Está en la página 1de 14

DISEÑO DE BLOQUES COMPLETO AL AZAR

1.- ¿En qué situaciones se aplica el diseño en bloques completos al azar? ¿En que difieren los factores de tratamiento y de bloque?

Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor, es deseable que las posibles diferencias se deban principalmente al factor de interés y a no a otros factores que no se consideran en el estudio. Cuando esto no ocurre y existen otros factores que no se controlan o nulifican a la hora de hacer la comparación, las conclusiones podrían ser afectadas sensiblemente. El diseño en bloques completos al azar se aplica cuando el efecto de un tratamiento a comparar depende de otros factores que pueden influir en el resultado de experimento y que deben de tomarse en cuenta para anular su posible efecto y evitar sesgo al comparar los factores de interés. Para evitar este sesgo se deben incluir estos factores adicionales en la experimentación y probarlos con cada uno de los factores de interés de manera tal que puedan presentarse todas las combinaciones posible entre ambos para obtener resultados en la comparación que sean validos, esta forma de nulificar su efecto se llama bloqueo.

La diferencia entre los factores de tratamiento y los de bloque radica en que estos últimos no se incluyen en el experimento de manera explícita por que interese analizar su efecto, sino como un medio para estudiar de manera adecuada y eficaz al factor de interés para no sesgar la comparación. Estos entran al estudio con un nivel de importancia secundaria con respecto al factor de interés y la inclusión de estos es un medio no un fin para lograr la comparación.

2.- ¿Qué diferencia hay entre un DBCA y los diseños en cuadro latino?

El diseño de bloque completo al azar se controla un factor de bloque y uno de tratamiento más el error aleatorio y cuadro latino dos factores de bloque y uno de tratamiento por lo que se tienen cuatro fuentes de variabilidad, incluyendo el termino error, que pueden afectar la respuesta observada.

3.-De acuerdo con el modelo estadístico para un diseño en bloques, ¿Por qué a través de este diseño se reduce el error aleatorio?

Porque en el diseño en bloques se analiza bloque a bloque y se toman en cuenta todos los factores posibles que puedan afectar de manera significativa a nuestro experimento.

4. A continuación se muestra parte del ANOVA para un diseño en bloques que tiene tres tratamientos y cinco bloques con una sola repetición por tratamiento-bloque.

Fuente de

S. De

G. De

C. Medio

Razón F

Valor-p

variación

cuadrados

libertad

TRATAMIENTO

600

2

300

4.8

 

BLOQUE

850

4

212.5

3.4

ERROR

500

8

62.5

TOTAL

1950

14

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

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

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

c) Escriba el modelo estadístico y las hipótesis pertinentes.

Modelo Estadístico:

Hipótesis

Y ij =

+ i + j + ij
+
i +
j +
ij

H 0 :

H

A :

1 = 3
1 =
3

2 = 0 para algún bloque j

b = 0

d) Apóyese en las tablas de la distribución f para aceptar o rechazar las hipótesis. Para efecto tratamiento se rechaza la hipótesis nula (4.8 > 4.459) Para efecto del bloque se acepta la hipótesis nula (3.4 < 3.838)

Esto quiere decir que el factor tratamiento tiene efecto significativo en la respuesta del experimento y el efecto del bloque no es significativo.

e) Con apoyo de un software obtenga el valor-P para cada caso. Interprete sus resultados. Valor- P para tratamiento: 0.003 < 0.05 (Se rechaza H 0 ) Valor- P para bloque: 0.1014 > 0.05 (No se rechaza H 0 )

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

- Las conclusiones serian idénticas, ya que el resultado del bloque no tiene un efecto significativo en la respuesta y sin bloque, toda la variación se iría al término error.

6. Aunque en el análisis de varianza para un diseño en bloques completos al azar también se puede probar la hipótesis sobre si hay diferencia entre los bloques, se dice que esta hipótesis se debe ver con ciertas reservas. Explique por qué.

La hipótesis que se plantea:

H

H

0 :

A :

1 = = 3
1 =
=
3

2 = 0 para algún bloque j

b = 0

Esta no es una prueba F exacta, sino aproximada, debido a la restricción de aleatorización (sólo se aleatoriza dentro del bloque). En la práctica se recomienda su interpretación porque es evidencia a favor o en contra de que valió la pena el esfuerzo de controlar el factor de bloque. Si resulta significativa implica que el factor de bloques tiene influencia sobre la variable de respuesta, y debe ser tomado en cuenta para mejorar la calidad de ésta. Pero, si no se rechaza y se acepta que los bloques son iguales en respuesta media, entonces se tiene el argumento a favor de no controlar este factor en futuros experimentos sobre esta misma respuesta, además de que su influencia en la calidad de la respuesta no es significativa.

La restricción de aleatorización se debe al hecho de que no se aleatoriza el orden de las corridas experimentales en relación a los bloques. El experimento supone que sólo se aleatoriza el orden de las corridas dentro de cada bloque, lo cual evita sesgos en la comparación de los tratamientos, pero no los impide en la comparación de los bloques.

7. Explique por qué se utiliza el adjetivo azar en el nombre del diseño en bloques completos al azar. Primeramente la palabra completo en el nombre del diseño se debe a que en cada bloque se prueban todos los tratamientos, o sea, los bloques están completos. La aleatorización se hace dentro de cada bloque; por lo tanto, no se realiza de manera total como en el diseño completamente al azar. El hecho de que existan bloques hace que no sea práctico o que incluso sea imposible aleatorizar en su totalidad.

8.- Una compañía farmacéutica realizo un experimento para estudiar los tiempos promedios (en días) necesarios para que una persona se recupere de los efectos y complicaciones que siguen a un resfriado común. En este experimento se hizo una comparación de distintas dosis diarias de vitamina C. para hacer el experimento se contacto a un número determinado de personas, que en cuanto les daba el resfriado empezaban a recibir algún tipo de dosis. Si la edad de las personas es una posible fuente de variabilidad, explique con detalle como aplicaría la idea de bloqueo para controlar tal fuente de variabilidad.

Si fuera un número grande de personas se podrían acomodar en subgrupos o en rangos para distribuir las diferentes edades se probarían las distintas dosis en las diferentes edades.

9.-A continuación se muestran los datos para un diseño en bloques al azar.

   

Bloques

 

total por

Tratamiento

 

1

2

3

4

tratamiento

   

A 3

4

2

6

Y 1 =15

Y 1 =15
   

B 7

9

3

10

Y 2 =29

Y 2 =29
   

C 4

6

3

7

Y 3 =20

Y 3 =20

Total por bloque=

Y 1 =14

Y 1 =14

Y 2 =19

Y 2 =19

Y 3 =8

Y 3 =8

Y 1 =23

Y 1 =23

Total global=64

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

b) Calcule las sumas de cuadrados correspondientes SC TRAT , SC B , SC T Y SC E .

SC TRAT =

-
-
-
-
A T , SC B , SC T Y SC E . SC TRAT = -

SC B =

SC T =

SC E =72.66 -

= 42

SC TRAT = - - SC B = SC T = SC E =72.66 - =
-
-

42 = 5.5

=72.66

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

Fuente de

         

variación

GL

SC

MC

F

P

Tratamientos

2

25.1667

12.5833

13.73

0.006

Bloques

3

42.0000

14

15.27

0.003

Error

6

5.50

0.9167

   

total

11

72.6667

     

De acuerdo al ANOVA anterior se observa que para los tratamientos se obtuvo un valor-p =0.006 < 0.05, por lo que se rechaza la hipótesis nula de que las media de los tratamientos son iguales entre si, en cuanto al factor de bloques se puede concluir que su valor-p =0.003 < 0.05, lo que nos dice que existen diferencias entre estos.

d)

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

LSD=

para comparar tratamientos en este diseño en bloques. LSD= LSD= LSD=2.44 = 1.65 Diferencia poblacional Diferencia

LSD=

comparar tratamientos en este diseño en bloques. LSD= LSD= LSD=2.44 = 1.65 Diferencia poblacional Diferencia

LSD=2.44

tratamientos en este diseño en bloques. LSD= LSD= LSD=2.44 = 1.65 Diferencia poblacional Diferencia muestral

= 1.65

Diferencia poblacional

Diferencia muestral

Decision

|-3.5|>1.65 significativa

|-3.5|>1.65

significativa

|-1.25|<1.65 No significativa

|-1.25|<1.65

No significativa

|2.25|>1.65 significativa

|2.25|>1.65

significativa

Por lo que se concluye que el tratamiento A es diferente del B y el B del C.

