UNIVERSIDAD TÉCNICA ESTATAL DE QUEVEDO

FACULTAD DE CIENCIAS PECUARIAS

CARRERA INGENIERÍA ZOOTÉCNICA

TEMA:

Ventajas y fórmulas de análisis de: diseño completo al azar, diseño de bloques

al azar, cuadrado latino, diseño combinado con DCA-factorial
DBCA_factorial,parcela grande y pequeña.

Docente:

Alexandra Barrera

Alumno:
PORTILLA MEJÍA GONZALO

Materia

Diseño Experimental

SEMESTRE:

Quinto semestre de Zootecnia “A”

QUEVEDO - LOS RÍOS - ECUADOR

2016-2017
 1) Diseño completamente al azar.

El diseño completamente al azar es el más sencillo de los diseños de experimentos que

tratan de comparar dos o más tratamientos, puesto que sólo considera dos fuentes de
variabilidad: los tratamientos y el error aleatorio.

Para ilustrar el diseño, supongamos que queremos determinar si cuatro dosificaciones de

un hormigón A, B, C y D presentan una misma resistencia característica a compresión.
Para ello se han elaborado 5 probetas para cada tipo de dosificación y, a los 28 días, se
han roto las probetas a compresión simple y los resultados son los que hemos recogido
en la tabla que sigue.

Este tipo de diseño se llama completamente al azar porque todas las repeticiones
experimentales se realizan en orden aleatorio completo, pues no se han tenido en cuenta
otros factores de interés. Si durante el estudio se hacen N pruebas, éstas se deben realizar
al azar, de forma que los posibles efectos ambientales y temporales se vayan repartiendo
equitativamente entre los tratamientos.
 2) Diseño de bloques al azar

Nuestro objetivo es tener comparaciones precisas entre los tratamientos bajo estudio.
Utilizar bloques es una forma de reducir y controlar la varianza del error experimental
para tener mayor precisión. En el diseño completamente al azar se supone que las u.e. son
relativamente homogéneas con respecto a factores que afectan la variable de respuesta.
Sin embargo, algunas veces no tenemos disponibles suficiente número de u.e.
homogéneas.

Usar bloques estratifica a las u.e. en grupos homogéneos. Una buena elección del criterio
de bloqueo resulta en menor variación entre las u.e. dentro de los bloques comparada con
la variación entre u.e. de diferentes bloques. Generalmente los criterios de bloqueo son:

 proximidad (parcelas vecinas)

 características físicas (edad, peso, sexo)
 tiempo
 manejo de las u.e. en el experimento

Suponga que se tienen t tratamientos que se quieren comparar en b bloques.

El diseño de bloques (completos) al azar implica que en cada bloque hay una sola observación
de cada tratamiento. El orden en que se “corren” los tratamientos dentro de cada bloque es
aleatorio (restricción en la aleatorización).

3) Diseño cuadrado latino.

Los diseños en cuadrados latinos son apropiados cuando es necesario controlar dos
fuentes de variabilidad. En dichos diseños el número de niveles del factor principal tiene
que coincidir con el número de niveles de las dos variables de bloque o factores
secundarios y además hay que suponer que no existe interacción entre ninguna pareja de
factores. Supongamos que el número de niveles de cada uno de los factores es K. El
diseño en cuadrado latino utiliza K2 bloques, cada uno de estos bloques corresponde a
una de las posibles combinaciones de niveles de los dos factores de control. En cada
bloque se aplica un solo tratamiento de manera que cada tratamiento debe aparecer con
cada uno de los niveles de los dos factores de control. Si consideramos una tabla de doble
entrada donde las filas 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 sólo una en cada fila y en cada
columna.

A continuación vamos a dar una forma simple de construcción de cuadrados latinos. Se

parte de una primera fila con las letras latinas ordenadas alfabéticamente

El procedimiento para construir un diseño en cuadrado latino es el siguiente:

1) Se elige aleatoriamente un cuadrado latino de los disponibles.

2) Se asigna aleatoriamente el orden de las filas y columnas.

3) Se asignan aleatoriamente los tres factores a las filas, columnas y letras,

respectivamente.
4) Diseño factorial combinado y DCA.

En estadística, un experimento factorial completo es un experimento cuyo diseño consta

de dos o más factores, cada uno de los cuales con distintos valores o niveles, cuyas
unidades experimentales cubren todas las posibles combinaciones de esos niveles en todo
los factores. Este tipo de experimentos permiten el estudio del efecto de cada factor sobre
la variable respuesta, así como el efecto de las interacciones entre factores sobre dicha
variable.

Por ejemplo, con dos factores y dos niveles en cada factor, un experimento factorial
tendría en total cuatro combinaciones de tratamiento, y se le denominaría diseño factorial
de 2×2.

Si el número de combinaciones en un diseño factorial completo es demasiado alto para

su procesamiento, puede optarse por un diseño factorial fraccional, en el que se omitan
algunas de las combinaciones posibles.

Ejemplo:

El experimento factorial más simple contiene dos niveles para cada uno de dos factores.
Suponga los deseos de un ingeniero para estudiar la energía total usada por cada uno de
dos diversos motores, A y B, funcionando en cada uno de dos diversas 2000 o 3000 RPM
de las velocidades. El experimento factorial consistiría en cuatro elementos
experimentales: viaje en automóvil A en 2000 RPM, viaje en automóvil B en 2000 RPM,
viaje en automóvil A en 3000 RPM, y viaje en automóvil B en 3000 RPM. Cada
combinación de un solo nivel seleccionado de cada factor está presente una vez.

Este experimento es un ejemplo de 2^2 (o 2x2) experimento factorial, nombrado así

porque considera dos niveles (la base) para cada uno de dos factores (la energía o el
exponente), o #lniveles#factores, produciendo 22puntos factoriales =4. Los diseños
pueden implicar muchas variables independientes. Como otro ejemplo, los efectos de tres
variables entradas se pueden evaluar en ocho condiciones experimentales demostradas
como las esquinas de un cubo. Esto se puede conducir con o sin la réplica, dependiendo
de su propósito previsto y recursos disponibles. Proporcionará los efectos de las tres
variables independientes en la variable dependiente y las interacciones posibles(en caso
de haber más de 3 se habla de un hiperespacio).