Diferentes tamaos de u.e.

Diseo de experimentos p. 1/24

Introduccin

Los diseos experimentales que tienen varios tamaos de u.e.

son: diseos de mediciones repetidas, diseos de parcelas
divididas, algunos diseos anidados y diseos que tienen
combinaciones de ellos.

La caracterstica que distingue a estos tipos de diseos es que

se utilizan ms de un tamao de u.e. Cada tamao de u.e.
tiene sus propias estructuras de diseo y de tratamientos.

Ya que hay ms de un tamao de u.e., hay ms de un trmino

de error, esto es, hay un trmino de error para cada tamao de
u.e. lo cual est reflejado tanto en el modelo como en la tabla
de ANOVA.

Diseo de experimentos p. 2/24

Parcelas Divididas

El diseo de parcelas divididas (split-plot) tiene su origen en

aplicaciones en Agricultura, donde las parcelas grandes
generalmente eran grandes reas y las parcelas pequeas
reas pequeas dentro de las grandes, y a cada una de los
dos tamaos de parcela le corresponde un tratamiento.

Por ejemplo, ciertas variedades de cultivo se podan sembrar

en reas diferentes (parcelas grandes), una variedad en cada
parcela. Luego cada rea se divide en k parcelas pequeas y
cada una de estas puede ser tratada con un tipo de fertilizante
diferente.

La variedad del cultivo es el tratamiento de la parcela grande y

el fertilizante el de la parcela pequea.

Diseo de experimentos p. 3/24

Parcelas Divididas

En general, el diseo de parcelas divididas se utiliza cuando

algunos factores requieren u.e. grandes, mientras que otros
factores las requieren ms pequeas.

Alternativamente, algunas veces encontramos que la

aleatorizacin completa no es factible por que es ms difcil
cambiar los niveles de algunos factores, por lo que los factores
difciles van a las parcelas grandes, mientras que los fciles
van a las pequeas.

Ejemplo de hornos y recetas de pastel.

Diseo de experimentos p. 4/24

Parcelas Divididas

La clave para construir los modelos de los diseos de parcelas

divididas es identificar los diferentes tamaos de las unidades
experimentales e identificar sus correspondientes estructuras
de diseo y de tratamientos.

Las suposiciones de los modelos de parcelas divididas son las

usuales, en el sentido de que los trminos de error para cada
una de los tamaos de ue se distribuyen independientemente
como normales con media cero y una varianza propia.

A continuacin se muestran algunos ejemplos tomados de

varios libros.

Diseo de experimentos p. 5/24

Ejemplo 1 parcelas divididas

Ejercicio 6, cap 14 Kuehl.

Un investigador de una compaa de mariscos quiere estudiar
el crecimiento bacterial en ostiones y mejillones sujetos a tres
temperaturas de almacenamiento.
Estn disponibles nueve unidades de enfriamiento. Se
selecionaron aleatoriamente tres unidades para cada una de
las temperaturas.
Los ostiones (1) y los mejillones (2) se guardaron por dos
semanas en cada uno de las unidades de enfriamiento,
despus de lo cual se cont el nmero de bacterias en una
muestra de ostiones y mejillones. Se registr el logaritmo del
conteo bacterial.

Diseo de experimentos p. 6/24

 Ejemplo 1

Unidad Temp ( C) Marisco y Unidad Temp( C) Marisco y

1 0 1 3.6882 5 5 2 7.9519
1 0 2 0.3565 6 5 1 7.4195
2 0 1 1.8275 6 5 2 6.3861
2 0 2 1.7023 7 10 1 9.7842
3 0 1 5.2327 7 10 2 10.1352
3 0 2 4.5780 8 10 1 6.4703
4 5 1 7.1950 8 10 2 5.0482
4 5 2 5.0169 9 10 1 9.4442
5 5 1 9.3224 9 10 2 11.0329

ParcelasDivididasMariscos.jmp

Diseo de experimentos p. 7/24

Ejemplo 1

Este es un experimento de parcelas divididas en diseo

completamente al azar.
El modelo para este experimento es:
yijk = + Ti + Uj(i) + Mk + (T M )ik + ijk

i = 1, 2, 3 j = 1, 2, 3 k = 1, 2
donde:
Ti es el efecto de la temperatura (tratamiento de parcela
grande)
Uj(i) es el error de parcela grande (aleatorio)
Mk es el efecto de marisco (tratamiento de parcela pequea)
(T M )ik interaccin temperatura x marisco
ijk error de parcela pequea (aleatorio)

