimo bloque.5. SST = ∑ ∑ yij2 – (y. El modelo estadístico es: Yij = µ+ τi + βj + εij En donde yij es la i-ésima observación del j-ésimo bloque. (2.3.6 2.2. pero no es un diseño BIB porque λ no es igual para todas las parejas de tratamientos.3 EJEMPLO 3: Supongamos b = 4 bloques incompletos para investigar b = 6 tratamientos.5 6 1.6) y (3. Bloques 1 2 3 4 Tratamientos 1.4 2.5 4.3 1. La variación total en los datos se expresa mediante la suma total de cuadrados corregidos (o ajustados).2 ⁄ N) i j .4) no ocurren en todos los bloques.6 Aunque r =2 (cada tratamiento sucede 2 veces en el diseño).3. τi es el efecto del i_ésimo tratamiento. el resto de parejas aparecen una sola vez en el mismo bloque.

. La suma de los totales de tratamiento corregidos siempre será 0. La SSTratamientos ajustada tiene a -1 grados de libertad.. –(∑ nij .2 / N) en donde y. Por esta razón las diferencias entre los totales de tratamientos no corregidos.3….SSBloque Y tiene N-a-b +1 grados de libertad. i = 1. La suma de cuadrados de los bloques es SSBloques = ( ∑b y.a J=1 tanto. y2.j2 ⁄ k) j=1 __ (y.y. también son afectadas por las diferencias entre los bloques. Esta corrección es necesaria porque cada tratamiento ocurre en un conjunto diferente de r bloques. con nij =1 si el tratamiento i ocurre en el bloque j. . el cual se calcula mediante b Qi = yi. La SSBloques tiene b-1 grados de libertad.y. La suma de cuadrados del error se calcula por diferencia SSε = SST – SSTratamientosajustada .…ya.j ) ⁄ k .2. nij = 0 en otro caso. . ∑ nij .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. La suma de cuadrados de tratamiento corregida (o ajustada) es a SStratamientos ajustada = k.j es el promedio de los totales de j=1 los bloques en los que se aplica el tratamiento i. ∑Qi2 ⁄ λa i=1 En donde Qi es el total corregido del i_ésimo tratamiento. y1.j es el total del j-ésimo bloque. Por lo b (1/k)..

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

Considérense los datos de la Tabla para el experimento de los catalizadores.. A continuación vamos a realizar el análisis de estos datos.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 ...j 73 __ 73 75 221 74 75 75 __ 224 __ 67 68 72 207 71 72 __ 75 218 218 214 216 222 870=y.Bloque (Lote de Materia Prima) Tratamiento (Catalizador) --------------------------------------------------------1 2 3 4 yi. k = 3.j 2 / 3 – ( y. b = 4. Éste es un diseño BIB con a = 4. 1 2 3 4 y. r = 3. λ = 2 y N = 12.2 / 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.

. [(.65 11’66 Como F> F0.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. se concluye que el catalizador empleado tiene un efecto significativo sobre el tiempo de reacción. (4) = 22’75 2 2 a SStratamientos ajustada = k.5 = 5’41 .9/ 3 Q2 = (214) – (207 + 224 + 218) /3 = .7/3 Q3 = (216) – (221 + 207+ 224) / 3 = .tome en cuenta los bloques. primero hay que determinar los totales de tratamientos corregidos: Q1= (218) – (221+ 224 + 218)/ 3 = .9/3) + (-7/3) + (-4/3)2 + (20/3)2]/ (2).4/3 Q4 = (222) – (221 + 207 + 224) /3 = 20 /3 Se calcula ahora la suma de cuadrados de tratamiento corregida: j=1 =3.05.25 81’00 3 3 5 11 7’58 ------0.3. ∑Qi2 ⁄ λa = La suma de cuadrados del error se calcula por diferencia: SSε = SST – SSTratamientosajustada .

