Diseo de Bloques

Diseos por bloque completamente al azar Diseos en cuadrado latino Diseos en cuadrado grecolatino
4B Ing. Industrial
Garca Meja Claudia Alejandra
Salvatierra Gto. A 19 de Abril de 2013
1

ndice
1. Introduccin.3 2. Diseo en bloques completamente aleatorizados....4 2.1 Ventajas y desventajas..4 2.2 Modelo matemtico.5 2.3 Anlisis de la varianza6 2.4 Estimacin de los parmetros...7 2.4.1 Propiedades de los estimadores..7 3. Diseo en Cuadrado Latino..8 3.1 Descripcin del modelo..8 3.1.1 El concepto de ortogonalidad de factores..8 3.1.2 Ventajas y Desventajas....9 3.2 El modelo de cuadrado latino9 3.2 El Modelo Lineal10 3.3 Tabla de ANOVA...11 4. Diseo Cuadrado Grecolatino...12 4.1 Planteamiento del modelo...12 4.2 Tabla ANOVA14

Introduccin
El diseo por bloques no es ms que un experimento, en el cual encontramos tratamientos y bloques, en este caso pueden existir uno o dos factores, que sern nuestras variables de estudio. Se pretende reducir el efecto de la variabilidad proveniente de causas propias del experimento pero independiente del efecto que se desea estudiar. Para los fines del anlisis de varianza el bloqueo introduce un efecto adicional ficticio, cuyo objetivo es separar del error experimental, alguna fuente de variabilidad conocida. El Diseo en Bloque Completo al Azar es un plan en el cual las unidades experimentales se asignan a grupos homogneos, llamados bloques, y los tratamientos son, luego, asignados al azar dentro de los bloques. Objetivo del agrupamiento es lograr que las unidades dentro de un bloque sean lo ms uniformes posible con respecto a la variable dependiente, de modo que las diferencias observadas se deban realmente a los tratamientos. Al controlar la variacin dentro de los bloques reducimos la variabilidad del error experimental. Cada bloque constituye una replicacin. Todos los tratamientos aparecen una sola vez en cada bloque.

Diseo en bloques completamente aleatorizados.

El modelo de diseo de experimentos con bloques ms sencillo es el diseo de bloques completamente aleatorizados, con este diseo se quiere estudiar la influencia de un factor tratamiento (T ) con I niveles en una variable de inters en presencia de una variable extraa, el factor bloque, B , que tiene J bloques. El motivo de la denominacin de este modelo es la siguiente: se ha agrupan las unidades experimentales en J bloques, en funcin de B , aleatorizando la forma de asignar los tratamientos dentro de cada bloque y es un diseo completo y equilibrado porque cada tratamiento se utiliza exactamente una vez dentro de cada bloque. En este modelo, un bloque es un grupo de I unidades experimentales tan parecidas como sea posible con respecto a la variable B , asignndose aleatoriamente cada tratamiento a una unidad dentro de cada bloque. Ventajas Sirve para cualquier n de tratamientos y replicaciones. Los tratamientos no necesitan tener tamaos de muestras iguales.(Bloque Incompleto). El anlisis no se complica si se debe descartar, por alguna causa, un tratamiento o algn bloque. Se puede introducir, deliberadamente, variabilidad en las unidades experimentales para ampliar el rango de validez de los resultados sin sacrificar la precisin de los resultados. Desventajas Las observaciones faltantes dentro de un bloque requiere clculos ms complejos. Se requieran ms presunciones para el modelo: no interaccin entre tratamientos y bloques, varianza constante de bloque a bloque.

Modelo matemtico
La formulacin matemtica del modelo de diseo en bloques completamente aleatorizados con un factor principal (factor tratamiento), T , con I niveles y un factor secundario (factor bloque), B , con J niveles o bloques es la siguiente: Para cada i = 1,...,I; j = 1,...,J,

Dnde: * Y ij el resultado del tratamiento i-simo, i = 1,2,...,I de T al bloque j-simo, j = 1,2,...,ni. * es la media de toda la poblacin. Mide el nivel medio de todos los resultados. * i es el efecto del tratamiento i-simo de T , i = 1,2,...,I. Mide el efecto incremental del tratamiento del nivel i de T sobre el efecto global. Se verifica que i = 1I i = 0, * j es el efecto del bloque j-simo, j = 1,2,...,J, mide el efecto incremental del tratamiento del factor secundario (bloque) sobre el efecto global ( ). Se verifica que j = 1J i = 0, * ij es el error experimental o perturbacin, son variables aleatorias independientes idnticamente distribuidas (i.i.d.) con distribucin N El nmero de observaciones es: n = IJ, .

