Diseño de Cuadros Latinos.

Curso: Experimentacion Agrícola (2015) 1
Profesor: Mateo Vargas Hernández
UNIDAD VI: DISEÑO EN CUADRO LATINO: DCL
OBJETIVOS:
1. Identificar las características y supuestos básicos del diseño en cuadro

latino.
2. Aprender la forma correcta de implementar un DCL
3. Generar el modelo estadístico y el Análisis de la Varianza de un DCL
4. Analizar datos derivados de este diseño en forma manual e interpretar
los resultados.
5. Analizar conjuntos de datos utilizando software e interpretar los
resultados.
INTRODUCCIÓN
1 Este diseño se utiliza cuando existen 2 fuentes de heterogeneidad en las u.e.

y/o en el material experimental, y por lo tanto no es suficiente el uso de un
DBCA para contrarrestar ambos factores de confusión.
Ejemplo 1: Supóngase que se tienen 4 tratamientos, denotados como A, B, C

y D y se tienen 2 fuentes de heterogeneidad en las u.e.
D A C B Gradiente
B C A D de
A B D C Fertilidad
C D B A
Gradiente de pH
De manera similar al DBCA lo importante es el concepto de bloques

como conjunto de u.e. homogéneas. Se puede aplicar a diferentes situaciones.
Ejemplo 2: Supóngase que va a realizarse un experimento para estudiar el

efecto de las condiciones de oxigenación sobre el desarrollo de una bacteria,
que ejerce un control biológico sobre una plaga.
Se desea saber en cual de las condiciones de oxigenación se da el mejor
desarrollo de la bacteria con el fin de reproducirla en forma masiva y liberarla
en el campo. El medio donde se reproducirá la bacteria proviene de 3 lotes

diferentes y se prepara por 3 ayudantes de laboratorio.
Al parecer hay 2 factores de confusión cuyos efectos se deben
contrarrestar: los lotes de medio de cultivo y los ayudantes de laboratorio por
esta razón se puede emplear un DCL.
Sean los tratamientos: condiciones de oxigenación
 A : Anaeróbica

 B : Aeróbica
C : Supraaeróbica

Lotes de B A C
Medio de C B A
Cultivo A C B
Ayudantes
Ejemplo 3: se desea certificar 4 laboratorios de análisis, se envían cada día

una muestra de un total de 4 a cada laboratorio. Las muestras conocidas
contienen 0, 100, 250 y 450 ppm de un elemento a determinar.
Se puede utilizar un DCL 4  4
A B C D
Laboratorios D A B C
C D A B
B C D A
días de la semana
Ejemplo 4: En un hospital de salud mental, se desea estudiar el efecto de 5

drogas anti-ansiolíticas. Se tienen 5 grados diferentes de gravedad, y los
enfermos se encuentran también localizados en 5 pabellones diferentes.
Se puede utilizar un DCL 5×5
A B C D E
Nivel de B C D E A
gravedad C D E A B
D E A B C
E A B C D
pabellones
2 En los DCL los tratamientos se agrupan en bloques homogéneos en 2

direcciones, formando un arreglo en hileras y columnas, donde cada hilera y
cada columna constituye una repetición completa de los tratamientos, i.e. un
bloque completo.
3 El número total de tratamientos, t, es igual al número de hileras y de
columnas. Es un entero mayor o igual a 2.
4 El número total de u.e. es un cuadrado perfecto, a saber, t2. Es decir, un

tratamiento aparece una y sólo una vez en cada hilera y en cada columna.
VENTAJAS DE UN DCL
La particularidad de este diseño, de constituir bloques completos en el sentido

de las hileras y de las columnas, permite absorber la variabilidad del material
experimental en ambos sentidos. (aleatorización restringida en 2 sentidos).
DESVENTAJAS DEL DCL
Estos diseños tienen como principal inconveniente el hecho de que el número

de u.e. requerido para establecer un experimento, se incrementa notablemente
a medida que aumenta el número de tratamientos.
Por ejemplo, para comparar 12 tratamientos en un DCL se requieren 144 u.e.

número que en la mayoría de las situaciones prácticas de la experimentación
agrícola, es considerablemente grande.
Su utilidad se limita entonces, al proyecto de experimentos que comprenden

pocos tratamientos. Lo más común es de 3 a 6 tratamientos.
CONSTRUCCIÓN DE LOS DISEÑOS
Supóngase que se usan letras del alfabeto para representar a los tratamientos.
Se puede construir un cuadro latino t × t
i).- Usando en la primera hilera las letras en orden alfabético.