Diseo de experimentos p. 8/24

Ejemplo 1

Componente E(CM )
Temperatura 2 + 2U2
(T ) + 6 2
T
Error (a)=U(T) 2 + 2U2
(T )
Marisco 2 + 9M2

TxM 2 + 3T2 M
Error(b) 2
Las F se construyen de la siguiente manera:

Temperatura: CMT /CMU (T )

Marisco: CMM /CM E
T x M: CMT M /CM E

Diseo de experimentos p. 9/24

Ejemplo 1

F.V. gl SS CM F p-value
Temperatura 2 107.66 53.83 7.33 0.0245
Error (a) 6 44.05 7.34
Marisco 1 3.71 3.71 3.98 0.0929
TxM 2 2.65 1.32 1.42 0.3125
Error (b) 6 5.59 0.93
Total 17 163.66

Las estimaciones de los componenetes de varianza con el

mtodo de Momentos son:
Componente Estimacin % de varianza total
U(T) 3.21 77.48
Error (b) 0.93 22.53
Total 4.14 100.00

Diseo de experimentos p. 10/24

Ejemplo 2 parcelas divididas

El dueo de una fbrica de papel est interesado en estudiar

el efecto de tres mtodos diferentes de preparar la pulpa y
cuatro diferentes temperaturas de cocinado (horneado) para
la pulpa, en la resistencia del papel.

El investigador decide correr tres repeticiones de este

experimento factorial, por lo que necesita (3 x 4 x 3) 36
observaciones.

Sin embargo, la planta es capaz de hacer solamente 12

corridas por da, entonces el investigador decide correr una
repeticin del factorial completo en cada uno de los 3 das
necesarios y considerar los das o repeticiones como bloques.

Diseo de experimentos p. 11/24

Ejemplo 2

El experimento se llev a cabo, en cada uno de los das, de la

siguiente manera:

Se produce un lote de pulpa con uno de los tres mtodos bajo

estudio. Este lote de pulpa se divide en cuatro muestras y
cada muestra se cocina con una de las cuatro temperaturas.
Entonces, se produce el segundo lote de pulpa usando otro de
los tres mtodos, el cual tambin se divide en cuatro muestras
que se cocinan con las cuatro temperaturas. El proceso se
repite usando un lote de pulpa producido por el tercer mtodo.

Los datos son:

Diseo de experimentos p. 12/24

Ejemplo 2

Bloque 1 Bloque 2 Bloque 3

Pulpa 1 2 3 1 2 3 1 2 3
Temp F
200 30 34 29 28 31 31 31 35 32
225 35 41 26 32 36 30 37 40 34
250 37 38 33 40 42 32 41 39 39
275 36 42 36 41 40 40 40 44 45

Inicialmente podramos considerar que es un experimento

factorial con 3 mtodos de preparacin (A) y cuatro niveles de
temperatura (B) en bloques al azar.

Diseo de experimentos p. 13/24

Ejemplo 2

Si este fuera el caso entonces el orden de experimentacin

dentro del bloque debera ser completamente aleatorio.

Esto es, dentro de un bloque (da), deberamos seleccionar

aleatoriamente una combinacin de niveles (tratamiento) (un
mtodo de preparacin y una temperatura) y obtener una
observacin, seleccionamos aleatoriamente otro tratamiento y
obtenemos una segunda observacin, y as, sucesivamente,
hasta que se tengan las 12 observaciones en el bloque.

Sin embargo, el investigador no obtuvo sus datos de esa

manera. l hizo un lote de pulpa (con alguno de los mtodos)
y obtuvo las observaciones para las 4 temperaturas con el
mismo lote de pulpa. Dada la economa de preparar los lotes y
el tamao de los lotes, sta es la nica forma factible de hacer
el experimento.

Diseo de experimentos p. 14/24

Ejemplo 2

Cada bloque se divide en tres partes llamadas parcelas

grandes, y los mtodos de preparacin se llaman tratamientos
principales o de parcela grande.

Cada parcela grande se divide en cuatro partes llamadas

parcelas pequeas, y se asigna al azar una temperatura a
cada una. La temperatura se llama tratamiento de la parcela
pequea.

