Página 1 de 8

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

El objetivo consiste en mantener la variabilidad entre unidades 𝜇 = Media poblacional

experimentales de un bloque tan pequeño como sea posible y maximiza,
las diferencias entre bloques. Si no hay diferencia entre los bloques, este 𝛼𝑖 = Efecto de los tratamientos
diseño no contribuirá a la precisión para detectar las diferencias de
tratamientos. 𝛽𝑗 = Efecto de los bloques

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

Análisis de varianza: ∑ 𝑦2∗ 𝑗

Fuentes de variación (F.V.) 𝑆. 𝐶. 𝐵. = − 𝐹. 𝐶.
𝑡
 Tratamiento (t)
 Bloques (B) Donde ∑ 𝑦 2 ∗ 𝑗 = es la suma total de cada bloque al cuadrado.
 Error (E)
 Total (T) 𝑆. 𝐶. 𝐸 = 𝑆. 𝐶. 𝑇 − 𝑆. 𝐶. 𝑡. −𝑆. 𝐶. 𝐵
2
1.- Grados de libertad (g.l.) 4.- Cuadrados medios (C.M.)
𝑔. 𝑙. 𝑇. = (𝑡𝐵) − 1 𝑆. 𝐶. 𝑡.
𝐶. 𝑀. 𝑡. =
𝑔. 𝑙. 𝑡.
𝑔. 𝑙. 𝑡. = 𝑡 − 1
𝑆. 𝐶. 𝐵.
𝑔. 𝑙. 𝐵. = 𝐵 − 1 𝐶. 𝑀. 𝐵. =
𝑔. 𝑙. 𝐵.

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. )

Donde ∑ 𝑦 2 𝑖 𝑗 = es la suma de cuadrados de todos los tratamientos en 𝐹𝑡 (𝑔. 𝑙. 𝐵. , 𝑔. 𝑙. 𝐸. )

𝐵
todos sus bloques al cuadrado
Regla de decisión:
∑ 𝑦2𝑖 ∗ 1) Si F calculada es mayor que 𝐹𝑡 0.05 existen diferencias significativas
𝑆. 𝐶. 𝑡. = − 𝐹. 𝐶.
𝐵 entre tratamientos y bloques (*)
2) Si F calculada es mayor que 𝐹𝑡 0.01 existen diferencias altamente
Donde ∑ 𝑦 2 𝑖 ∗ = es la suma total de cada tratamiento al cuadrado. significativas entre tratamientos y bloques (* *)
 Página 3 de 8

Diseño cuadrado latino Modelo estadístico

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

Columnas Total de fila 𝜇 = Media poblacional

Filas
1 2 3 4
∑ 𝑦∗𝑗∗ 𝛼𝑖 = Efecto de los tratamientos
1 A B C D
2 D A B C 𝛽𝑗 = Efecto de la fila
3 C D A B
4 B C D A 𝑡𝑘 = efecto de la columna

Total de columna ∑ 𝑦∗ ∗𝑘 ∑ 𝑦∗ ∗ ∗ 𝜖𝑖 𝑗 = Error experimental

Las cuatro letras A, B, C, D, representan los tratamientos. Las filas y las

columnas representan las fuentes de variación que desean controlarse. Se
ve que cada tratamiento ocurre exactamente una vez en cada fila y en cada
columna.

Con tal arreglo balanceado, el análisis de varianza permite separar la

variación debida a las filas y a las columnas de la suma de cuadrados del
error y de esta manera obtener una prueba mas exacta para las diferencias
entre los tratamientos.

Cuando existe interacción entre cualquiera de las fuentes de variación, los

valores F en el análisis de varianza ya no son validos. En este caso, el díselo
de cuadrado latino seria inapropiado.
 Página 4 de 8

Análisis de varianza: ∑ 𝑦2∗ 𝑗 ∗

Fuentes de variación (F.V.) 𝑆. 𝐶. 𝐹. = − 𝐹. 𝐶.
𝑟
 Tratamiento (t)
 Filas (F) Donde ∑ 𝑦 2 ∗ 𝑗 = es la suma total de fila al cuadrado.
 Columnas (C)
 Error (E) ∑ 𝑦2∗ ∗ 𝑘
 Total (T) 𝑆. 𝐶. 𝐶. = − 𝐹. 𝐶.
4 𝑟

1.- Grados de libertad (g.l.) Donde ∑ 𝑦 2 ∗ ∗ 𝑘

= es la suma total de columna al cuadrado.
𝑔. 𝑙. 𝑇. = 𝑟 2 − 1
𝑆. 𝐶. 𝐸 = 𝑆. 𝐶. 𝑇 − 𝑆. 𝐶. 𝑡. −𝑆. 𝐶. 𝐹 − 𝑆. 𝐶. 𝐶
𝑔. 𝑙. 𝑡. = 𝑡 − 1
4.- Cuadrados medios (C.M.)
𝑔. 𝑙. 𝐹. = 𝐹 − 1 𝑆. 𝐶. 𝑡. 𝑆. 𝐶. 𝐹.
𝐶. 𝑀. 𝑡. = 𝐶. 𝑀. 𝐹. =
𝑔. 𝑙. 𝑡. 𝑔. 𝑙. 𝐹.
𝑔. 𝑙. 𝐶. = 𝐶 − 1
𝑆. 𝐶. 𝐶. 𝑆. 𝐶. 𝐸.
𝑔. 𝑙. 𝐸. = (𝑟 − 1)(𝑟 − 2) 𝐶. 𝑀. 𝐶. = 𝐶. 𝑀. 𝐸. =
𝑔. 𝑙. 𝐶. 𝑔. 𝑙. 𝐸.
2.- Factor de corrección (F.C.) 5.- F calculada
(∑ 𝑦∗ ∗ )2 𝐶. 𝑀. 𝑡. 𝐶. 𝑀. 𝐹. 𝐶. 𝑀. 𝐶.
𝐹. 𝐶. = 𝐹𝑐 𝑡 = 𝐹𝑐 𝐹 = 𝐹𝑐 𝐶 =
𝑟2 𝐶. 𝑀. 𝐸. 𝐶. 𝑀. 𝐸. 𝐶. 𝑀. 𝐸.
Donde ∑ 𝑦∗ ∗ = a la suma total de todos los tratamientos y todas las 6.- F tabulada
repeticiones del experimento. 𝐹𝑡 𝑡 (𝑔. 𝑙. 𝑡. , 𝑔. 𝑙. 𝐸. )

