Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 5.- Diseño experimental con bloques al azar y diseños factoriales ciertos tratamientos pueden repetirse dos o más veces dentro de un
bloque, por regla, es más eficiente tener una sola repetición de cada
Diseño de bloques al azar tratamiento por bloque.
Es uno de los diseños que mas se usan en la investigación de un factor A fin de minimizar el error experimental, debe tomarse todas las
llamado tratamiento, en donde existe un gradiente de variación al cual lo preocupaciones para tratar las unidades experimentales dentro de un
1 eliminamos si utilizamos bloques en sentido perpendicular al mismo. Como bloque lo mas uniforme posible.
lo muestra la siguiente figura:
Los bloques pueden estar constituidos por áreas compactas de un campo,
− gradiente de variación + un grupo de animales que pueden manipularse de un modo uniforme, o
diferentes tiempos de aplicación de tratamientos a unidades
t1 t4 t5 t4 experimentales.
t2 t3 t4 t2
t3 t2 t2 t5 Cuando el tamaño del bloque aumenta se incrementa la variabilidad dentro
t4 t1 t3 t3 de este. No es necesario que cada bloque sea de la misma forma, pero es
t5 t5 t1 t1 deseable, puesto que las diferencias en la forma de los bloques
generalmente incrementan la variabilidad dentro del bloque.
∑ 𝐵1 ∑ 𝐵2 ∑ 𝐵3 ∑ 𝐵4
Modelo matemático
Características.
𝑌𝑖 𝑗 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝜖𝑖 𝑗
En este diseño los tratamientos se asignan aleatoriamente a un grupo de
unidades experimentales denominado bloque o repetición. Bloque es el Donde:
término mas adecuado, puesto que evita confusión con las repeticiones del
diseño completamente aleatorio. 𝑌𝑖 𝑗 = Efecto del i-esimo tratamiento en el j-esimo bloque
Cada tratamiento es asignado el mismo número de veces a las unidades 𝜖𝑖 𝑗 = Error experimental
experimentales dentro de un bloque, usualmente una vez; pero todos o
Página 2 de 8
𝑔. 𝑙. 𝐸. = (𝑡 − 1)(𝐵 − 1) 𝑆. 𝐶. 𝐸.
𝐶. 𝑀. 𝐸. =
𝑔. 𝑙. 𝐸.
2.- Factor de corrección (F.C.)
(∑ 𝑦∗ ∗ )2 5.- F calculada
𝐹. 𝐶. =
𝑡𝐵 𝐶. 𝑀. 𝑡.
𝐹𝑐 𝑡 =
𝐶. 𝑀. 𝐸.
Donde ∑ 𝑦∗ ∗ = a la suma total de todos los tratamientos y todos los bloque
del experimento. 𝐶. 𝑀. 𝐵.
𝐹𝑐 𝐵 =
𝐶. 𝑀. 𝐸.
3.- Suma de cuadrados (S.C.)
𝑆. 𝐶. 𝑇. = ∑ 𝑦 2 𝑖 𝑗 − 𝐹. 𝐶. 6.- F tabulada
𝐹𝑡 𝑡 (𝑔. 𝑙. 𝑡. , 𝑔. 𝑙. 𝐸. )
Es un diseño que es muy útil para controlar dos fuentes de variación y que 𝑌𝑖 𝑗 𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝑡𝑘 + 𝜖𝑖 𝑗 𝑘
al mismo tiempo reduce el número requerido de combinaciones de
tratamientos. Donde:
3 Supongamos un diseño 4x4, un cuadrado latino ordinario seleccionado al 𝑌𝑖 𝑗 𝑘 = Efecto del i-esimo tratamiento en la j-esima fila y en la k-esima
azar de todos los posibles 4x4 cuadrados, que podría ser el siguiente: columna
Consideremos un cuadrado latino 𝑃 𝑥 𝑃 al que se le sobrepone un segundo 𝜔𝑘 = Efecto del tratamiento K de las letras griegas
cuadrado latino cuyos tratamientos se designan por letras griegas. Se dice
que los dos cuadrados son ortogonales si al sobreponerse posen la 𝜓𝑙 = Efecto de la i-esima columna
propiedad de que cada letra griega aparece solamente una vez con cada
5 letra latina. Este diseño se denomina cuadrado grecolatino 𝜀𝑖 𝑗 𝑘 𝑙 = Error aleatorio
Columnas
Filas
1 2 3 4
1 A 𝛼 B 𝛽 C 𝛾 D 𝛿
2 B 𝛿 A 𝛾 D 𝛽 C 𝛼
3 C 𝛽 D 𝛼 A 𝛿 B 𝛾
4 D 𝛾 C 𝛿 B 𝛼 A 𝛽
𝑌𝑖 𝑗 𝑘 𝑙 = 𝜇 + 𝜃𝑖 + 𝜄𝑗 + 𝜔𝑘 + 𝜓𝑙 + 𝜀𝑖 𝑗 𝑘 𝑙
Donde:
Análisis de varianza:
Fuentes de variación (F.V.) ∑ 𝑦2∗ ∗ 𝑘 ∗
𝑆. 𝐶. 𝐺. = − 𝐹. 𝐶.