ii).- La segunda hilera se genera a partir de la primera, desplazando las letras
una posición hacia la derecha y colocando la última en la primera
posición.
iii).- El proceso se repite sucesivamente, hasta que se completan las t hileras.
Ejemplo: Si t  5 tratamientos (A, B, C, D, E)
A B C D E
E A B C D
D E A B C
C D E A B
B C D E A
CUADROS LATINOS ESTANDAR
Un cuadro latino para el cual la primera hilera y la primera columna aparecen

con las letras en orden alfabético, se llama Cuadro Latino Estándar [C. L.
reducido]
Existe un número diferente de cuadros latinos estándar para cada número de

tratamientos.
Por enumeración directa puede verse que hay un solo cuadro latino Estándar
2  2 y 3 3 .
Aún cuando los DCL 2  2 no tienen sentido, no hay
g. l. error, se usarán para ejemplificar el proceso.
Ejemplo: CL estándar 2  2 .
A B
Permutando hileras y columnas se generan otros C.L.
B A
Para un C.L. 2  2 sólo se pueden permutar hileras o columnas, pero no ambas

simultáneamente, pues se regresaría al C.L. original.
De este modo existen sólo 2 C.L. en total
A B B A
Permutando columnas 
B A A B
A B B A
Permutando hileras 
B A A B
Matemáticamente:
# C.L. Total = (Hileras permutables) ! × (Columnas permutables) !.

= (0!) (2!)  (1) (2)  2 Permutando columnas.
= (2!)(0!)  (2) (1)  2 Permutando hileras
Ejemplo: C.L. Estándar 3 3

Se pueden permutar 2 hileras y las 3 columnas, (3 hileras y 2 columnas).
A B C
[(t-1) hileras y t columnas o (t-1) columnas y t hileras]
B C A
C A B Número C.L. Total= (2!) (3!) = (2) (6) = 12
Ejemplo: C.L. Estándar 4  4 (4).
A B C D A B C D A B C D A B C D
B A D C B C D A B D A A B A D C
C D B A C D A B C A D B C D A B
D C A B D A B C D C B C D C B A
Para cada C.L. Estándar se tiene la posibilidad de permutar 3 hileras y 4

columnas (ó 4 hileras y 3 columnas)
Así: # de C.L. Total / C.L. Estándar = (3!) (4!)

= (6) (24)
(t-1) hileras y t columnas = 144
t hileras y (t-1) columnas
y en total para los 4 C.L. estándar = (144) (4)= 576 C.L.

y así sucesivamente para C.L. mayores. Los resultados se resumen en el
siguiente cuadro.
# Tratamientos 2 3 4 5 6
C.L. Estándar 1 1 4 56 9 408
C.L./C.L. 2 12 144 2 880 86 400
Estándar
Total de C.L. 2 12 576 161,280 8.128512  10 8
SELECCIÓN DE UN CUADRO LATINO Y ASIGNACIÓN DE

TRATAMIENTOS
Existen diferentes técnicas, usaremos la propuesta por Fisher y Yates, (1963).
I. Cuadros 3 3
i.- Seleccionar el C. L. estándar y permutar 2 hileras y las 3 columnas ó las 3

hileras y dos columnas.
(t-1) hileras y t columnas Al azar (Tablas de #´s aleatorios)

t hileras y (t-1) columnas
A B C C A B A B C
B C A  B C A  C A B
C A B A B C B C A
C. L Final
ii.- Asignar los tratamientos a las letras de forma aleatoria.

2 C
t = 3 tratamientos 1=B
1 3 AB 2=C
3=A
A B C T3 T1 T2
 C A B T2 T3 T1
B C A T1 T2 T3
El azar debe decidir el C.L. Final y la asignación de tratamientos para evitar

sesgos en el experimento.
II. PARA CUADROS LATINOS 4  4 , 5 5 Y MAYORES
i).- seleccionar un C. L. estándar al azar.

ii).- Permutar t-1 hileras y todas las columnas
ó t-1 columnas y todas las hileras.
iii).- Asignar los tratamientos a las letras de forma aleatoria.