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

   

Día

Silo

Lunes

Martes

Miércoles

Jueves

Viernes

 

A 4.0

4.0

5.0

0.5

3.0

 

B 5.0

6.0

2.0

4.0

4.0

 

C 4.5

4.0

3.5

2.0

3.0

 

D 2.5

4.0

6.5

4.5

4.0

 

E 4.0

4.0

3.5

2.0

4.0

a) En este problema, ¿Cuál es el factor de tratamiento y cual el factor de bloque? El factor de tratamiento son los silos y el factor de bloque los días.

b) Suponga un DBCA, formule las hipótesis adecuadas y el modelo estadístico

Modelo estadístico:

Y ij =

1 j ij ;
1
j
ij ;

Donde Y ij en la medición que corresponde al tratamiento i y al bloque de j,

media global poblacional,

al bloque j y ij en el error aleatorio.

poblacional, al bloque j y i j en el error aleatorio. es la 1 es el

es la

al bloque j y i j en el error aleatorio. es la 1 es el efecto

1 es el efecto debido al tratamiento i,

aleatorio. es la 1 es el efecto debido al tratamiento i, es el efecto debido Hipótesis:

es el efecto debido

es el efecto debido al tratamiento i, es el efecto debido Hipótesis: H H 0 :

Hipótesis:

H

H

0 :

A :

1 = 2 3 k 1 j
1 =
2
3
k
1
j

Que también se puede expresar como:

H

H

A

1 = 2 3 1
1 =
2
3
1

0 :

k = 0

En cualquiera de estas hipótesis la afirmación a probar es que la respuesta media poblacional lograda con cada tratamiento es la misma para los k tratamientos y .

1
1

c) ¿Hay diferencia entre los silos?

Fuente de

Suma de

Grados de

Cuadrado

F

0

Valor-P

variabilidad

cuadrados

libertad

Medio

 

Tratamientos

4.46

4

1.115

0.69

0.246

Bloques

9.76

4

2.44

1.51

0.609

Error

25.84

16

1.615

   

Total

40.06

24

     

Aquí podemos observar que el valor-p de los silos es mayor que el valor de significancia, es decir, que el valor-p de los silos es 0.246 y el nivel de significancia es 0.05 y por lo tanto es mayor, lo que significa que estadísticamente son iguales.

d) ¿La temperatura de un día a otro es diferente?

Por medio del problema anterior podemos observar que la temperatura es igual porque el valor-p de los bloques es 0.609 y el nivel de significancia es 0.05 así que se muestra que el valor-p del bloque es mayor que la significancia y por lo tanto las temperaturas son iguales.

e) Revise residuos, ¿hay algún problema evidente?

e) Revise residuos, ¿hay algún problema evidente? En el recuadro de la grafica de probabilidad normal

En el recuadro de la grafica de probabilidad normal nos muestra que el supuesto de normalidad se cumple porque los residuos o puntos estas más o menos cerca de la línea recta. Por mientras que en el recuadro vs ajuste también se cumple el supuesto de varianza porque los residuos se ubican aleatoriamente dentro de una banda horizontal.