j – [(∑nijyi. Para lograrlo se requiere una descomposición alterna de SST.. el diseño balanceado por bloques incompletos es simétrico.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..(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.b i=1 b a SSbloques ajustada = r∑(Qi’ )2 / λ .3.Evaluación de los efectos del bloque: En ocasiones.)] / r . Por lo tanto.b J=1 Como a = b = 4.(218+ 216 + 222) / 3 = 7/3 Q2’ = (224) – (218 + 214 + 216) / 3 = 24 /3 Q3’ = (207).2. 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 _____ . Q1’ = (221).…. j = 1. SST = SStratamientos + SSbloques(ajustada) + SSε Qj´ = y. en otras palabras. se desea evaluar los efectos de los bloques.

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. λ= a -1 Estos estimadores vienen dados de resolver la ecuación de mínimos cuadrados: ^ β j= ^ min ( ∑ (yij . rQ' i λb a = nº de tratamientos. su varianza es v = k (∑ ci2 )σ 2 i λa . i j µ = y.pues tiene como media ∑ ciτi . Los estimadores de τi y de los βj son insesgados. parece natural usar la variable normal ∑ ci τ i . no obstante ante un estudio de tipo factorial es interesante tener estimadores de los parámetros involucrados en el modelo.µ + τ i+ β j)2 ) ij ^ ^ ^ Es decir buscar µ . 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=0.1) 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 . β j tales que minimicen la ecuación. k nº de tratamientos por bloque r(k ..Estimación de los parámetros. ∑ ci =0. 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. τ i .de este modo q = ∑ ci τ i i ^ v ≡ N (0.1) r = nº de veces que aparece el tratamiento en el diseño. b = nº de bloques.

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

50 τ 4=(646-(3)(3)(72. Con estos datos y puesto que los estimadores son independientes. Por ello se plantea considerar una combinación lineal de los estimadores interbloques e intrabloques de modo que la varianza se minimice.µ = y.50))/(3-2)=-3. si este es insesgado. suponiendo que los bloques fueran aleatorios. en cambio el estimador de los τi varía. ^ ~ Tras sustituir α y simplificar el estimador de mínima varianza viene dado por: .50))/(3-2)=-6.50 ~ ~ ~ ~ A parte de obtener otra manera de estimar los parámetros.. el valor de α viene dado por α = u 1/(u1+u2). Obviamente la combinación deberá ser del tipo: τi* =α τ i + (1 . con u1=1/ V ( τ i ) y u2= 1/V( τ i ). 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.α ) τ ^ ~ i pues el nuevo estimador debe ser a su vez insesgado para ser un estimador del parámetro. Los estimadores de τi también son insesgados.50 τ 3=(652-(3)(3)(72.50))/(3-2)=10. tendríamos que los estimadores interbloques tomarían los valores: ~ τ 1=(663-(3)(3)(72. 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. de este modo se plantea obtener una información más precisa a partir de los dos estimadores. se puede obtener el estimador insesgado de mínima varianza.50 τ 2=(649-(3)(3)(72. para el ejemplo de los catalizadores.es un concepto que estadísticamente se suele medir a través de la varianza del estimador.50))/(3-2)=-0. Observamos que el estimador de la media muestral es el mismo. La precisión de un estimador.

47 .12 -0..50 -6. 10.: Parámetro τ1 τ2 τ3 τ4 Intra -1.50 Inter.50 2. que pues estaríamos en un ANOVA unifactorial al no influir el bloque. que al ser la varianza de los bloques grande se parecerá mucho a la intrabloques.50 Mínima varianza -1. relativamente grande en esta tabla se reflejan las ^ estimaciones intra e interbloques junto con la de mínima varianza. Lo más natural es que σ2 y σ2β sean desconocidas en ese caso se estiman. En nuestro 2 ejemplo tenemos que σ β =8. la primera con el cuadrado medio del error (CME). .88 -0.50 -0.)σ 2 j (r − λ )σ + λa (σ 2 + kσ 2 β ) 2 El estimador refleja lo deseado.02.τi * = kQi (σ 2 + kσ 2 β ) + (∑ nij y.09 -0.y. y la segunda es más complicada de estimar.50 2. .. cuanto más grande sea la varianza de los bloques más se acercará al estimador interbloques. se toma como criterio σ2β. j − kr y.50 -3.88 -0. Si σ2β=0 entonces τi *= y i. Garybill propuso como estimador de σ2β : 2 σβ = ^ __ __ (CMB(ajust ) − CME )(b − 1) a(r − 1) Si el estimador nos diese un valor negativo.