PROGRAMA EN SAS PARA GENERAR UN DCL
*Ejemplo de generación de un DCL;
Options ps = 500 ls = 80 nodate ;

Title1 ´Diseño en Cuadro latino 4  4 ´ ;
Proc Plan Seed = 37430 ;

Factors hileras = 4 ordered columnas = 4 ordered ;
Treatments Trat = 4 cyclic ;
Output out = salida
Hileras cvals = (´día 1´ ´día 2´ ´día 3´ ´día 4´) random
Columnas cvals = (´lab 1´ ´lab 2´ ´lab 3´ ´lab 4´) random
Trat nvals = ( 0 100 250 450) random
Proc Print Data = salida noobs;

Run;
Proc Tabulate Data = salida;

Class hileras columnas;
Var trat;
Table hileras, columnas * (trat* f = 6.0) / rts = 12 ;
Run;
Output Hipotético para este Programa.
The PLAN Procedure
Plot factors
Factor Select Levels Order

Hileras 4 4 ordered
Columnas 4 4 ordered
Treatment Factors
Factor Select Levels Order Initial Block/Increment
Trat 4 4 ordered (1234) / 1
Hileras -columnas- -trat-

1 1234 1234
2 1234 2341
3 1234 3412
4 1234 4123
PROC PRINT
Hileras Columnas Trat

Día3 Lab 4 250
Día3 Lab 2 0
Día3 Lab 1 100
Día3 Lab 3 450
Día4 Lab 4 0
Día4 Lab 2 100
Día4 Lab 1 450
Día4 Lab 3 250
Día2 Lab 4 100
Día2 Lab 2 450
Día2 Lab 1 250
Día2 Lab 3 0
Día1 Lab 4 450
Día1 Lab 2 250
Día1 Lab 1 0
Día1 Lab 3 100
PROC TABULATE
Columnas
Lab 1 Lab 2 Lab 3 Lab 4
Hileras
Día 1 0 250 100 450
Día 2 250 450 0 100
Día 3 100 0 450 250
Día 4 450 100 250 0
MODELO ESTADÍSTICO DE UN DISEÑO EN CUADRO LATINO
Ejemplo: Para el caso del experimento del bacteriólogo se tenían 3

tratamientos, 3 lotes de material para el medio de cultivo y 3 ayudantes de
laboratorio.
Factores Niveles Tratamientos

Oxígeno O1 , O2 , O3 A, B, C
Lotes ( hileras) H1 , H 2 , H 3
Ayudantes C1 , C2 , C3
(columnas)
Para la obtención del modelo se tiene:
Col I Col II Col III

y 213     2  H 1  C3   213
C A B
Hilera 1   H 1  C3
B C A
Hilera 2
A B C y 232     2  H 3  C2   232
Hilera 3   H 3  C2
En general el modelo sería:
 i  1,2,...,t

yijk     i  H j  C k   ijk  j  1,2,...,t
k  1,2,...,t

Donde:
yijk = respuesta debida al i-ésimo tratamiento, en la j-ésima hilera y k-ésima
columna
 = Respuesta promedio común a todas las u.e. antes de aplicar los
tratamientos
 i = Efecto del i-ésimo tratamiento
H j = Efecto de la j-ésima hilera
C k = Efecto de la k-ésima columna
 ijk = Error aleatorio no observable
Con  ijk  NI (O, 2 )
El modelo también puede expresarse como:

 i  1,2,...,t

yijk     i   j   k   ijk  j  1,2,..., h
 k  1,2,..., c

ESTRUCTURA DE LOS DATOS EN UN DCL
Partiendo del modelo estadístico
Columnas
Hileras 1 2 … t y.j.
1 y i11 yi12 … yi1t y.1.
2 yi12 yi 22 … yi 2t y.2.
. . . . .
.
. . . . .
.
. . . . .
.
t yi t1 yi t 2 … y.t.
y it
t
y..k y..1 y..2 … y..t y…
Para los totales de tratamientos se usan todos los tratamientos, sin considerar
en que hilera o columna se encuentre.
y1..  AH1  AH 2  AH3  ...  AHt

y2 ..  BH1  BH 2  BH3  ...  BHt
.
yt ..  TH1  TH 2  ...  THt
PRUEBA DE HIPÓTESIS
De manera similar al DBCA aún cuando se pueden obtener pruebas

aproximadas para hileras y para columnas, no tienen sentido tales pruebas.
La única prueba de hipótesis relevante es la relativa a los tratamientos, esto es;
Ho ; i   j para todo i  j  1   2  ...   t  Igualdad efectos de tratamientos.