12.- Se diseño un experimento para estudiar el rendimiento de cuatro detergentes. Las

para estudiar el rendimiento de cuatro detergentes. Las cargas de lavado, distribuidas en tres modelos de

cargas de lavado, distribuidas en tres modelos de lavadoras:

Detergente

Lavadora 1

Lavadora2

Lavadora3

A

45

43

51

B

47

44

52

C

50

49

57

D

42

37

49

a) Señale el nombre del diseño experimental utilizado. Diseño por bloques

b) Formule la hipótesis que se quiere probar en este problema.



c)

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

Detergente

Lavadora 1

Lavadora2

Lavadora3

A

45

43

51

B

47

44

52

C

50

49

57

D

42

37

49

Y1:139 Y2:143 Y3:156 Y4:128
Y1:139
Y2:143
Y3:156
Y4:128

Y1:184

Y2:173

Y3:209

566

k =4

b= 3 N= 12

Fuente de

 

Suma de

Grado de libertad

Cuadro medio

F

0

variabilidad

cuadrados

Método

 

133.67

3

44.55

34.26

lavadora

 

170.17

2

85.08

65.45

Error

 

7.82

6

1.36

 

Total

 

311.66

11

   

SC T =45 2 + 47 2

SC T =45 2 + 47 2 2 = 27008-566 2 / 12 = 311.66  

2 = 27008-566 2 / 12 = 311.66

 

SC Trat = 139 2 + 143 2 + 156 2 + 128 2 / 3 -566 2 / 12 = 133.67

SC B = 184 2 + 173 2 + 209 2 / 4 - 566 2 / 12 = 170.17

SC E = 311.66

133.67

170.17 = 7.82

El valor-p que arroja minitab nos dice que se rechazan ambas H 0 , por lo tanto las medias de los diferentes tratamientos son significativamente diferentes de la media poblacional y, para el factor de bloqueo quiere decir que influye en la respuesta del experimento.

13.- Con respecto al problema anterior:

a) Conteste los tres incisos del problema anterior sin tomar en cuenta el efecto de las lavadoras y obtenga conclusiones.

1. Completamente al azar.



3.

A

B

C

D

45

47

50

42

43

44

49

37

51

52

57

49

139

143

156

128

T =566

cuadrados Grado de libertad

Suma de

Cuadro medio

F 0

Fuente de

variabilidad

método

133.66

3

44.5

0.75

lavadora

311.66

8

38.95

error

178

11

SC Trat = 139 2 + 143 2 + 156 2 + 128 2 /3 - 566 2 /12 = 133.66

SC T = 45 2 + 47 2 + 50 2

SC E = 133.66

SC T = 45 2 + 47 2 + 50 2 SC E = 133.66 2

2 - 566 2 / 12 = 311.66

311.66 = 178

b) ¿Hay diferencias en las conclusiones anteriores y las del problema anterior?

Explique su respuesta. Si hay diferencias, debido a que en las conclusiones anteriores las medias de los diferentes tratamientos son diferentes de la media poblacional, y en este caso del diseño completamente al azar, se acepta la H 0 que las medias de los tratamientos son iguales a la media poblacional.

c) ¿Con cuales conclusiones se queda? Explique su respuesta. Con las primeras que se obtuvieron en el diseño de bloques completo al azar porque el factor de bloqueo que consideramos tiene influencia en la respuesta.

14. Una de las variables críticas en el proceso de ensamble del brazo lector de un disco duro es el ángulo que este forma con el cuerpo principal de la cabeza lectora. Se corre un experimento con el objetivo de comparar dos equipos que miden dicho ángulo en dichos radianes. Se decide utilizar como factor de bloque a los operadores de los equipos. Los resultados se muestran en la siguiente tabla:

     

Equipo

 
 

1

 

2

 

1 1.328,

0.985, 1.316,

1.553,

1.310

1.273,

0.985,

1.134,

1.412,

0.917

1.113,

1.057,

1.144,

1,144,

1.386

0.789,

0.671,

0.554,

1.386,

1.289

operador

 

2 1.269,

1.093,

1.268,

0.984,

1.091,

1.195,

1.380

1.036,

0.783,

1.108,

1.129,

1.132

1.087,

1.482,

1.442

0.201,

0.900,

0.916,

1.434,

1.223

 

3 1.440,

1.150,

1.079,

1.190,

1.389,

1,611,

1.445

1.454,

1.063,

1.219,

1.602,

1.583

1.247,

1.617,

1.574

1.018,

1.050,

0.997,

1.538,

1.478

   

Equipo

 

Operador

 
 

1

 

2

 

3

 

1

1.2677

   

1.2291

   

1.3742

2

1.0410

0.9862

1.3002

 

Total

2.3087

   

2.2153

   

2.6744

Y 1 = 3.871; Y 2 = 3.3274; Y

= 7.1984

SC = (1.2677 2 + 1.041 2 + 1.2291 2 + 0.9862 2 + 1.3742 2 + 1.3002 2 ) = 8.75296722

= 0.116807 - -
= 0.116807
-
-
1.3742 2 + 1.3002 2 ) = 8.75296722 = 0.116807 - - SCT= 8.75296722 SC T

SCT= 8.75296722

SC TRAT =

= 0.04925

SC B =

SC E = 0.116807 - 0.04925 - 0.058872 = 0.008684

= 0.058872

F. V.

S. C.

G. L.

C. M.

F.

P

EQUIPO

0.04925

1

0.04925

11.34

0.078

OPERADOR

0.058872

2

0.029436

6.78

0.129

ERROR

0.008684

2

0.004342

 

TOTAL

0.116807

5

 

Congruente con valores MINITAB:

Modelo lineal general: Respuesta vs. Equipo, Operador

Factor

Tipo Niveles Valores

Equipo

fijo

2

1, 2

Operador

fijo

3

1,

2, 3

Análisis de varianza para Respuesta, utilizando SC ajustada para pruebas

Fuente

GL

SC sec.

SC ajust.

MC ajust.

F

P

Equipo

1 0.049250

0.049250

0.049250 11.34 0.078

Operador

2 0.058872

0.058872

0.029436

6.78 0.129

Error

2 0.008684

0.008684

0.004342

Total

5 0.116807

 

a) Plantee el modelo y las hipótesis más adecuadas al problema. Modelo Estadístico:

Y ij =

i + j + ij
i +
j +
ij

Hipótesis

Para tratamiento

H 0 :

H A :

=
=

=

j + ij Hipótesis Para tratamiento H 0 : H A : = = i j
i j
i
j

Para bloque

H A :

H 0 : 1 = 2 =
H 0 :
1 =
2 =

3 = 0 para algún bloque j

Para tratamiento H 0 : H A : = = i j Para bloque H A

b = 0

b) ¿Existen diferencias entre los equipos? Argumente estadísticamente.

No existen diferencias ya que el valor

0.05 de

p en tratamiento equipo es de 0.078 (mayor que

valor 0.05 de p en tratamiento equipo es de 0.078 (mayor que ) por lo tanto

) por lo tanto se acepta la H o , los dos equipos son estadísticamente iguales.

c) ¿Existen diferencias entre los operadores? No existen diferencias entre el factor de bloque operadores, valor-p 0.129 > 0.05, son estadísticamente iguales.

d) Dibuje los diagramas de cajas simultáneos y las gráficas de medias para ambos factores, después interprételas.

de medias para ambos factores, después interprételas. Otra prueba para comprobar la hipótesis nula es con

Otra prueba para comprobar la hipótesis nula es con estas gráficas, se puede apreciar el traslape en ambas, lo cual induce a decir que, en efecto, no hay diferencia significativa.

e) Verifique los supuestos de normalidad e igualdad de varianza entre tratamientos, así como la posible presencia de puntos aberrantes.

así como la posible presencia de puntos aberrantes. La normalidad en los datos es uniforme y

La normalidad en los datos es uniforme y la varianza es constante, la calidad del ajuste es satisfactorio porque no hay puntos aberrantes, además los coeficientes de determinación:

R-cuad. = 92.57%

R-cuad.(ajustado) = 81.41%

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

 

Número de replica (día)

 

Marca de

1

2

3

4

5

6

atomizador

1

72

65

67

75

62

73

2

55

59

68

70

53

50

3

64

74

61

58

51

69

SC T = 72 2 +55 2 +64 2 +65 2 +59 2 +74 2 +67 2 +68 2 +61 2 +75 2 +70 2 +58 2 +62 2 +53 2 +51 2 +73 2 +50 2 +69 2 -1146 2 /18=

= 74054

72962= 1092

SC TRAT = 414 2 +355 2 +377 2 /6

= 296.333

- 72962=

SC B = 191 2 +198 2 +196 2 +203 2 +166 2 +192 2 / 3

- 72962=

=

281.333

 

SC E = SC T SC TRAT SC B = 1092- 296.333 281.333=

 

=

514.3337

 

FUENTE DE

 

SUMA DE

GRADOS DE

CUADRADO

F

0

VALOR-P

VARIABILIDAD

 

CUADRADOS

LIBERTAD

MEDIO

METODOS

 

296.33

2

148.1665

2.880

 

OPERADORES

 

281.33

5

56.266

1.0939

 

ERROR

 

514.3337

10

51.433337

   

TOTAL

 

1092

17

     
 

a)

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

 

1.

H 0 :

1 2 t
1
2
t
 

H A : Al menos el efecto de un bloque es diferente de los demás.

2.

H 0 :

2 = 1 t
2 =
1
t

H A : Al menos el efecto de un tratamiento es diferente de los demás.

b)

¿Existe diferencia entre la efectividad promedio de los atomizadores?

No

c)

¿Hay algún atomizador mejor? Argumente su respuesta.

Por muy poca significancia es mejor el numero 1, pero este no varia en la efectividad para con los otros 2 atomizadores.

d) ¿Hay diferencias significativas en los resultados de diferentes días en que se realizo el experimento? Argumente su respuesta.

No, ya que cada atomizador tuvo un porcentaje de moscas muertas muy parecido entre los seis días q se utilizaron las replicas.

20.-cuando se comparan varios fertilizantes o diferentes variedades de cierto cultivo, es típico que se deba considerar el gradiente de fertilidad del suelo (factor columna) o los efectos residuales de cultivos previos (factor renglón). Considerando estos factores de bloque, Gómez y Gómez (1984) plantean un experimento en cuadro latino para comparar, en cuanto al rendimiento en toneladas por hectárea, tres variedades de maíz híbrido (A, B, C) y una variedad control (C). Para ello se utiliza, un campo agrícola cuadrado de 16 hectáreas, dividido en parcelas de una hectárea. Los datos de rendimiento obtenido se muestran en una tabla a continuación:

Ren/ Col

1

2

3

4

 

1 1.640

(B)

1.210

(D)

1.425

(C)

1.345

(A)

 

2 1.475

(C)

1.185

(A)

1.400

(D)

1.290

(B)

 

3 1.670

(A)

0.710

(C)

1.665

(B)

1.180

(D)

 

4 1.565

(D)

1.290

(B)

1.655

(A)

0.660

(C)

Tabla ANOVA

Fuente de

Suma de

Grados de

Cuadrado

F

 

variación

cuadrados

libertad

medio

 

0

Valor -p

Tratamientos

0.82734

3

0.27578

12.77

0.005

Renglón

0.03015

3

0.01005

0.47

0.717

Columna

0.042684

3

0.14228

6.59

0.025

Error

0.12958

6

0.02160

   

Total

1.41392

15

     

a) ¿Existen diferencias entre los rendimientos de las diferentes variedades de maíz? Debido a que le Valor-p es menos que la significancia observada para el modelo 0.025< 0.05 se afirma que si existen diferencias entre los tratamientos.

b) ¿Cuál de los factores de bloque tuvo efecto?

El gradiente de fertilidad del suelo.

c) ¿Se habrían detectado las mismas diferencias entre los tratamientos con un diseño completamente al azar?

No, porque en este tipo de diseño en cuadro latino se controlan dos factores de bloqueo y se tienen cuatro fuentes de variabilidad para el modelo que pueden afectar la respuesta observada.

d) ¿Y con un diseño en bloque completos al azar?

No, ya que no contempla la posibilidad de comparar más de 1 factor.