El cuadrado (CCO) tiene p2 celdas puesto que tenemos p2 tratamientos se le asocia a cada celda un tratamiento. Veamos un ejemplo para aclarar ideas. 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. Se considera un cuadrado completamente ortogonalizado (CCO) de lado p.eliminada) 1 E 2 A 3 B 4 C 5 D 2. (ii) por columnas. 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 . Parámetros a = b = p r =k =p-1 λ =p-2 con p primo. 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. Posteriormente se eligen los bloques mediante estos tres procedimientos: (i) por filas. es decir un conjunto de p-1 lenguajes. tomemos p =3. Se construye un cuadrado latino de tamaño p2 se elimina una fila y se toman por bloques las columnas.Ejemplos de diseños por bloques 1. y para cada uno de ellos se tiene asociado un cuadrado latino. (iii) por letra de los distintos alfabetos.

los tratamientos se denotan desde 1…. consideremos p2+ p +1 tratamientos.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. pero eso no es exactamente lo que queremos pues queremos p2+ p + 1 tratamientos con p +1 tratamientos por bloque. Esta explicación parece un poco difusa pero con un ejemplo se verá que es muy sencillo. es decir.(iii) y se añade un tratamiento por subconjunto.. los bloques obtenidos se subdividen en p +1 conjuntos de p bloques asociados a las formas de escoger los bloques . el bloque restante se forma con los p +1 que se han añadido a los subconjuntos. 11. tipos (i). A partir del método anterior puede construirse un diseño de este tipo.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 10.12 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 . λ =1 con p primo. consideremos p = 3. Hemos construido los p2 bloque a partir de los p2 tratamiento los p +1 tratamientos se añaden de manera uniforme a los bloques anteriores. a partir de los p2 primeros se construye un diseño tipo 2. De este modo tenemos los p2+ p bloques completos.(ii). de este modo obtendremos p2 +p bloques con p tratamientos por bloque. Parámetros: a = b = p2+ p +1 r = k = p +1 .

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

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

87 1. Diseños reticulares Otro tipo de diseño cuya idea es basarse en el modelo de bloques incompletos es.d.54 <0. El análisis de estos diseños.09 --0. lo que se denomina diseños reticulares. se realiza obviamente considerando las replicas como posibles efectos.L CM F p-valor Iluminación (ajustada)120. 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.05 INFLUYE >0.69 ----0. consideramos una replica como una etapa en la que se realiza un diseño por bloques incompletos.95 4 4 4 3 8 30.82 36.53 134.Tabla ANOVA: Fuente SC G. un diseño reticular es un diseño de experimentos en el que se realiza un número finito de replicas. de modo que completemos tras las replicas un modelo de bloques. pues coincide con el ejemplo2.22 0.37 Días (no ajustado) Días (ajustada) Estación Error Total 6.45 0.70 0.26 0. NO INFLU. .35 6.05 NO INFLU.05 >0.

Luego tendremos un diseño de al menos 56 bloques. 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 tratamientos que ocurren λi veces se dicen asociados de orden i..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.Unas parejas ocurren λ1 veces. Para solucionar esto tenemos estos diseños parcialmente balanceados. 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.Esto haría inviable en algunos casos el experimento balanceado. 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.. 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. en un diseño balanceado por bloques incompletos es necesaria una gran cantidad de bloques.Diseños parcialmente balanceados por bloques incompletos Finalidad: Este tipo de diseños son útiles cuando.> λm.Por regla general λ1>λ2>λ3. etc. otras λ2 veces.