Ha  :  i   j para al menos un i  j
TABLA DEL ANOVA
F.V. G.L. S.C. C.M. Fcal Ftab

Trat (t-1) t
 yi .. 2 S.C.Trat /(t  1) C.M .Trat F((t t11)()t  2 ),

i 1 t
 F .C.
C.M .Error
Hileras (t-1) t y. . 2

j 1
j
t
 F .C.
Columnas (t-1) t
 y..k 2  F .C.

k 1 t
Error (t-1) Diferencia S .C.Error /(t  1)(t  2)
(t-2)
 y 
Total t2-1 t t t
 F .C.
2
ijk
i 1 j 1 k 1
tt  1  3(t  1)  tt  1  3t  3  t 2  3t  2  t  1t  2
*Dos números cuya suma sea (-3) y cuyo producto sea (+2) = (-2)
t 2  1  t  1  h  1  c  1  t 2  1  t  1  h  1  c  1
 t2 t  h c  2
Regla de decisión:
Si Fcal  Ftab  rechazoHo 
El supuesto de este diseño es que no hay interacciones entre las variables

utilizadas para formar bloques por hileras y por columnas, y entre éstas y los
tratamientos.
Al igual que en el diseño DBCA, es posible comparar la eficiencia relativa del

DCL con otros diseños con menor número de restricciones en la
aleatorización. Las posibles combinaciones son las siguientes.
EDCL : DCA
EDCL : DBCAC cuando los bloques son las columnas
EDCL : DBCAH cuando los bloques son las hileras
EJEMPLO NÚMERICO
Se tiene un experimento donde se estudia el efecto del oxigeno sobre el

desarrollo de una bacteria que ejerce un control sobre el escarabajo japonés
produciéndole la enfermedad lechosa de las larvas.
Se desea saber en cual de las condiciones de oxigenación se da el mejor

desarrollo de la bacteria con el fin de reproducirla en forma masiva y liberarla
en el campo. El medio donde se reproducirá la bacteria es BK, el cual
proviene de 4 lotes diferentes y es preparado por cuatro diferentes ayudantes
de laboratorio.
Al parecer hay dos factores de confusión cuyos efectos se deben controlar: los
lotes de BK y los ayudantes de laboratorio, los cuales pueden influir de
manera negativa sobre los resultados del experimento, por esta razón se
decidió emplear un diseño en Cuadro Latino para este experimento.
Las condiciones de oxigenación que se probaron fueron:
T1 : Supraeróbica
T2 : Anaeróbica
T3 : Aeróbica
T4 : Semianaeróbica
La unidad experimental consistió en un conjunto de 5 cajas Petri con BK. La

variable respuesta fue la concentración bacteriana promedio por unidad
experimental.
La concentración bacteriana se midió como: número de células/ml (según la
escala de Mc Farland 110 9 ).
A partir de un cuadro latino estándar de 4 tratamientos se aleatorizan las

hileras para asignar los tratamientos a las unidades experimentales. Las hileras
representan los efectos de los lotes de BK y las columnas los efectos de los
ayudantes de laboratorio.
La disposición final de los tratamientos para los lotes de BK y los ayudantes

de laboratorio fue:
Ayudantes de laboratorio
I II III IV y. j.
T4 T1 T2 T3
2.0 1.2 1.5 2.2 6.9
1
L
O T2 T3 T4 T1
T 2 1.4 1.9 1.6 0.9 5.8
E
S T3 T4 T1 T2
3 2.0 1.5 1.1 1.7 6.3
D
E
4
T1 T2 T3 T4
B 1.3 1.7 2.4 1.7 7.1
K
y..k
6.7 6.3 6.6 6.5 y...  26.1
Totales de Tratamientos
y1..  1.3  1.2  1.1  0.9  4.5 (Supraeróbica)

y2 ..  1.4  1.7  1.5  1.7  6.3 (Anaeróbica)
y3 ..  2.0  1.9  2.4  2.2  8.5 (Aeróbica)
y4 ..  2.0  1.5  1.6  1.7  6.8 (Semianaeróbica)
26.1
CALCULO DE SUMAS DE CUADRADOS
1) F .C. 
 y...2  26.12 
681 .21
 42.5756
2
t 16 16
S .C.Total   yijk   F .C.

t t t
2
2)
i 1 j 1 k 1

 2.0  1.4  ...  1.7  F.C.
2 2 2

 45.05  42.5756
 2.474375
t
S .C.Tra  1t   yi..  F .C.
2
3)
i 1

1
4
 
4.52  6.32  8.52  6.82  42.5756
 178.43  42.5756
1
4
 44.6075  42.5756
 2.031875
S .C.Hil  1t  y. j .   F .C.

t
2
4)
j 1

1
4
 
6.92  5.82  6.32  7.12  42.5756
 171.35  42.5756
1
4
 42.8375  42.5756
 0.261875
t
S .C.Col  1t   y..k   F .C.
2
5)
k 1

1
4
 
6.72  6.32  6.62  6.52  42.5756
 170.39  42.5756
1
4
 42.5975  42.5756
 0.021875
6) S.C.Error  S.C.Total  S.C.Tra  S.C.Hil  S.C.Col

 2.474375  2.031875  0.261875  0.021875
 0.15875
De donde el ANOVA sería:
F.V. G.L. S.C. C.M. Fcal F63, 0.05

Trat 3 2.031875 0.6772917 25.5984 4.757
Hileras 3 0.261875
Columnas 3 0.021875
Error 6 0.15875 0.026458
Total 15 2.474375
Regla de Decisión. dado que Fcal > Ftab  Rechazo Ho.
CONCLUSIÓN: los datos del experimento muestran evidencia significativa

  0.05 de que al menos una condición de oxigenación produce un mejor
desarrollo bacteriano que las demás.
PROGRAMA SAS PARA ANALIZAR UN DCL
*Ejemplo de Análisis de un DCL;
Options ps = 500 ls = 80 nodate ;

Data DCL;
Input hilera columna$ trat$ respuesta ;
Datalines;
1 I D 2.0
2 I B 1.4
3 I C 2.0
4 I A 1.3
.
4 IV D 1.7
;
Proc GLM Data = DCL

Class Hilera Columna trat ;
Model respuesta = trat hilera columna / ss4;
Run;

Diseño de Cuadros Latinos.

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseño de Cuadros Latinos.

Cargado por

Copyright:

Formatos disponibles

Curso: Experimentacion Agrícola (2015) 1

Profesor: Mateo Vargas Hernández

UNIDAD VI: DISEÑO EN CUADRO LATINO: DCL

1. Identificar las características y supuestos básicos del diseño en cuadro

1 Este diseño se utiliza cuando existen 2 fuentes de heterogeneidad en las u.e.

Ejemplo 1: Supóngase que se tienen 4 tratamientos, denotados como A, B, C

De manera similar al DBCA lo importante es el concepto de bloques

Ejemplo 2: Supóngase que va a realizarse un experimento para estudiar el

en el campo. El medio donde se reproducirá la bacteria proviene de 3 lotes

Ejemplo 3: se desea certificar 4 laboratorios de análisis, se envían cada día

Se puede utilizar un DCL 4  4

Ejemplo 4: En un hospital de salud mental, se desea estudiar el efecto de 5

2 En los DCL los tratamientos se agrupan en bloques homogéneos en 2

4 El número total de u.e. es un cuadrado perfecto, a saber, t2. Es decir, un

La particularidad de este diseño, de constituir bloques completos en el sentido

DESVENTAJAS DEL DCL

Estos diseños tienen como principal inconveniente el hecho de que el número

Por ejemplo, para comparar 12 tratamientos en un DCL se requieren 144 u.e.

Su utilidad se limita entonces, al proyecto de experimentos que comprenden

CONSTRUCCIÓN DE LOS DISEÑOS

i).- Usando en la primera hilera las letras en orden alfabético.

Ejemplo: Si t  5 tratamientos (A, B, C, D, E)

CUADROS LATINOS ESTANDAR

Un cuadro latino para el cual la primera hilera y la primera columna aparecen

Existe un número diferente de cuadros latinos estándar para cada número de

Para un C.L. 2  2 sólo se pueden permutar hileras o columnas, pero no ambas

De este modo existen sólo 2 C.L. en total

# C.L. Total = (Hileras permutables) ! × (Columnas permutables) !.

Ejemplo: C.L. Estándar 3 3

Ejemplo: C.L. Estándar 4  4 (4).

Para cada C.L. Estándar se tiene la posibilidad de permutar 3 hileras y 4

Así: # de C.L. Total / C.L. Estándar = (3!) (4!)

y en total para los 4 C.L. estándar = (144) (4)= 576 C.L.

SELECCIÓN DE UN CUADRO LATINO Y ASIGNACIÓN DE

Existen diferentes técnicas, usaremos la propuesta por Fisher y Yates, (1963).

i.- Seleccionar el C. L. estándar y permutar 2 hileras y las 3 columnas ó las 3

(t-1) hileras y t columnas Al azar (Tablas de #´s aleatorios)

ii.- Asignar los tratamientos a las letras de forma aleatoria.

El azar debe decidir el C.L. Final y la asignación de tratamientos para evitar

II. PARA CUADROS LATINOS 4  4 , 5 5 Y MAYORES

i).- seleccionar un C. L. estándar al azar.

iii).- