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. (k-1). (nº de bloques) k = 2 (tratamientos en cada bloque).4 . (k-1) ⁄ a-1 =3. (k-1) ⁄ a-1 =3. λ. considérese cualquier tratamiento. y hay otros k-1 tratamientos en cada uno de esos bloques.Como el tratamiento 1 ocurre en r bloques. b = 4. EJEMPLO 1: Para a = 4 (nº de tratamientos). un diseño BIB puede ser construido con: R = (b.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. Para deducir la relación de λ. un diseño BIB puede ser construido con: R = (b. Estas r. k / a)= 3 (cada tratamiento sucede 3 veces en el diseño) λ = r. existen r.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) observaciones en un bloque que contiene al tratamiento 1. (k-1) observaciones deben representar al resto de los a-1 tratamientos λ veces. Por lo tanto.3 2. (3.(a-1) =r. (2. por ejemplo el 1. (nº de bloques) k = 3 (tratamientos en cada bloque).4 1.2 3. k / a)= 3 (cada tratamiento sucede 3 veces en el diseño) λ = r. b = 6.

4) no ocurren en todos los bloques. el resto de parejas aparecen una sola vez en el mismo bloque. βj es el efecto del j_ésimo bloque.6 2.6) y (3. (2.5). Bloques 1 2 3 4 Tratamientos 1.4 2. τi es el efecto del i_ésimo tratamiento. Los pares de tratamientos (1.5 6 1. y εij es la componente del error aleatorio NID (0.5 4. σ2). El modelo estadístico es: Yij = µ+ τi + βj + εij En donde yij es la i-ésima observación del j-ésimo bloque.3.6 Aunque r =2 (cada tratamiento sucede 2 veces en el diseño). 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.3.2 ⁄ N) i j . SST = ∑ ∑ yij2 – (y. La variación total en los datos se expresa mediante la suma total de cuadrados corregidos (o ajustados).5.3 1.. µ es la media general.2.

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

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

1 2 3 4 y. A continuación vamos a realizar el análisis de estos datos. k = 3. b = 4. Éste es un diseño BIB con a = 4...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 . Considérense los datos de la Tabla para el experimento de los catalizadores.Bloque (Lote de Materia Prima) Tratamiento (Catalizador) --------------------------------------------------------1 2 3 4 yi. r = 3...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. λ = 2 y N = 12. La Suma Total de Cuadrados: SST = ∑∑yij2 – (y.

4/3 Q4 = (222) – (221 + 207 + 224) /3 = 20 /3 Se calcula ahora la suma de cuadrados de tratamiento corregida: j=1 =3.7/3 Q3 = (216) – (221 + 207+ 224) / 3 = . . 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).05.25 81’00 3 3 5 11 7’58 ------0.5 = 5’41 .tome en cuenta los bloques. ∑Qi2 ⁄ λa = La suma de cuadrados del error se calcula por diferencia: SSε = SST – SSTratamientosajustada . se concluye que el catalizador empleado tiene un efecto significativo sobre el tiempo de reacción. (4) = 22’75 2 2 a SStratamientos ajustada = k. [(.9/ 3 Q2 = (214) – (207 + 224 + 218) /3 = .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 3.3.

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

25 81’00 3 3 5 11 _____ 22’03 0.Bloques Bloques (corregidos) Error Total 55’00 66’08 3. o sea que SST ≠ SSTrtamientos ajustada + SSbloques ajustada + SSε .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.

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

La idea es la siguiente: Se consideran los totales de los bloques y. Los estimadores del análisis interbloques para µ y para τi se determinan minimizando la función de mínimos cuadrados: L= min ( ∑ (y.kr y.5 τ1 +τ 2 +τ 3 3 =0 P (F1. Análisis Interbloques El estudio realizado hasta ahora es conocido como análisis intrabloques.N-a-b+1 σ2 Por ejemplo. si queremos contrastar en el ejemplo anterior τ4 π =34. ∑ τi=0 i El término entre paréntesis es aleatorio de media cero y puede considerarse como un error. puede obtenerse información adicional de los efectos de los tratamientos τi. Este análisis es apropiado independientemente de que los bloques sean fijos o aleatorios. puesto que se eliminan las diferencias entre bloques. Yates (1940) demostró que si los efectos del bloque son variables aleatorias independientes con media cero y desviación típica σβ .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. los τ i= ∑ j n ij y .. y todos los contrastes de los efectos de los tratamientos pueden expresarse en forma de comparaciones entre las observaciones en el mismo bloque. Estimación de los parametros. luego rechazaríamos la hipótesis nula. El modelo queda entonces así: y.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 F1.188 π bajo H0 sigue una distribución F1. Este análisis es el conocido como Análisis interbloques.j .j = kµ+ ∑ nijτi + i ( kβj+ ∑ i εij ) Con nij= 1 si el tratamiento i aparece en el bloque j y 0 en caso contrario.j que constituyen un conjunto de observaciones. 5 >34.05. (r .λ ) .188)=<0.

