Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño Cuadrado Latino PDF
Diseño Cuadrado Latino PDF
7.1. Introduccin
En el modelo en bloques aleatorizados, que estudiamos en el captulo anterior,
considerbamos un factor principal y un factor de control o variable de bloque que intro-
duciamos con el objeto de eliminar su inuencia en la variable respuesta y as reducir el
error experimental. En este captulo estudiaremos diseos que utilizan ms de una variable
de bloque para reducir el error experimental.
As, si se consideran simultneamente dos variables de bloque, un diseo completo en
bloques aleatorizados consistira en formar un bloque para cada combinacin de niveles
de dichas variables y despus aplicar todos los niveles del factor principal en cada uno
de los bloques obtenidos. Por ejemplo, supongamos un experimento en el que se quiere
estudiar el efecto de distintos tipos de semilla en el rendimiento del trigo y se considera que
en dicho rendimiento tambin pueden inuir los tipos de abonos e insecticidas empleados.
Para realizar dicho estudio, es posible utilizar un diseo completo en bloques aleatorizados,
donde el factor principal es el tipo de semilla y las variables de bloque los tipos de abono
e insecticida.
Un incoveniente que presentan a veces estos diseos es el de requerir excesivas unidades
experimentales para su realizacin. Un diseo en bloques completos con un factor principal
y dos factores de bloque, con K1 , K2 y K3 niveles en cada uno de los factores, requiere
K1 K2 K3 unidades experimentales. En nuestro ejemplo, si el factor principal, tipo de
semilla, tiene 4 niveles, la primera variable de bloque, tipo de abono, 5 niveles, la segunda,
tipo de insecticida, 3 niveles, se necesitaran 4 5 3 = 60 unidades experimentales.
En un experimento puede haber diferentes causas, por ejemplo de ndole econmico,
que no permitan emplear demasiadas unidades experimentales, ante esta situacin se puede
recurrir a un tipo especial de diseos en bloques incompletos aleatorizados. La idea bsica
1
2 Diseos en cuadrados latinos
de estos diseos es la de fraccin; es decir, seleccionar una parte del diseo completo de
forma que, bajo ciertas hiptesis generales, permita estimar los efectos que interesan.
Uno de los diseos en bloques incompletos aleatorizados ms importante con dos fac-
tores de control es el modelo en cuadrado latino, dicho modelo requiere el mismo nmero
de niveles para los tres factores.
En general, para K niveles en cada uno de los factores, el diseo completo en bloques
aleatorizados utiliza K 2 bloques, aplicndose en cada bloque los K niveles del factor
principal, resultando un total de K 3 unidades experimentales. Los diseos en cuadrado
latino reducen el nmero de unidades experimentales a K 2 utilizando los K 2 bloques
del experimento, pero aplicando slo un tratamiento en cada bloque con una disposicin
especial. De esta forma, si K fuese 4, el diseo en bloques completos necesitara 43 =
64 observaciones, mientras que el diseo en cuadrado latino slo necesitara 42 = 16
observaciones.
En este captulo se van estudiar adems del diseo en cuadrado latino otros diseos
relacionados con l, como son los cuadrados greco-latinos que utilizan tres variables de
bloque y los cuadrados de Youden que se pueden considerar como una variante de los
cuadrados latinos, si bien tambin se pueden estudiar como bloques incompletos. En primer
lugar, estudiaremos el diseo en cuadrado latino.
Si consideramos una tabla de doble entrada donde las las y las columnas representan
cada uno de los dos factores de bloque y las celdillas los niveles del factor principal o
tratamientos, el requerimiento anterior supone que cada tratamiento debe aparecer una
vez y slo una en cada la y en cada columna.
7.2 Diseos en cuadrados latinos 3
3) Se asignan aleatoriamente los tres factores a las las, columnas y letras, respectiva-
mente.
A B C D
B A D C
C D A B
D C B A
4 Diseos en cuadrados latinos
A continuacin, se asigna tambin al azar, el orden de las las y las columnas. Supong-
amos que el orden seleccionado para las las sea (2, 3, 1, 4), entonces el cuadrado latino
anterior se convierte en
B A D C
C D A B
A B C D
D C B A
Se vuelven a generar otros 4 nmeros aleatorios que se identican con el orden de las
columnas de este ltimo cuadrado. Supongamos que los nmeros obtenidos son (4, 3, 1,
2), obtenindose el siguiente cuadrado latino
C D B A
B A C D
D C A B
A B D C
Por ltimo, se asignan al azar las las, las columnas y las letras latinas a los tres
factores. Por ejemplo, supongamos que las las, las columnas y las letras se asignan,
respectivamente, a los tipos de insecticidas, semillas y abonos, de tal forma que el diseo
resultante es
Tabla 5-1.