Anlisis de la varianza.
CUADRO DEL ANLISIS DE LA VARIANZA MODELO TRATAMIENTO-BLOQUE g.l. SCM Suma de Cuadrados scmT = Tratamientos scT = J
2 i

Fuente de Variacin

I-1 scmT =

scB = Bloques I Residual

i j j 2

J -1 scmR =

scR =
2

(I -1)(J -1)

scG = Global
2 i j

scmG = IJ - 1

Rechazar H0(1) : Rechazar H0(2) :

= =

= ... = = ... =

I,

segn p = P segn p = P

J,

scT= Suma de cuadrados entre tratamientos. scB= Suma de cuadrados entre bloques. scR= Suma de cuadrados del error o residual. scG= Suma total o global de cuadrados. scmT= Cuadrado medio entre tratamientos. scmB= Cuadrado medio entre bloques. scmR= Cuadrado medio residual. scmG= Cuadrado medio total o global.

Estimacin de los parmetros

El nmero de parmetros que hay que estimar en modelo es utilizando n = IJ observaciones hay que estimar un nmero de parmetros.

Se utiliza el mtodo de mnimos cuadrados que se basa en minimizar la suma de los cuadrados de los residuos donde se obtienen los siguientes estimadores:

Propiedades de los estimadores. La distribucin de los estimadores anteriores es la siguiente,

Diseo en Cuadrado Latino

Descripcin del modelo
Los diseos en cuadrados latinos son apropiados cuando es necesario controlar dos fuentes de variabilidad. En dichos diseos el nmero de niveles del factor principal tiene que coincidir con el nmero de niveles de las dos variables de bloque o factores secundarios y adems hay que suponer que no existe interaccin entre ninguna pareja de factores. En estos diseos de cuadrado latino se obtienen pruebas cruzando los niveles de los factores de todas las formas posibles, por ello, en estos diseos los factores son ortogonales.

El concepto de ortogonalidad de factores. En un diseo de experimentos los factores T , con I niveles, y T , con J niveles, son ortogonales si en las pruebas del diseo en cada uno de los niveles i del factor T aparecen en idnticas proporciones los J niveles del factor T . La propiedad de ortogonalidad permite separar los efectos de cada uno de los factores sobre la variable de inters. Supongamos que el nmero de niveles de cada uno de los factores es K. El diseo en cuadrado latino utiliza K2 bloques, cada uno de estos bloques corresponde a una de las posibles combinaciones de niveles de los dos factores de control. En cada bloque se aplica un solo tratamiento de manera que cada tratamiento debe aparecer con cada uno de los niveles de los dos factores de control. Si consideramos una tabla de doble entrada donde las filas y las columnas representan cada uno de los dos factores de bloque y las celdillas los niveles del factor principal o tratamientos, el requerimiento anterior supone que cada tratamiento debe aparecer una vez y slo una en cada fila y en cada columna Recibe el nombre de cuadrado latino de orden K a una disposicin en filas y columnas de K letras latinas, de tal forma que cada letra aparece una sola vez en cada fila y en cada columna.

A continuacin vamos a dar una forma simple de construccin de cuadrados latinos. Se parte de una primera fila con las letras latinas ordenadas alfabticamente.

Las sucesivas filas se obtienen moviendo la primera letra de la fila anterior a la ltima posicin (construccin por permutacin cclica), el cuadrado as obtenido es un cuadrado latino estndar. Un cuadrado latino se denomina estndar cuando las letras de la primera fila y la primera columna estn ordenadas alfabticamente. A parte de los cuadrados latinos as obtenidos existen otros cuadrados latinos diferentes, estndares y no estndares. El procedimiento para construir un diseo en cuadrado latino es el siguiente: Se elige aleatoriamente un cuadrado latino de los disponibles. Se asigna aleatoriamente el orden de las filas y columnas. Se asignan aleatoriamente los tres factores a las filas, columnas y letras, respectivamente. Ventajas Provee una mejor estimacin del error experimental. Mejora la precisin. Hace que el experimento sea ms eficiente. Controla dos fuentes de variacin.

Desventajas Cuando el nmero de tratamientos es grande, se puede presentar un problema potencial debido a que el requerimiento de que el nmero de filas y columnas debe ser igual al nmero de tratamientos es ms difcil de obtener. Tambin es ms probable que el supuesto de interaccin sea violado.

