Cuadrado latino

Un cuadrado latino es una matriz de nn elementos en la que cada casilla est ocupada por
uno de los n smbolos de tal modo que cada uno de ellos aparece exactamente una vez en
cada columna y en cada fila.
Las siguientes matrices son cuadrados latinos:

Los cuadrados latinos se dan como una tabla de multiplicar (tabla Cayley) de quasigrupos,
los cuales se aplican en el diseo de experimentos.

Historia y terminologa
El nombre cuadrado latino se origina con Leonhard Euler, quien utiliz caracteres latinos
como smbolos.
Un cuadrado latino se dice que est reducido (o "normalizado" o "de forma estandarizada")
si la primera fila y la primera columna estn en orden natural. Por ejemplo, el primer
cuadrado est reducido, porque la primera fila y la primera columna son 1, 2, 3.
Es posible hacer un cuadrado latino permutando (reordenando) las filas y las columnas.

Representacin a travs de un arreglo ortogonal

Si cada entrada de un cuadrado latino de n n se escribe como una tripleta (f, c, s), donde f
es la fila, c la columna y s el smbolo (para nuestro caso un nmero), se obtendrn n2
tripletas, llamado arreglo ortogonal del cuadrado. Por ejemplo, para el primer cuadrado
latino de todos estos ejemplos, el arreglo ortogonal ser as:
{ (1,1,1),(1,2,2),(1,3,3),(2,1,2),(2,2,3),(2,3,1),(3,1,3),(3,2,1),(3,3,2) },
donde, por ejemplo, la tripleta (2,3,1) representa que el valor en la fila 2 columna 3 es 1. La
representacin de un cuadrado latino puede escribirse en trminos del arreglo ortogonal, y
queda as:

existen n2 tripletas de la forma (f, c, s), donde 1 f, c, s n;

todos los pares (f, c) son diferentes, todos los pares (f, s) son diferentes,
y todos los pares (c, s) son diferentes.

La representacin por arreglos ortogonales muestra que las filas, columnas y smbolos
representan un papel muy similar.

Clases equivalentes de cuadrados latinos

Muchas operaciones sobre un cuadrado latino produce otro cuadrado latino (por ejemplo,
alternar filas).
Si permutamos las filas, permutamos las columnas, y permutamos los smbolos de un
cuadrado latino obtenemos un nuevo cuadrado latino que decimos que es isotpico del
primero. El isotopismo es una relacin de equivalencia; basndose en esto, se dice que
todos los cuadrados latinos estn divididos en subgrupos, llamados clases isotpicas; segn
esto, dos cuadrados de la misma clase se dice que son isotpicos, y dos de clases diferentes
son no isotpicos.
Otro tipo de operacin puede explicarse fcilmente usando la representacin de estos por
arreglos ortogonales. Si se reorganizan consciente y sistemticamente los tres elementos de
cada tripleta (f, c, s) por (c, f, s), lo cual corresponde a una transposicin del cuadrado
(reflejado en la diagonal principal), o es posible reemplazar cada tripleta (f, c, s) por (c, s,
f), lo que es una operacin ms complicada. Todas juntas dan 6 posibilidades, incluida la de
no hacer nada, lo que da 6 cuadrados latinos llamados conjugados del cuadrado original.
Finalmente, es posible combinar estas dos operaciones equivalentes: dos cuadrados latinos
son paratpicos si uno de ellos es conjugado del otro. Esto es nuevamente una relacin de
equivalencia, con la clase de equivalencia principal llamada clase principal, especies o clase
paratpica. Cada clase contiene 6 clases isotpicas.