El modelo lineal para este diseo en parcelas divididas es:

yijk = + i + j + ( )ij + k + ( )ik + ()jk + ( )ijk + ijk

Diseo de experimentos p. 15/24

Ejemplo 2

donde

es la media general
i efecto de mtodo de preparacin de la pulpa (i = 1, 2, 3)
j efecto del bloque (j = 1, 2, 3)
( )ij error de parcela grande
k efecto de temperatura (k = 1, 2, 3, 4)
( )ik y ()jk interacciones
( )ijk error de parcela pequea
ijk no estimable

parcelasdiv.jmp

Diseo de experimentos p. 16/24

Ejemplo 2

Las esperanzas de cuadrados medios son:

Factor E(CM )
Pulpa i 2 + 42 + 122
Bloque j 2 + 122
PxB ( )ij 2 + 42
Temp k 2 + 3
2
+ 122
PxT ( )ik 2 + 2 + 32
BxT ()jk 2 + 3
2

PxBxT ( )ijk 2 + 2
Error ijk 2

Diseo de experimentos p. 17/24

Ejemplo 2

Las estadsticas F se construyen de la siguiente manera:

Pulpa: CMP /CMP xB

Temperatura: CMT /CMBxT
P x T: CMP xT /CMP xBxT
B x T: no hay prueba
PxBxT: no hay prueba

Diseo de experimentos p. 18/24

Ejemplo 2

FV gl SS CM F p-value
Pulpa 2 128.39 64.19 7.08 0.049
Bloque 2 77.56 38.78
PxB=error(a) 4 36.28 9.07
Temp 3 434.08 144.69 42.00 0.0002
PxT 6 75.17 12.53 2.96 0.052
BxT 6 20.67 3.44
PxBxT=error(b) 12 50.83 4.24
Error 0
Total 35 822.97

Diseo de experimentos p. 19/24

Ejemplo 3

Ejemplo 24.1 Milliken & Johnson

Los datos son los rendimientos en libras de dos variedades de

trigo (B) sembradas en cuatro diferentes mtodos de
fertilizacin.

El rea fue dividida en dos bloques, cada uno conteniendo

cuatro parcelas. Cada uno de los cuatro fertilizantes se
asignaron aleatoriamente a una de las parcelas grandes en
cada bloque.

Entonces, el diseo experimental para las parcelas grandes

consisti en un bloques al azar y un solo factor (Fertilizante),
con dos bloques y en cada uno cuatro parcelas grandes.

Diseo de experimentos p. 20/24

Ejemplo 3

Cada parcela grande se dividi en dos partes (parcelas

pequeas) y se asign aleatoriamente una variedad de trigo a
cada parcela pequea dentro de la parcela grande.

El diseo experimental de las parcelas pequeas es un

bloques al azar con un solo factor (Variedad), con ocho
bloques y en cada uno dos parcelas pequeas.

El modelo para este experimento es:

yijk = + Fi + Bj + eij } parcela grande
+ Vk + F Vik + ijk } parcela pequea

donde i = 1, 2, 3, 4; j = 1, 2; k = 1, 2 y

eij N ID(0, e2 ) ijk N ID(0, 2 )

Diseo de experimentos p. 21/24

Ejemplo 3

Las esperanzas de cuadrados medios son:

FV gl E(CM )
Fi 3 2 + 2e2 + 4F2
Bj 1 2 + 8B2

eij 3 2 + 2e2
Vk 1 2 + 8V2
F Vik 3 2 + 2F2 V
ijk 4 2
Total 15

Diseo de experimentos p. 22/24

Ejemplo 3

Tabla de Anlisis de Varianza

FV gl SC CM F p
Fertilizante 3 40.19 13.39 5.80 0.0914
Bloque 1 131.103 131.103
FxB-error(a) 3 6.93 2.31
Variedad 1 2.25 2.25 1.07 0.3599
FxV 3 1.55 0.52 0.25 0.8612
Error-error(b) 4 8.43 2.11
Total 15 190.45

Diseo de experimentos p. 23/24

Ejemplo 3

Usando el mtodo de momentos para estimar los

componentes de varianza de los dos errores, tenemos:

CMerror(a) = 2 + 2e2
CMerror(b) = 2

Por lo tanto,
2 = CMerror(b) = 2.11
CMerror(a) 2
e2 = = 0.1
2

ej24_1_messy.jmp

Diseo de experimentos p. 24/24