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

88 -0.50 2. 10. En nuestro 2 ejemplo tenemos que σ β =8.50 Inter.12 -0.50 -6.47 .50 -0. Lo más natural es que σ2 y σ2β sean desconocidas en ese caso se estiman.50 -3...02.50 2. que pues estaríamos en un ANOVA unifactorial al no influir el bloque.τi * = kQi (σ 2 + kσ 2 β ) + (∑ nij y.88 -0.: Parámetro τ1 τ2 τ3 τ4 Intra -1. que al ser la varianza de los bloques grande se parecerá mucho a la intrabloques. .50 Mínima varianza -1.09 -0. . Garybill propuso como estimador de σ2β : 2 σβ = ^ __ __ (CMB(ajust ) − CME )(b − 1) a(r − 1) Si el estimador nos diese un valor negativo. j − kr y. Si σ2β=0 entonces τi *= y i. se toma como criterio σ2β.y. relativamente grande en esta tabla se reflejan las ^ estimaciones intra e interbloques junto con la de mínima varianza. y la segunda es más complicada de estimar.)σ 2 j (r − λ )σ + λa (σ 2 + kσ 2 β ) 2 El estimador refleja lo deseado. cuanto más grande sea la varianza de los bloques más se acercará al estimador interbloques. la primera con el cuadrado medio del error (CME).

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

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

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

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

El análisis de estos diseños.05 >0.70 0.05 NO INFLU. lo que se denomina diseños reticulares.22 0. de modo que completemos tras las replicas un modelo de bloques.95 4 4 4 3 8 30.05 INFLUYE >0. NO INFLU. un diseño reticular es un diseño de experimentos en el que se realiza un número finito de replicas.53 134.54 <0.L CM F p-valor Iluminación (ajustada)120.09 --0. consideramos una replica como una etapa en la que se realiza un diseño por bloques incompletos. pues coincide con el ejemplo2.Tabla ANOVA: Fuente SC G.45 0.87 1. Diseños reticulares Otro tipo de diseño cuya idea es basarse en el modelo de bloques incompletos es.26 0. se realiza obviamente considerando las replicas como posibles efectos.69 ----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.35 6. .37 Días (no ajustado) Días (ajustada) Estación Error Total 6.82 36.d.

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

(es decir un tratamiento i que no sea el 1 ni el 2 tal que se repita dos veces la pareja (1.4.2) que se repite 2 veces. La matriz P1 esta asociada los tratamientos asociados de orden 1.i) y dos veces la pareja (2. r = 3.5).2) se repite 2 veces y por tanto el tratamiento 1 y 2 son asociados de 1er orden) luego n1 =1.n2 =4. Consideremos el experimento anterior vamos a calcular sus matrices Pi. En primer lugar decir que hay tantas matrices Pi como nº de clases asociadas.n1 =1.Vamos a calcularla. 1º tomamos una pareja de asociados de primer orden por ejemplo la pareja (1. Calculo de las matrices Pi. 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 . en este caso habrá 2 matrices Pi: P1. λ2 =1 y hay 2 clases asociadas. λ1 =2.Los parámetros son los siguientes a = 6.pero no hay ningún tratamiento que cumpla esto luego esta cuadricula estará vacía.P2 y que la matriz Pi esta asociada a los tratamientos asociados de orden i.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.(1.3). 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.(1.i)) también esta cuadricula estará vacía. 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. λ2 =1 y también se ve fácilmente que la pareja que se repite dos veces con un tratamiento fijo .6)).i) y una vez la pareja (2.k = 3.hay cuatro parejas con un tratamiento fijo (por ejemplo el 1) que se repiten una vez ((1.5 y 6 son asociados de 2º orden al tratamiento 1 luego n2 =4.(1.4). luego los tratamientos 3.b =6. Como podemos ver todas las parejas de tratamientos se repiten 1 o 2 veces de ahí λ1 =2. Para calcular P1 solo tenemos que realizar una tabla. solo es una (la pareja de tratamientos (1.(por ejemplo el 1).i)).

Ahora voy a calcular la suma total de cuadrados.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. j Nota: La expresión nij es 1 si el tratamiento i ocurre en el bloque j será 0 en otro caso. 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) y una vez también la pareja (2. una suma de cuadrados del bloque (no corregida) y una suma de cuadrados de los tratamientos(corregida).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.i) en este caso los tratamientos 3. Tenemos que Qi será el total del i-esimo tratamiento corregido Qi = yi.repita una vez la pareja (1.5 y 6 cumplen esta condición luego estarán situados en esta cuadricula. También definimos . − 1 k ∑n j =1 b ij y.4.