El nmero de cuadrados latinos

No se conoce una frmula para el clculo fcil del nmero de cuadrados latinos de n n
son para n=1,2,...,n. Los lmites superiores e inferiores ms exactos conocidos para n ms
grande estn demasiado separados. Aqu se dispone de todos los valores exactos conocidos.
Es posible notar que los nmeros crecen exageradamente rpido.
Para cada n, el nmero de cuadrados latinos disponibles (secuencia A002860 en OEIS ) es
n! (n-1)! veces el nmero de cuadrados latinos reducidos (secuencia A000315 en OEIS).
El nmero de cuadrados latinos de distintos tamaos
n

Cuadrados latinos reducidos

Todos los cuadrados latinos de tamao n

de tamao n
1

12

576

56

161280

9408

812851200

16942080

61479419904000

535281401856

108776032459082956800

377597570964258816

5524751496156892842531225600

1
0

75807214831601328114892
80

998243765821303987172506475692032
0000

1
1

53639377732773712981196
73540771840

776966836171770144107444346734230
682311065600000

Para cada n, cada clase isotpica (secuencia A040082 en OEIS) contiene arriba de (n!)3
cuadrados latinos (el nmero exacto varia), y cada clase principal (secuencia A003090 en
OEIS) contiene alguna de las 1, 2, 3 o 6 clases isotpicas.
Clases equivalentes de cuadrados latinos
n

clases principales

clases isotpicas

12

22

147

564

283657

1676267

19270853541

115618721533

34817397894749939

208904371354363006

10

Aplicaciones
El estadstico ingls Ronald Fisher se vali del uso de los cuadrados latinos para mejorar
significativamente los mtodos agrcolas, cuando se hallaba investigando la eficacia de los
fertilizantes en el rendimiento de las cosechas. Busc la manera de plantar cosechas en
similares condiciones de suelo de modo que la calidad de la tierra no fuese un factor
indeseable que influyese en el rendimiento de la cosecha. Si bien la nica manera de
asegurarse de tener condiciones idnticas de tierra era utilizar siempre el mismo suelo, en la
prctica esto es casi imposible, pues se deberan desenterrar y volver a plantar las cosechas
varias veces.1
Por otra parte, aunque s se pudiera hacer esto ltimo, las condiciones meteorolgicas
seran otro factor indeseable. Para evitar esto, por ejemplo en un caso en que se tuviese un
campo cuadrado dividido en 16 parcelas, se puede concebir un cuadrado latino en que la
descripcin del campo sea tal que la calidad del suelo vare vertical y horizontalmente.
Entonces se aplican al azar los 4 fertilizantes (a, b, c, y d) con la nica condicin
de que cada fertilizante aparece una sola vez en cada fila y en cada columna. De esta
manera se busca eliminar la variacin de la calidad de tierra. Si hubiese otro factor que
pudiese influir en el rendimiento, por ejemplo, el momento del da (A, B, C, D) en que se
aplica el tratamiento, entonces puede utilizarse un cuadrado latino ortogonal al anterior
donde se identifiquen dichos momentos del da. De esta manera cada pareja momentofertilizante se aplicar en una nica parcela.1
As, un plan podra ser:1

plan, MOMENTO
a, A

b, B

c, C

d, D

b, C

a, D

d, A

c, B

c, D

d, C

a, B

b, A

d, B

c, A

b, D

a, C

Cuadrados latinos y rompecabezas matemticos

El popular rompecabezas Sudoku es un caso especial de cuadrado latinos; toda solucin de
un Sudoku es un cuadrado latino. Un Sudoku impone una restriccin adicional a los
subgrupos de 33, estos slo deben contener los dgitos del 1 al 9 (en la versin estndar).
El rompecabezas conocido como Diamante 16 (Diamond 16 Puzzle) ilustra un concepto
generalizado de la ortogonalidad de los cuadrados latinos: el cuadrado ortogonal ([1], 1976)
o "Matrices ortogonales"-- ortogonal en el sentido combinatorio y no en un sentido
algebraico-lineal (A. E. Brouwer, 1991).
Para una comparacin con la geometra finita, vase Geometra del cuadrado latino (en
ingls).
5.6 Fracciones factoriales. El cuadrado latino.

Los modelos de diseo de experimentos expuestos en las secciones previas son

diseos completos o equilibrados. En estos diseos 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.
Si los efectos simples de todos los factores estudiados en el diseo de
experimentos son ortogonales, la estimacin

del efecto del nivel i del factor

T se obtiene como la diferencia entre la media de los resultados obtenidos

cuando el factor T est al nivel i y la media general de todos los resultados.