Tratamiento de letra latina (L) 𝑃
Tratamiento de letra griega (G) Donde ∑ 𝑦 2 ∗ ∗ 𝑘 ∗
= es la suma total de cada tratamiento de la letra griega al
cuadrado.
Filas (F)
Columnas (C) ∑ 𝑦2𝑖
6 Error (E) 𝑆. 𝐶. 𝐹. = ∗∗ ∗
− 𝐹. 𝐶.
𝑃
Total (T) Donde ∑ 𝑦 2 𝑖 = es la suma total de fila al cuadrado.
∗∗∗
𝑔. 𝑙. 𝐺. = 𝑃 − 1 𝑆. 𝐶. 𝐸 = 𝑆. 𝐶. 𝑇 − 𝑆. 𝐶. 𝐿. −𝑆. 𝐶. 𝐺 − 𝑆. 𝐶. 𝐹 − 𝑆. 𝐶. 𝐶
𝑔. 𝑙. 𝐹. = 𝑃 − 1
4.- Cuadrados medios (C.M.)
𝑔. 𝑙. 𝐶. = 𝑃 − 1 𝑆. 𝐶. 𝐿. 𝑆. 𝐶. 𝐺. 𝑆. 𝐶. 𝐹.
𝐶. 𝑀. 𝐿. = 𝐶. 𝑀. 𝐺. = 𝐶. 𝑀. 𝐹. =
𝑔. 𝑙. 𝐿. 𝑔. 𝑙. 𝐺. 𝑔. 𝑙. 𝐹.
𝑔. 𝑙. 𝐸. = (𝑃 − 3)(𝑃 − 1)
𝑆. 𝐶. 𝐶. 𝑆. 𝐶. 𝐸.
2.- Factor de corrección (F.C.) 𝐶. 𝑀. 𝐶. = 𝐶. 𝑀. 𝐸. =
𝑔. 𝑙. 𝐶. 𝑔. 𝑙. 𝐸.
(∑ 𝑦∗ ∗ ∗ ∗ )2
𝐹. 𝐶. =
𝑃2 5.- F calculada
𝐶. 𝑀. 𝐿. 𝐶. 𝑀. 𝐺. 𝐶. 𝑀. 𝐹. 𝐶. 𝑀. 𝐶.
Donde ∑ 𝑦∗ ∗ ∗ ∗ = a la suma total de todos los tratamientos y todas las 𝐹𝑐 𝐿 = 𝐹𝑐 𝐺 = 𝐹𝑐 𝐹 = 𝐹𝑐 𝐶 =
𝐶. 𝑀. 𝐸. 𝐶. 𝑀. 𝐸. 𝐶. 𝑀. 𝐸. 𝐶. 𝑀. 𝐸.
repeticiones del experimento.
6.- F tabulada
3.- Suma de cuadrados (S.C.) 𝐹𝑡 𝐿 (𝑔. 𝑙. 𝐿. , 𝑔. 𝑙. 𝐸. ) 𝐹𝑡 (𝑔. 𝑙. 𝐺. , 𝑔. 𝑙. 𝐸. )
𝐺
𝑆. 𝐶. 𝑇. = ∑ 𝑦 2 𝑖 𝑗 𝑘 𝑙 − 𝐹. 𝐶.
Donde ∑ 𝑦 2 𝑖 𝑗 𝑘 𝑙 = es la suma de cuadrados de todas las filas en todas sus 𝐹𝑡 𝐹 (𝑔. 𝑙. 𝐹. , 𝑔. 𝑙. 𝐸. ) 𝐹𝑡 𝐶 (𝑔. 𝑙. 𝐶. , 𝑔. 𝑙. 𝐸. )
columnas
Regla de decisión:
∑ 𝑦2
1) Si F calculada es mayor que 𝐹𝑡 0.05 existen diferencias significativas
∗𝑗 ∗ ∗
𝑆. 𝐶. 𝐿. = − 𝐹. 𝐶. entre letras latina, griegas, filas y columnas (*)
𝑃 2) Si F calculada es mayor que 𝐹𝑡 0.01 existen diferencias altamente
Donde ∑ 𝑦 2 ∗𝑗∗ ∗ = es la suma total de cada tratamiento de la letra latina al
significativas entre letras latina, griegas, filas y columnas (* *)
cuadrado.