3.- Suma de cuadrados (S.C.) 𝐹𝑡 𝐹 (𝑔. 𝑙. 𝐹. , 𝑔. 𝑙. 𝐸. )

2
𝑆. 𝐶. 𝑇. = ∑ 𝑦 𝑖𝑗𝑘
− 𝐹. 𝐶.
𝐹𝑡 𝐶 (𝑔. 𝑙. 𝐶. , 𝑔. 𝑙. 𝐸. )
Donde ∑ 𝑦 2 𝑖 𝑗 𝑘 = es la suma de cuadrados de todas las filas en todas sus
Regla de decisión:
columnas 1) Si F calculada es mayor que 𝐹𝑡 0.05 existen diferencias significativas
entre tratamientos, filas y columnas (*)
∑ 𝑦2𝑖 ∗ ∗ 2) Si F calculada es mayor que 𝐹𝑡 0.01 existen diferencias altamente
𝑆. 𝐶. 𝑡. = − 𝐹. 𝐶.
𝑟 significativas entre tratamientos, filas y columnas (* *)
Donde ∑ 𝑦 2 𝑖 ∗ = es la suma total de cada tratamiento al cuadrado.
 Página 5 de 8

Diseño de cuadrados grecolatinos 𝜄𝑗 = Efecto del tratamiento j de las letras latinas

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

Ejemplo: diseño grecolatino 4x4

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

El diseño del cuadrado latino puede utilizarse para controlar

sistemáticamente 3 fuentes extrañas de variabilidad. En otras palabras, se
usa para hacer análisis por bloques en tres direcciones. El diseño permite
analizar 4 factores (Fila, Columna, Letra griega, Letra latina), cada uno con
𝑃 niveles, usando solamente 𝑃2 ensayos.

El modelo estadístico de un diseño cuadrado latino es el siguiente:

𝑌𝑖 𝑗 𝑘 𝑙 = 𝜇 + 𝜃𝑖 + 𝜄𝑗 + 𝜔𝑘 + 𝜓𝑙 + 𝜀𝑖 𝑗 𝑘 𝑙

Donde:

𝑌𝑖 𝑗 𝑘 𝑙 = Observación que corresponde a la fila i , letra latina j, letra griega k

y columna l

𝜃𝑖 = Efecto de la i-esima fila

 Página 6 de 8

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.
∗∗∗

1.- Grados de libertad (g.l.) ∑ 𝑦2∗ ∗ ∗ 𝑙

𝑔. 𝑙. 𝑇. = 𝑃2 − 1 𝑆. 𝐶. 𝐶. = − 𝐹. 𝐶.
𝑃
Donde ∑ 𝑦 2 ∗ = es la suma total de columna al cuadrado.
𝑔. 𝑙. 𝐿. = 𝑃 − 1 ∗ ∗ 𝑙

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

Introducción a los diseños factoriales (α β)i j = Efecto de la interacción A x B

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.

El modelo estadístico seria:

Yi j k = μ + αi + βj + (α β)i j + εi j k

Donde:

Yi j k = Respuesta de la i-esima observación del factor A en la j-esima

observación del factor B en la k-esima repetición

μ = Media poblacional

αi = Efecto del factor A

βj = Efecto del factor B

 Página 8 de 8

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.

2.- Factor de corrección (F.C.) 𝐶. 𝑀. 𝑏.

(∑ 𝑦∗ ∗ ∗ )2 𝐹𝑐 𝑏 =
𝐶. 𝑀. 𝐸.
𝐹. 𝐶. =
𝑎𝑏𝑛
𝐶. 𝑀. 𝐼𝐴 𝐵 .
𝐹𝑐 𝐼𝐴 𝐵 =
3.- Suma de cuadrados (S.C.) 𝐶. 𝑀. 𝐸.
𝑆. 𝐶. 𝑇. = ∑ 𝑦 2 𝑖 𝑗 𝑘 − 𝐹. 𝐶.
6.- F tabulada
𝐹𝑡 𝑎 (𝑔. 𝑙. 𝑎. , 𝑔. 𝑙. 𝐸. )
∑ 𝑦2𝑖 ∗ ∗
𝑆. 𝐶. 𝑎. = − 𝐹. 𝐶.
𝑏𝑛 𝐹𝑡 𝑏 (𝑔. 𝑙. 𝑏. , 𝑔. 𝑙. 𝐸. )

∑ 𝑦2∗ 𝑗∗ 𝐹𝑡 𝐼𝐴 𝐵 (𝑔. 𝑙. 𝐼𝐴 𝐵 . , 𝑔. 𝑙. 𝐸. )
𝑆. 𝐶. 𝑏. = − 𝐹. 𝐶.
𝑎𝑛