Las estimaciones as obtenidas para los efectos de un factor no estn afectadas

por los efectos de los otros factores, lo que permite separar los efectos simples
de todos los factores estudiados.
En los diseos equilibrados el nmero de pruebas que hay que realizar crece muy
rapidamente con el nmero de factores, an en el caso de que se supongan nulas
las interacciones y no sea necesario replicar el diseo. En estas situaciones son
de gran utilidad los diseos de experimentos denominados fracciones factoriales,
que permitan estudiar la influencia de los factores sin necesidad de realizar
todas las pruebas pero manteniendo la propiedad de ortogonalidad de los efectos
a estudiar. Como ejemplo de este tipo de modelos se expone a continuacin la
fraccin factorial denominada cuadrado latino.

5.6.1 El modelo de cuadrado latino.

En un diseo de experimentos completo de tres factores, todos ellos con K

niveles, necesita K3 observaciones, nmero elevado si K es grande. Un diseo ms
eficaz que solo utiliza K2 observaciones para el mismo problema es el cuadrado
latino. Este modelo se basa en aprovechar la simetra del experimento factorial
seleccionando un conjunto de condiciones experimentales con la condicin de
que cada nivel de un factor aparezca una vez con cada uno de los niveles de los
otros factores. Por tanto, el diseo de cuadrado latino se puede utilizar si se
verifican las siguientes condiciones:
1. Es un diseo de experimentos con tres factores.
2. Los tres factores tienen el mismo nmero de niveles: K.
3. No hay interacciones entre los tres factores.

El diseo en cuadrado latino est especialmente indicado para estudiar un

factor-tratamiento con K niveles y con dos factores-bloque de K bloques cada
uno. Este diseo se basa en el concepto de cuadrado latino que es el siguiente
Un cuadrado latino K K es una disposicin de K letras en una matriz K K de
forma que todas las letras aparecen una vez en cada fila y una vez en cada
columna.

Por ejemplo, un cuadrado latino 3 3 es el siguiente

A

Tabla 5.5. Cuadrado latino 3 3.

Un cuadrado latino es un cuadrado latino estndar cuando las letras de la primera fila y
de la primera columna estn dispuestas en orden alfabtico.

Un cuadrado latino es un cuadrado latino cclico si las letras de cada fila se

generan cclicamente de la anterior segn el orden alfabtico.
El cuadrado latino 3 3 de la Tabla 5.5 es estndar y cclico.
Existe un nico cuadrado latino 3 3 estndar, sin embargo hay cuatro cuadrados
latinos 4 4 estndar que se presentan en la Tabla 5.6.
Cuadro 1

Cuadro 2

Cuadro 3

Cuadro 4

Tabla 5.6: Cuatro posibles cuadrados latinos 4 4 estndar.

Un diseo en cuadrado latino es un diseo de un factor tratamiento con K
niveles y K2 unidades experimentales agrupadas en K bloques fila y K bloques
columna, de forma que unidades experimentales de un mismo bloque fila son
semejantes, unidades experimentales de un mismo bloque columna son
semejantes y unidades experimentales de distintos bloques fila y distintos
bloques columna son sustancialmente diferentes.
Para cualquier nmero de tratamientos K existe siempre al menos un diseo en
cuadrado latino estndar cclico.
Obsrvese que si en un diseo en cuadrado latino se ignora el bloque columna se
tiene un diseo en bloques completamente aleatorizado (el bloque fila es el

factor bloque) y, anlogamente, si se ignora el bloque fila se tiene un diseo en

bloques completamente aleatorizado (el bloque columna es el factor bloque).
Adems se trata de un diseo equirreplicado: cada tratamiento aparece un
mismo nmero K de veces en el diseo.
Modelo matemtico.
Se tiene un diseo en cuadrado latino de dos factores bloque y un factor
tratamiento, el primer factor bloque se denota por B y se coloca en filas, el
segundo factor bloque se denota por B y se coloca en columnas, el factor
tratamiento se denota por T y sus niveles se colocan segn el cuadrado latino.
Por tanto, el cuadrado latino condiciona el nivel de T que se utiliza en la casilla
ij (bloque i de B y bloque j de B ) y este nivel no se elige.
La formulacin matemtica del modelo es la siguiente:
para cada i = 1,...,K, j = 1,...,K, (el ndice k
cuadrado latino) se tiene