Página 7 de 8
Considere una situación en la cual es de interés estudiar el efecto de los εi j k = Error aleatorio
factores A y B sobre alguna respuesta. Por ejemplo, en un experimento
químico se desearía variar simultáneamente la presión de la reacción y el Las hipótesis que se pueden probar son:
tiempo de la misma y estudiar el efecto de cada variable en el resultado. En
7 un experimento biológico, interesa analizar el efecto del tiempo de secado H0 : α1 = α2 = ⋯ = αa = 0
y la temperatura en la cantidad de solidos (% del peso) que quedan en las 1)
Ha : al menos una αi ≠ 0
muestras. El termino factor se utiliza en un sentido general para
determinar cualquier característica del experimento tal como la H0 : β1 = β2 = ⋯ = βa = 0
temperatura, el tiempo, o la presión, que puede variar de prueba a prueba. 2)
Ha : al menos una βj ≠ 0
Se definen los niveles de un factor como los valores reales utilizados en el
experimento.
H0 : (α β)1 = (α β)2 = ⋯ = (α β)a b = 0
3)
Ha : al menos una (α β)i j ≠ 0
En cada uno de estos casos es importante no solo determinar si los dos
factores influyen sobre la respuesta, si no también si existe una interacción,
significativa entre ellos. El experimento descrito aquí se clasifica como en
dos direcciones o de dos factores y el diseño experimental puede ser
completamente aleatorio o bloques al azar.
Yi j k = μ + αi + βj + (α β)i j + εi j k
Donde:
μ = Media poblacional
Análisis de varianza:
Fuentes de variación (F.V.)
Factor A (a) ∑ 𝑦2𝑖 𝑗∗
Factor B (b) 𝑆. 𝐶. 𝐼𝐴 𝐵 . = − 𝐹. 𝐶. −𝑆. 𝐶. 𝑎. −𝑆. 𝐶. 𝑏.
𝑛
Interacción de factores (𝐼𝐴 𝐵 )
Error (E) 𝑆. 𝐶. 𝐸 = 𝑆. 𝐶. 𝑇 − 𝑆. 𝐶. 𝑎. −𝑆. 𝐶. 𝑏 − 𝑆. 𝐶. 𝐼𝐴 𝐵 .
8 Total (T)
4.- Cuadrados medios (C.M.)
1.- Grados de libertad (g.l.) 𝑆. 𝐶. 𝑎.
𝐶. 𝑀. 𝑎. =
𝑔. 𝑙. 𝑇. = (𝑎 𝑏 𝑛) − 1 𝑔. 𝑙. 𝑎.
𝑔. 𝑙. 𝑎. = 𝑎 − 1 𝑆. 𝐶. 𝑏.
𝐶. 𝑀. 𝑏. =
𝑔. 𝑙. 𝑏.
𝑔. 𝑙. 𝑏. = 𝑏 − 1
𝑆. 𝐶. 𝐼𝐴 𝐵 .
𝐶. 𝑀. 𝐼𝐴 𝐵 . =
𝑔. 𝑙. 𝐼𝐴 𝐵 . = (𝑎 − 1)(𝑏 − 1) 𝑔. 𝑙. 𝐼𝐴 𝐵 .
𝑔. 𝑙. 𝐸. = (𝑎 𝑏)(𝑛 − 1) 𝑆. 𝐶. 𝐸.
𝐶. 𝑀. 𝐸. =
𝑔. 𝑙. 𝐸.
𝑎 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙𝑒𝑠 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜 𝐴 5.- F calculada
𝑏 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑛𝑖𝑣𝑒𝑙𝑒𝑠 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜 𝐵 𝐶. 𝑀. 𝑎.
𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑝𝑒𝑡𝑖𝑐𝑖𝑜𝑛𝑒𝑠 𝐹𝑐 𝑎 =
𝐶. 𝑀. 𝐸.
∑ 𝑦2∗ 𝑗∗ 𝐹𝑡 𝐼𝐴 𝐵 (𝑔. 𝑙. 𝐼𝐴 𝐵 . , 𝑔. 𝑙. 𝐸. )
𝑆. 𝐶. 𝑏. = − 𝐹. 𝐶.
𝑎𝑛