(1. Para calcular P1 solo tenemos que realizar una tabla.P2 y que la matriz Pi esta asociada a los tratamientos asociados de orden i. λ2 =1 y hay 2 clases asociadas. Como podemos ver todas las parejas de tratamientos se repiten 1 o 2 veces de ahí λ1 =2.Los parámetros son los siguientes a = 6.4. 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 .i) y una vez la pareja (2. Consideremos el experimento anterior vamos a calcular sus matrices Pi.5).6)).(1.n2 =4. λ1 =2.n1 =1.2) se repite 2 veces y por tanto el tratamiento 1 y 2 son asociados de 1er orden) luego n1 =1.pero no hay ningún tratamiento que cumpla esto luego esta cuadricula estará vacía. luego los tratamientos 3.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. λ2 =1 y también se ve fácilmente que la pareja que se repite dos veces con un tratamiento fijo . Calculo de las matrices Pi.i) y dos veces la pareja (2. La matriz P1 esta asociada los tratamientos asociados de orden 1.3).k = 3. r = 3.i)).hay cuatro parejas con un tratamiento fijo (por ejemplo el 1) que se repiten una vez ((1.Vamos a calcularla.(1.4).5 y 6 son asociados de 2º orden al tratamiento 1 luego n2 =4. en este caso habrá 2 matrices Pi: P1. 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.(por ejemplo el 1).i)) también esta cuadricula estará vacía.2) que se repite 2 veces. solo es una (la pareja de tratamientos (1.(es decir un tratamiento i que no sea el 1 ni el 2 tal que se repita dos veces la pareja (1. En primer lugar decir que hay tantas matrices Pi como nº de clases asociadas.b =6. 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. 1º tomamos una pareja de asociados de primer orden por ejemplo la pareja (1.

repita una vez la pareja (1. Ahora voy a calcular la suma total de cuadrados. − 1 k ∑n j =1 b ij y. También definimos . j Nota: La expresión nij es 1 si el tratamiento i ocurre en el bloque j será 0 en otro caso.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. una suma de cuadrados del bloque (no corregida) y una suma de cuadrados de los tratamientos(corregida).5 y 6 cumplen esta condición luego estarán situados en esta cuadricula.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. 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. Tenemos que Qi será el total del i-esimo tratamiento corregido Qi = yi.4.i) en este caso los tratamientos 3.i) y una vez también la pareja (2.

j Dia 1 18.4 53.5 45.5 15.Y para poner la maquina a punto necesitamos un día.7 18 57.2 19.9 20.3 Dia 5 Dia 6 18.3 Dia 2 Dia 3 Dia 4 18 21.8 53 14.5 20. Tratamientos (corregidos) − − − − − − − ∑τ i*Qi − − − − − − − − − − − − − a − 1 Bloques − − − − − − − − − − − − − − − y. 1 ∑ y.8 .6 54.7 18. TR.3 18.S 1(Qi ) = ∑ Qs s Donde s e i son primeros asociados.3 21.5 63. 1 2 3 4 5 6 y.5 58.2j − bk − − − − − − − − − − − −b − 1 k j =1 b 2 y. 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 .\BL. − − − − − − − − − −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.5 20.4 55. 54.6 15.Tenemos que la máquina que los prueba solo dispone de sitio para 3 cigarrillos cada vez.3 56.6 18 15 50...4 56..9 17.2 yi.