Semillas
Insecticidas s1 s2 s3 s4
i1 a3 a4 a2 a1
i2 a2 a1 a3 a4
i3 a4 a3 a1 a2
i4 a1 a2 a4 a3
Por convenio, se suele situar el factor principal, en este caso el tipo de semilla, en las
celdillas. Reordenando el diseo anterior se obtiene la siguiente tabla:
7.2 Diseos en cuadrados latinos 5
Tabla 5-2.
Abonos
Insecticidas a1 a2 a3 a4
i1 s4 s3 s1 s2
i2 s2 s1 s3 s4
i3 s3 s4 s2 s1
i4 s1 s2 s4 s3
En resumen, podemos decir que un diseo en cuadrado latino tiene las siguientes carac-
tersticas:
3o ) Cada nivel del factor principal aparece una vez en cada la y una vez en cada
columna.
es la media global.
i es el efecto producido por el i-simo nivel del factor la. Dichos efectos estn
sujetos a la restriccin i i = 0.
6 Diseos en cuadrados latinos
j es el efecto producido por el j-simo nivel del factor columna. Dichos efectos estn
sujetos a la restriccin j j = 0.
h es el efecto producido por la h-sima letra latina. Dichos efectos estn sujetos a
la restriccin h h = 0.
La notacin yij(h) indica que los niveles i y j determinan la letra latina para un cuadra-
do latino especicado. As, en la situacin de referencia, Tabla 5-2, si i = 2 y j = 1,
automticamente h = 2 (semilla 2). Es decir, el subndice h toma valores que depen-
den de la celdilla (i, j). De esta forma, utilizando la notacin yij(h) , el cuadrado latino
correspondiente a la situacin de referencia es
y...
y... = yij(.) y... = (7.2)
i,j
K2
K
yi..
yi.. = yij(.) yi.. = (7.3)
K
j=1
K
y.j.
y.j. = yij(.) y.j. = (7.4)
K
i=1
y..h
y..h = yij(h) y..h = (7.5)
i,j
K
K K
N 1 2
L(, i , j , h , 2 ) = (22 ) 2 exp 2 yij(h) i j h ,
2
i=1 j=1
(7.6)
se determina el logaritmo de dicha funcin
K K
N N 1 2
ln(L(, i , j , h , )) = ln(2) ln( 2 ) 2
2
yij(h) i j h ,
2 2 2
i=1 j=1
(7.7)
se calculan las correspondientes derivadas parciales
K K
ln L 1
= yij(.) i j h (7.8)
2
i=1 j=1
K
ln L 1
= yij(.) i j h i = 1, , K (7.9)
i 2
j=1
K
ln L 1
= yij(.) i j h j = 1, , K (7.10)
j 2
i=1
K K
ln L 1
= yij(h) i j h h = 1, , K (7.11)
h 2
i=1 j=1
8 Diseos en cuadrados latinos
K K
ln L N 1 2
= 2+ yij(.) i j h .
2 2 2(2 )2
i=1 j=1
yij(.)
i j
= = y... , (7.12)
K2
K
1
i = yij(.) = yi.. y... , (7.13)
K
j=1
K
1
j = yij(.) = y.j. y... , (7.14)
K
i=1
1
h = yij(h) = y..h y... . (7.15)
K
i,j
i = j = h = 0 .
i j h
Residuos
Los residuos en este modelo adoptan la expresin
Se verica que los residuos suman cero por las, columnas y para cada letra
7.2 Diseos en cuadrados latinos 9
eij(.) = 0 i = 1, , K
j
eij(.) = 0 j = 1, , K
i
eij(h) = 0 h = 1, , K
i j
Por tanto el nmero de grados de libertad de los residuos es (K 1)(K 2). En efecto
K 2 (K + (K 1) + (K 1)) = K 2 3K + 2 = (K 1)(K 2) .
Se comprueba que el estimador insesgado de la varianza poblacional es la suma de los
cuadrados de los residuos dividida por sus grados de libertad, es decir
K K K K
2
yij(h) yij(h) e2ij(h)
2 i=1 j=1 i=1 j=1
2 = SR = = . (7.18)
(K 1)(K 2) (K 1)(K 2)
K K K K K
(yij(h) y... )2 = K (yi.. y... )2 + K (y.j. y... )2 + K (y..h y... )2 +
i=1 j=1 i=1 j=1 h=1
K K
(yij(h) yi.. y.j. y..h + 2y... )2
i=1 j=1
(7.19)
que simblicamente se puede escribir
y CMR o CME.
