UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE CIENCIAS AGRARIAS

ESCUELA PROFESIONAL DE INGENIERA TOPOGRAFICA Y AGRIMENSURA

METODOS ESTADISTICOS
DOCENTE: Ing: .

PUNO, Enero del 2017

Este diseo es una extensin del Diseo Bloque Completo al Azar y

se utiliza cuando las unidades experimentales, a las cuales se van a
aplicar los tratamientos pueden agruparse de acuerdo a 2 fuentes de
variabilidad llamadas bloques(hileras) y columnas respectivamente,
tambin se le conoce con el nombre de doble bloqueo.

En este diseo es necesario que el nmero de bloques sea igual al

nmero de tratamientos, esto es: r = c = t, y el nmero total de
unidades experimentales en el experimento debe ser igual a r2. Por
ejemplo si el nmero de tratamientos es de 4, el nmero de bloques
y el nmero de columnas debe ser tambin de 4 y el nmero total de
unidades igual a 16.

Este diseo se recomienda cuando el nmero de tratamientos vara

entre 3 y 10. El Cuadrado Latino se puede emplear siempre que haya
homogeneidad dentro de bloques y dentro de columnas, pero alta
heterogeneidad entre bloques y entre columnas.

Debe existir homogeneidad de las unidades experimentales dentro de

las hileras y dentro de columnas, pero entre hileras y columnas debe
existir heterogeneidad para que el diseo sea eficiente.
El nmero de las unidades experimentales en cada hilera y en cada
columna debe ser igual al nmero de tratamientos en estudio.
El nmero de tratamientos debe ser igual al nmero de hileras y al
nmero de columnas.
Debe utilizarse este diseo cuando los tratamientos varan de 3 a 10,
no es muy recomendable utilizarlo cuando existen muchos
tratamientos, principalmente por las caractersticas mismas del
diseo.
Es un diseo ms preciso que el de Bloques, debido a que reduce el
cuadrado medio del error, debido a la otra fuente de variacin que es
las de columnas.

Ejemplo: Si se tiene un terreno con diferentes niveles de pendiente

en sentido y gradiente de fertilidad en el otro sentido, para instalar
un experimento se podrn distribuir del siguiente modo, en un
ensayo de 4 tratamientos.

Modelo estadstico lineal

El resultado de una unidad experimental cualesquiera como se puede
apreciar, est influenciado por tres fuentes de variabilidad
controlables: tratamientos, filas y columnas de modo que el modelo
estadstico en la poblacin de unidades experimentales que pudieron
intervenir en el experimento; el valor de cada unidad experimental Yijk
se aplica segn el siguiente Modelo Estadstico Lineal.

Donde:
Yijk = Es la variable respuesta o resultado de la unidad experimental
clasificada en el j-simo nivel de bloque-fila, k-simo nivel de bloque-columna
y que ha recibido el tratamiento i-simo, el cual por estar comprendido en la
combinacin "jk" se llama factor "anidado".

= Constante, media de la poblacin a la cual pertenecen las observaciones.

ti = Es el verdadero efecto del i-simo tratamiento.
Hj = Es el verdadero efecto de la j-sima fila o nivel del factor que dio lugar a
bloque-fila.

Ck = Efecto de la k-sima columna o nivel del factor que dio lugar a bloque
columna.
(i)jk= Trmino de error. Son variables aleatorias.

Las restricciones con respecto a filas, columnas y tratamientos si

estn bajo el criterio del Modelo I son: =1 Hj = =1 Ck =

=1 Ti = 0 En caso de estar en Modelo II, Hj, Ck, Ti se considera

como variable aleatoria distribuidas normal e independiente
con media cero y varianza: 2 , 2 y 2 , respectivamente.

Estimacin de parmetros del modelo.

La aplicacin del procedimiento de estimacin de los mnimos
cuadrados permite lograr estimaciones de los parmetros sealados
quedando el modelo en trmino de estimadores.

 Modelo Poblacional:

Modelo Muestral:

Elevamos al cuadrado ambos miembros, luego

aplicamos las sumatorias y se tiene:

Tabla de ANOVA: Formulas

EJEMPLO:
Se quiere estudiar el efecto de cinco diferentes catalizadores
(A,B,C,D y E) sobre el tiempo de reaccin de un proceso qumico.
Cada lote de material slo permite cinco corridas y cada corrida
requiere aproximadamente de 1.5 horas, por lo que slo se
pueden realizar cinco corridas diarias. El experimentador decide
correr los experimentos con un diseo en cuadro latino, para
controlar activamente a los lotes y das.
Los datos obtenidos son:

Tratamientos:

Solucin:
1. Hiptesis:
Respecto a tratamientos: H0 : Ti= vs Ha : Ti 0
Respecto a fila:
Respecto a columna:

H0 : Hj= vs Ha : Hj 0
H0 : Ck= vs Ha : Ck 0

2. Nivel de significacin:
=0.05

3. Estadgrafo de contraste:

4. Clculo de Anlisis de Varianza (ANOVA)

a) Grado de libertad:

b) Suma de Cuadrados:

Suma de Cuadrados para filas bloques:

Suma de Cuadrados para Columnas.

Suma de Cuadrados para tratamientos (catalizadores)

Tabla De Anlisis De Variancia

5. Decisin:
Como Fcatalizadores = 11.31 > ,. = 5.41, entonces se acepta
la Ha: y se rechaza la Ho:

6. Conclusin:
No existen evidencias estadsticas significativas para los filas
bloques y columnas, en cambio encontramos diferencia
estadstica altamente significativa para los catalizadores
. en el anlisis de varianza, lo cual confirma que cada
uno de los catalizadores actan en forma diferente en la variable
de respuesta.

GRACIAS