ELECTIVA DE ENFASIS II

DCA

PLAN LECTOR

SAIRA ALEJANDRA CARDENAS REDONDO

SINDY MARCELA DOMINGUEZ PEATES
(ESTUDIANTES)

FRANSISCO ASPRILLA
(DOCENTE)

FUNDACION UNIVERSITARIA TECNOLOGICO COMFENALCO

INGENIERIA INDUSTRIAL
CARTAGENA
2016

DISEO CUADRADO LATINO DCL

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)
dequasigrupos, los cuales se aplican en el diseo de experimentos.
HISTORIA Y TERMINOLOGIA
El nombre de cuadrado Latino se debe a R.A. Fisher The Arrangement of Field
Experiments, J. Ministry Agric., 33: 503-513 (1926)]. Las primeras Aplicaciones
fueron en el campo agronmico, especialmente en los casos de suelos con
tendencias en fertilidad en dos direcciones
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.

El agrupamiento de las unidades experimentales en dos direcciones (filas y

columnas) y la asignacin de los tratamientos al azar en las unidades, de tal forma
que en cada fila y en cada columna se encuentren todos los tratamientos
constituye un diseo cuadrado latino
CARACTERISTICAS
1.
2.
3.
4.
5.

Las u.e. se distribuyen en grupos , bajo dos criterios de homogeneidad

dentro de la fila y dentro de la columna y heterogeneidad en otra forma
En cada fila y en cada columna, el nmero de unidades es igual al nmero
de tratamientos.
Los tratamientos son asignados al azar en las unidades experimentales
dentro de cada fila y dentro de cada columna.
El nmero de filas = nmero de columnas = nmero de tratamientos.
. Los anlisis estadsticos T-student, Duncan, Tuckey y en pruebas de
contraste se procede como el diseo completo al azar y el diseo de
bloques. La desviacin estandar de la diferencia de promedios y la
desviacin estndar del promedio, estn en funcin del cuadrado medio del
error experimental.

FORMACION DE CUADRADOS LATINOS

Suponga 4 tratamientos A,B,C y D, con estos tratamientos se pueden formar 4
cuadros diferentes llamadas tpicas o estandar (en la primera fila y en la primera
columna se tiene la misma distribucin).

De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros
diferentes.
La siguiente tabla permite relacionar el nmero de cuadros en funcin del tamao.

MODELO
Cada observacin del experimento es expresado como una relacin lineal de los
efectos involucrados (tratamiento, fila y columna ), as:
Yij(k)= +Fi+C j+ (k)+errorij(k) i,j,k=1,2,...,
n = efecto medio (parmetro del modelo)
Fi = efecto de la fila i
C j = efecto de la columna j
(k) = efecto del tratamiento k
errorij(k) = error experimental de la u.e. i,j
Yij(k) = Observacin en la unidad experimental El subndice (k) indica que
tratamiento k fue aplicado en la u.e. El modelo est compuesto por n 2
ecuaciones, una para cada observacin
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.
TABLA ANOVA PARA EL MODELO DE CUADRADO LATINO

Alternativamente, utilizando las expresiones abreviadas de SCT, SCF, SCC, SCL y

SCR, dadas en (7.25)-(7.29), la Tabla ANOVA se puede presentar como
HIPOTESIS
Ho = A = B = C = D
Ha = i j para cualquier i diferente de j.

ANLISIS DE VARIANZA
Para realizar el anlisis de varianza se requieren los siguientes trminos:
Y... = Yijk = Gran total
Yi.. = Total del tratamiento i
Y.j. = Yijk = Total de la fila j
Y..k = Yijk = Total de la columna k
SUPUESTOS EN UN DISEO DE CUADRADOS LATINOS
Para que el anlisis de varianza en un diseo de cuadrados latinos tenga validez,
deben cumplirse los mismos supuestos mencionados para el diseo de bloques al
azar: Normalidad, Homocedasticidad e Independencia; adicionalmente debe
cumplirse el supuesto de aditividad entre filas, columnas y tratamientos, es decir,
no debe haber interaccin entre los mismos.
Respecto a la normalidad y la independencia, el procedimiento es el mismo que
en el caso de un diseo completamente al azar y de un diseo en bloques al azar,
la normalidad se evaluar con ayuda del programa SAS y la prueba de Shapiro
Wilk y la independencia se garantizar con la asignacin aleatoria de los
tratamientos a las unidades experimentales.
En el caso del supuesto de homocedasticidad, para el diseo de cuadrados latinos
se presenta el mismo problema de ndole computacional que habamos
mencionado para el diseo de bloques al azar, pues los programas estadsticos
actuales son incapaces de evaluar el supuesto en cualquier diseo diferente al
completamente al azar, razn por la cual se debe asumir que el supuesto se
cumple

REFERENCIAS
MONTGOMERY, Douglas C. Diseo y Anlisis de Experimentos. 3 ed. Mxico,
D.F.: Iberoamericana, 1991. 589 p.
LENTNER M. And BISHOP T. Experimental design and analysis. Blacksburg:
Valley Book Company, 1986. 565 p