El modelo de cuadrado latino.

El cuadrado latino 3 3 de es estndar y cclico. Un cuadrado latino es un cuadrado latino cclico si las letras de cada fila se generan cclicamente de la anterior segn el orden alfabtico.

Existe un nico cuadrado latino 3 3 estndar, sin embargo hay cuatro cuadrados latinos 4 4 estndar que se presentan a continuacin.

El Modelo Lineal
Sea la observacin en la interseccin de la fila con la columna

Esto ubica cualquier observacin, pero no dice nada respecto al tratamiento aplicado. Un tercer subndice puede desorientar, haciendo pensar que se tiene en vez de observaciones. Por ejemplo el tratamiento aparece una vez supone un conjunto de variables , con un nmero en cada una de las filas, una vez en cada una de las columnas, pero solamente veces en total; as que . Lo mismo puede decirse para los otros valores de . Expresamos una observacin mediante:

Donde

es la observacin correspondiente a la tratamiento, es el efecto de la es el error es la media global, columna, fila,

fila, la es el efecto de la es el efecto del

columna y el tratamiento y

Nota: Al usar ( ), no se trata de una clasificacin ordinaria de tres vas.

10

Tabla de ANOVA
La tabla de ANOVA para un CL de orden es dada por:

11

Diseo Cuadrado Grecolatino

En los arreglos por bloques, se pueden analizar 4 factores, introduciendo un cuarto factor o bloque en un diseo cuadrado latino, siguiendo las mismas reglas utilizadas para introducir un tercer factor en un diseo cuadrado de dos factores. A este cuarto factor o bloque se le denomina componente griego, ya que se utilizan letras griegas para identificar sus niveles, a la adicin de un diseo cuadrado latino y un cuarto factor, se le llama Diseo Cuadrado Greco-Latino. El modelo en cuadrado greco-latino se puede considerar como una extensin del cuadrado latino en el que se incluye una tercera variable de control o variable de bloque. En este modelo, como en el diseo en cuadrado latino, todos los factores deben tener el mismo nmero de niveles K y el nmero de observaciones necesarias sigue siendo K2. Este diseo es, por tanto, una fraccin del diseo completo en bloques aleatorizados con un factor principal y 3 factores secundarios que requerira K4 observaciones. Los cuadrados greco-latinos se obtienen por superposicin de dos cuadrados latinos del mismo orden y ortogonales entre s, uno de los cuadrados con letras latinas el otro con letras griegas. Dos cuadrados reciben el nombre de ortogonales si, al superponerlos, cada letra latina y griega aparecen juntas una sola vez en el cuadrado resultante. Cuadrado greco-latino para K = 4

Planteamiento del modelo

En un diseo en cuadrado greco-latino la variable respuesta yij (hp) viene descrita por la siguiente ecuacin.

12

Dnde: es un efecto constante, comn a todas las unidades. i es el efecto producido por el i-simo nivel del factor la. j es el efecto producido por el j-simo nivel del factor columna. h es el efecto producido por el h-simo nivel del factor letra latina. p es el efecto producido por el p-simo nivel del factor letra griega ij (hp) son variables aleatorias independientes con distribucin N (0, ).

Se utiliza la siguiente notacin: N = K2 es el nmero total de observaciones. El total y el promedio de todas las observaciones.

El total y el promedio para cada la.

El total y el promedio para cada columna.

El total y el promedio para cada letra latina.

El total y el promedio para cada letra griega.

y...h. se obtiene sumando las K observaciones en las que la letra latina se ha jado al nivel h. y...p se obtiene sumando las K observaciones en las que la letra griega se ha jado al nivel p.

13

NOTA: Uno de los inconvenientes del cuadrado greco-latino, al igual que el cuadrado latino, es que requiere el mismo nmero de niveles para los cuatro factores que intervienen. Adems no hay cuadrados greco-latinos de dimensin 6.

Tabla ANOVA

Las expresiones abreviadas de SCT, SCF, SCC, SCL, SCG y SCR, son: 1. 2. 3. 4. 5. 6. SCT suma total de cuadrados. SCF suma de cuadrados debida al efecto la. SCC suma de cuadrados debida al efecto columna. SCL suma de cuadrados debida a las letras latinas. SCG suma de cuadrados debida a las letras griegas. SCR suma de cuadrados del error

14

La suma de cuadrados del error se obtiene por diferencia.

Basndonos en estas sumas de cuadrados se construyen los correspondientes cuadrados medios CMT, CMF, CMC, CML, CMG y CMR o CME.

15