4 55.Y para poner la maquina a punto necesitamos un día. 1 2 3 4 5 6 y.5 45.S 1(Qi ) = ∑ Qs s Donde s e i son primeros asociados. TR.2 yi. 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 .8 .5 20.3 Dia 5 Dia 6 18.5 15. 1 ∑ y..\BL.6 15.2 19.5 63.3 18.3 Dia 2 Dia 3 Dia 4 18 21..5 20. − − − − − − − − − −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.8 53 14.j Dia 1 18.5 58.Tenemos que la máquina que los prueba solo dispone de sitio para 3 cigarrillos cada vez.3 21.9 17.9 20.6 54. 54.2j − bk − − − − − − − − − − − −b − 1 k j =1 b 2 y.7 18 57.6 18 15 50.4 53..4 56.3 56.7 18. Tratamientos (corregidos) − − − − − − − ∑τ i*Qi − − − − − − − − − − − − − a − 1 Bloques − − − − − − − − − − − − − − − y.

03 Q2=63.2 Q6=56.k = 3.86 S1 (Q4)=Q3=1.86 Q5=45.37 Calculamos los τi* con la expresión 1 τ i* = ((k − c 2 )Qi + (c1 − c 2 ) S1 (Qi )) r (k − 1) .4 Q4=54.1 S1 (Q6)=Q5=-8.8 S1 (Q2)=Q1=-2.b =6.03 S1 (Q3)=Q4=0.3)[(1*(3*3-3+2)+(2-1)(1*0-2*1)]=0.7+53+53.5)=-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.4 S1 (Q5)=Q6=2.1 Ahora hallo los S1 (Qi) usando la expresión S 1(Qi ) = ∑ Qs s S1 (Q1)=Q2=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*5.5-1/3(56.5)=-2.5)=2. j Q1=54.3+53.6+56.8+56. − 1 k ∑n j =1 b ij y.7+53.75 c2=1/(3*5.RESOLUCION Los parámetros son a = 6. λ2 =1 y por tanto hay 2 clases asociadas.5-1/3(50.8+50.8+57.6-1/3(58.3)=5.5-1/3(58.6+57.6+53)=1. λ1 =2.3)[(2*(3*3-3+1)+(2-1)(1*0-2*1)]=0.3+53)=0.8 Q3=55.2 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.r = 3.7+57.4-1/3(50.4-1/3(58.

401 Con esto puedo hallar la SCTratamiento SCTratamientos ( ajustada ) = ∑τ i*Qi i =1 a Luego SCTratamiento (ajustada)=-0.2)+(0.4=3..4+(0.86+(0.9)2/(3*6)=6101.01)=45.8]= -0.6-6046.03)+(0.8 0 3.75-0.8+(0.465 τ5*=1/(3*(3-1))*[(3-0.95 104..95 La tabla del contraste de hipótesis será la siguiente Fuente de SC GL CM variación 45. .03)+.9)2/(3*6)=104..5)2)-(329.37)(-2.45 τ6*=1/(3*(3-1))*[(3-0.37)1.66 La SCT tenía la expresión siguiente SCT = ∑∑ i j 2 y.+(20.37)0.4 5 9.7 τ4*=1/(3*(3-1))*[(3-0.01-54.01 7 17 0.4-(329.2j − .75-0. k j =1 bk SCB=1/3((54.4]=0.37)5.401*(2.66-45.37)(-2.37)(-8...41 τ3*=1/(3*(3-1))*[(3-0.+(56.75-0.75-0.37)2.2)]=0.+0.37)2.75-0.τ1*=1/(3*(3-1))*[(3-0.6 5 Bloques Error Total F p-valor 18.37)1.37)5.86]=0.3)2+.37)(-8.03)]=2.37)0.75-0.52*(-2..01 La SCE será la resta SCE=SCT-SCB-SCTratamiento(ajustado)=104.08 Tratamientos (corregidos) 54..1]=-3.1+(0.3=54. y − bk 2 ij SCT=(18.4 Ahora hallo la SCBloque y 1 b SCB = ∑ y.5)2+.52 τ2*=1/(3*(3-1))*[(3-0.52 Luego rechazaremos la homogeneidad de tratamientos..4)2-(329)2/(3*6)=6117.

.los n2 segundos asociados con el 1 deberán ocurrir λ2 veces con el 1 ect.. Las propiedades 3 y 4 son condiciones de simetría..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. La propiedad 5 esta relacionada con la suma de filas de la matriz P. 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 1.2.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 .Quiere considerar 2 clases asociadas con λ1=2.. Ejemplo Tenemos un investigador que ha de experimentar con 10 factores pero solo puede obtener bloques de 4 elementos.

(4.3. ...8 1.9 2.n2=6.10 3.6).2.5.6.10).7..5.6 1.Tomamos por ejemplo como primeros asociados del tratamiento 1 a los tratamientos 2.8.4 1.2.5.. 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=10.1 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.7.7 2º asociado resto resto resto resto resto resto resto resto resto resto Ahora los bloques pueden ser tomando (1.6.λ2=1 Podemos construir una tabla de tratamientos asociados con la ayuda de las matrices P.3 y 4 tratamiento 1 2 3 4 5 6 7 8 9 10 1ºasociado 2.3.9 4. .n1=3.5.9.4).λ1=2.7.10 2.(1.10 3.b=10.6.8 4.k=4.

Sign up to vote on this title
UsefulNot useful