3+53)=0.8 S1 (Q2)=Q1=-2.3+53.3 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*5.4 Q4=54.k = 3.03 S1 (Q3)=Q4=0.4 S1 (Q5)=Q6=2.7+57.75 c2=1/(3*5.5)=2.7+53+53.RESOLUCION Los parámetros son a = 6.8+50.86 S1 (Q4)=Q3=1.4-1/3(50.8 Q3=55.6+57.4-1/3(58. λ1 =2.7+53.1 Ahora hallo los S1 (Qi) usando la expresión S 1(Qi ) = ∑ Qs s S1 (Q1)=Q2=5.5-1/3(58.8+57.1 S1 (Q6)=Q5=-8.3)=5.6-1/3(58. λ2 =1 y por tanto hay 2 clases asociadas.5-1/3(50.5)=-2. 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. − 1 k ∑n j =1 b ij y.2 Q6=56.b =6.6+56.03 Q2=63.8+56.86 Q5=45. j Q1=54.5-1/3(56.3)[(1*(3*3-3+2)+(2-1)(1*0-2*1)]=0.5)=-8.37 Calculamos los τi* con la expresión 1 τ i* = ((k − c 2 )Qi + (c1 − c 2 ) S1 (Qi )) r (k − 1) .6+53)=1.r = 3.2 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)}=5.3)[(2*(3*3-3+1)+(2-1)(1*0-2*1)]=0.

45 τ6*=1/(3*(3-1))*[(3-0.66-45..2j − . y − bk 2 ij SCT=(18.2)+(0.5)2+.86+(0.75-0.5)2)-(329.41 τ3*=1/(3*(3-1))*[(3-0.01 La SCE será la resta SCE=SCT-SCB-SCTratamiento(ajustado)=104.03)+(0.52 τ2*=1/(3*(3-1))*[(3-0.75-0.4-(329..4 Ahora hallo la SCBloque y 1 b SCB = ∑ y.37)0.4]=0.37)1.9)2/(3*6)=104..52 Luego rechazaremos la homogeneidad de tratamientos.+(20.01 7 17 0.75-0.08 Tratamientos (corregidos) 54.95 La tabla del contraste de hipótesis será la siguiente Fuente de SC GL CM variación 45.401 Con esto puedo hallar la SCTratamiento SCTratamientos ( ajustada ) = ∑τ i*Qi i =1 a Luego SCTratamiento (ajustada)=-0.37)5.03)]=2.τ1*=1/(3*(3-1))*[(3-0.6 5 Bloques Error Total F p-valor 18.4)2-(329)2/(3*6)=6117.7 τ4*=1/(3*(3-1))*[(3-0..37)(-2..1]=-3.37)0.4+(0.37)2.+0.01-54..465 τ5*=1/(3*(3-1))*[(3-0.37)2. .75-0.66 La SCT tenía la expresión siguiente SCT = ∑∑ i j 2 y.9)2/(3*6)=6101.6-6046.4=3.37)(-2.52*(-2.03)+.3=54.1+(0.8 0 3..+(56.8+(0.37)1.3)2+.37)(-8..8]= -0.75-0.4 5 9.37)(-8.401*(2.01)=45.95 104.37)5.75-0. k j =1 bk SCB=1/3((54.86]=0.2)]=0.

Quiere considerar 2 clases asociadas con λ1=2.los n2 segundos asociados con el 1 deberán ocurrir λ2 veces con el 1 ect.... 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. 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..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 .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. Las propiedades 3 y 4 son condiciones de simetría.

k=4.5. .7.n1=3.7.λ2=1 Podemos construir una tabla de tratamientos asociados con la ayuda de las matrices P.9 2.2.2.9.(1.8 4.5.9 4.4).7.5.6)..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.8.10 3.3..6.3.6 1..7 2º asociado resto resto resto resto resto resto resto resto resto resto Ahora los bloques pueden ser tomando (1.6.10).6.b=10.5.. .(4.n2=6.λ1=2.3 y 4 tratamiento 1 2 3 4 5 6 7 8 9 10 1ºasociado 2.8 1.4 1.10 3.10 2.Tomamos por ejemplo como primeros asociados del tratamiento 1 a los tratamientos 2. 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.

Sign up to vote on this title
UsefulNot useful