Siguiendo el mismo razonamiento que en la subseccin ?? del Captulo 1, se demuestra
que los valores esperados de los cuadrados medios correspondientes a las las, columnas,
letras latinas y residual son, respectivamente:
K
K 2i
i=1
E(CMF ) = E(SF2 ) = 2 +
K1
K
K 2j
j=1
E(CMC) = E(SC2 ) = 2 + (7.20)
K 1
K
K 2h
h=1
E(CML) = E(SL2 ) = 2 +
K 1
2 ) = 2
E(CMR) = E(SR
Por lo tanto,
2 = SCR/(K 1)(K 2) es un estimador insesgado de la varianza
a) Se verica que SR
2
poblacional .
b) Puede observarse que bajo el supuesto de que cada una de las hiptesis
H0 : i = 0, i
H0 : j = 0, j (7.21)
H0 : h = 0, h
7.2 Diseos en cuadrados latinos 11
sea cierta, el correspondiente sumando de E(CMF ) es nulo y por tanto SF2 , SC2 y
SL2 son estimadores insesgados de 2 .
Sin embargo, hay que notar que si existen diferencias entre las medias de las las, las
columnas o letras latinas, el respectivo valor esperado del cuadrado medio es mayor que
2 .
De todo esto podemos deducir que:
1o ) Un contraste para vericar la hiptesis nula de igualdad de medias de las las puede
efectuarse comparando SF2 y SR 2.
SCF
2K1
2
SCC
2K1
2
SCL
2K1
2
SCR
2(K1)(K2)
2
y estas distribuciones son independientes entre s.
SCR
Notamos que 2(K1)(K2) sean o no ciertas las hiptesis nulas dadas en (7.21).
2
Los estadsticos de contrastes:
SCF/2
K 1 SF2
F = = (7.22)
SCR/2 SR2
(K 1)(K 2)
12 Diseos en cuadrados latinos
SCC/2
K 1 SC2
F = = (7.23)
SCR/ 2 SR2
(K 1)(K 2)
y
SCL/2
K 1 SL2
F = = , (7.24)
SCR/2 2
SR
(K 1)(K 2)
siguen distribuciones F de Snedecor con K1 y (K1)(K2) grados de libertad cada uno.
Y se rechaz H0 , al nivel de signicacin , cuando el valor experimental del respectivo
estadstico sea mayor que el valor crtico de la distribucin F con K 1 y (K 1)(K 2)
grados de libertad.
Para una mayor sencillez en el clculo se utilizan las expresiones abreviadas de SCT ,
SCF , SCC, SCL, y SCR, que se dan a continuacin
K K 2
2 y...
SCT = yij(.) (7.25)
K2
i=1 j=1
K 2
1 2 y...
SCF = yi.. (7.26)
K K2
i=1
K 2
1 2 y...
SCC = y.j. (7.27)
K K2
j=1
K 2
1 2 y...
SCL = y..h . (7.28)
K K2
h=1
i
K
E. columna K (y.j. y... )2 K 1 SC2 SC2 /SR
2
j
K
E. letra lat. K (y..h y... )2 K 1 SL2 SL2 /SR
2
h=1
Residual SCT SCF (K 1)(K 2) 2
SR
SCC SCL
K K
2
TOTAL yij(.) y... K2 1 ST2
i j
Coeciente de determinacin
donde, denotamos:
R2 = R2 + R2 + R2 ,
Insecticidas
Abonos i1 i2 i3 i4 yi.. 2
yi..
a1 C D B A
7 8 4 3 22 484
a2 B A C D
15 16 18 23 72 5184
a3 D C A B
18 12 12 10 52 2704
a4 A B D C
14 13 16 14 57 3249
y.j. 54 49 50 50 203 11621
2
y.j. 2916 2401 2500 2500 10317
2
yij(.) 794 633 740 834 3001
Tabla 5-6
4 2
1 2 y... 11621 2032
SCF = yi.. = 2 = 329,6875
K K2 4 4
i=1
4 2
1 2 y... 10317 2032
SCC = y.j. = 2 = 3,6875
K K2 4 4
j=1
16 Diseos en cuadrados latinos
4 2
1 2 y... 10615 2032
SCL = y..h = 2 = 78,1875
K K2 4 4
h=1
Tabla 5-7. Anlisis de la varianza para los datos del Ejemplo 5-1
Bibliografa utilizada
Garca Leal, J. & Lara Porras, A.M. (1998). Diseo Estadstico de Experimentos.
Anlisis de la Varianza. Grupo Editorial Universitario.