lo impone el diseo en

donde,
* Y ij es el resultado del bloque i-simo, i = 1,...,K del factor bloque B y del
bloque j-simo, j = 1,...,J del factor-bloque B , y del nivel k-simo del factor T
. Se denota la k entre parntesis, para indicar que este ndice no se elige sino
que viene condicionado por el par ij.
* es el efecto global que mide el nivel medio de todos los resultados,
* i es el efecto (positivo o negativo) sobre la media global debido al bloque i de
B . Se verifica que i = 1I i = 0,
* j es el efecto (positivo o negativo) sobre la media global debido al bloque j de
B . Se verifica que j = 1J j = 0,

* k es el efecto (positivo o negativo) sobre la media global debido al nivel k del

factor F . Se verifica que k = 1K k = 0,
*

ij

es el error experimental, son variables aleatorias i.i.d. con distribucin N

.

Estimacin de los parmetros.

La tcnica de mnimos cuadrados proporciona los siguientes estimadores:

Los residuos son

que verifican las siguientes restricciones

en total hay 3K - 2 restricciones, y los residuos tienen K2 - (3K - 2) =

grados de libertad.

Tabla ANOVA.
De la descomposicin de la variabilidad se obtiene la tabla ANOVA (Tabla 5.7.) de
donde se deducen los siguientes contrastes:

[1] Si la hiptesis nula H0

: 1 = 2 = ... = K = 0, (el factor F no influye, el
ms importante porque es el factor-tratamiento en el que se est interesado) es
cierta, se verifica que
(1.36)

se rechaza H0

al nivel de significacin si

= scmT scmR >

[2] Aunque de menor inters tambin se pueden hacer contrastes acerca de la

influencia de los bloques fila y columna para saber si ha sido conveniente
bloquear o no.

Si la hiptesis nula H0 :
es cierta, se verifica que

= ... =

= 0, (el bloque fila no influye)

(1.37)
se rechaza H0

al nivel de significacin si

= scmB scmR >

[3] Si la hiptesis nula H0

es cierta, se verifica que

= ... =

= 0, (el factor columna no influye)

(1.38)
se rechaza H0

al nivel de significacin si

= scmB scmR >

.
CUADRO DEL ANLISIS DE LA VARIANZA

 MODELO CUADRADO LATINO

g.l.

Fuente de

Suma de

Variacin

Cuadrados

Bloques

scm

scmB =

scBF =

K-1

(B )
K

scmB =

scBC =

Bloques

(scmB ) / (scmR)

2
i

K-1
(B )

(scmB ) / (scmR)

2
j

scmT =

scTL =

Factor T

K-1

(T )

scmR =

scR =

(K-1)(K2)

Residual
i

(scmB ) / (scmR)

eij(k)2

scmG =

scG =
Global

K -1
2

Rechazar H0(

Rechazar H0(
Rechazar H0(

:
)

=
=

= ... =

, segn p = P(

= ... =

= ... =

<

, segn p = P(

, segn p = P(

<
<

)
)

Tabla 5.6. Cuadro del anlisis de la varianza para un diseo de cuadrado latino.
Extensiones de los modelos de diseos experimentales.
Siguiendo la metodologa expuesta en los diseos estudiados es fcil generalizar
el diseo de cuadrado latino y tienen inters los siguientes modelos:

Cuadrado latino replicado. Si se replica el modelo del cuadrado latino, an

manteniendo las mismas condiciones de experimentacin, es posible que exista
cierta heterogeneidad entre las rplicas por lo que es conveniente considerar las
rplicas como bloques. El modelo matemtico de este diseo es:
(k)r

donde r
es el efecto rplica que se estimar por la
diferencia entre la media de cada rplica completa y la media general.

Cuadrado greco-latino. Si se aumenta el nmero de factores-bloque, la extensin

del cuadrado latino es el greco-latino, que permite con K2 observaciones estudiar
cuatro factores de K niveles sin interacciones (un factor-tratamiento y tres
factores bloque), si se utilizase el diseo completo es necesario utilizar K4
observaciones. En el diseo en cuadrado greco-latino se superponen dos
cuadrados latinos, resultando el siguiente modelo matemtico:

El inconveniente de este modelo es que su utilizacin es muy restrictiva.

Adems pueden no existir cuadrados latinos de determinadas condiciones.
5.6.2 Anlisis de un caso

En este apartado se desarrolla un problema de diseo de experimentos de

cuadrado latino. El enunciado del problema es el siguiente:
Ejemplo 5.4.
Se quiere estudiar la posible influencia de los aditivos de combustible (factor
tratamiento, T ) en la reduccin de xidos de nitrgeno en las emisiones de los
automviles (variable respuesta) controlando la influencia del conductor
(factor-bloque B ) y del tipo de coche (factor-bloque, B ).
Se consideran cuatro conductores: C1, C2, C3, C4.
Cuatro tipos de coche: Seat, Ford, Opel, Renault.
Cuatro aditivos de combustible: A1, A2, A3, A4.

Los resultados del experimento diseado segn la tcnica del cuadrado latino son
los de la tabla adjunta, tambin se presenta el cuadrado latino utilizado. Qu
conclusiones se deducen del experimento?

Seat

Ford

Opel

Renault

C1

21 A1

26 A2

20 A4

25 A3

C2

23 A4

26 A3

20 A1

27 A2

C3

15 A2

13 A4

16 A3

16 A1

C4

17 A3

15 A1

20 A2

20 A4

C. Latino

Solucin.

Estimacin de los parmetros. Se obtienen los siguientes estimadores:

Estimaciones

.i

..k

23

19

-1

18

-2

24

20

22

15

-5

19

-1

21

18

-2

22

19

-1

.. =

= 20

Los residuos del modelo son:

Residuos

Seat

Ford

Opel

Renault

C1

1 A1

1 A2

-1 A4

-1 A3

C2

1 A4

1 A3

-1 A1

-1 A2

C3

-1 A2

-1 A4

1 A3

1 A1

C4

-1 A3

-1 A1

1 A2

1 A4

Tabla ANOVA. Utilizando las estimaciones y residuos obtenidos se obtiene la siguiente

tabla ANOVA

Tabla ANOVA

Fuentes de

Suma de

Grados de

variacin

cuadrados

libertad

Factor conductor

Varianza

p - valor

216

72

27

0'0007

Factor coche

24

0'1117

Factor aditivo

40

13'33

0'0452

280

16

2'66

296

15

19'73

Variab. Explicada

Residual

Global

De esta tabla se deducen los siguientes contrastes:

[1] El contraste de la hiptesis: el factor (aditivo) no influye. Se realiza por el

estadstico

se tienen dudas acerca de si aceptar o no esta hiptesis ya que su p-valor

0'05. Es el contraste ms interesante ya que se contrasta la posible
influencia del factor tratamiento en el que se est interesado.

[2] El contraste de la hiptesis: el factor

(conductor) no influye.

se rechaza esta hiptesis de no influencia del factor conductor.

[3] El contraste de la hiptesis: el factor

(coche) no influye.

se acepta, a un nivel inferior razonable (< 0'11) la no influencia del factor

coche.
Los coeficientes de determinacin de los tres factores son:

De los contrastes anteriores se deduce que ha sido conveniente bloquear el tipo

de conductor pero no conviene bloquear el tipo de coche. Se puede
eliminar el factor coche, basta con sumar la fila correspondiente al factor
coche con la fila de la variabilidad residual, aunque se pueden hacer crticas al
diseo resultante. Se obtiene la siguiente tabla ANOVA
Tabla ANOVA 2

Fuentes de

Suma de.

Grados

Variacin

Cuadrados

libertad

Factor conductor

Factor aditivo

Variab. Exp. Total

Residual

Global

Varianza

p - valor

216

72'00

16'20

0'0006

40

13'33

3'00

0'0877

256

40

4'44

296

15

19'73

Trabajando con un nivel de significacin de = 0'05 se acepta la no influencia del factor

tratamiento tipo de aditivo.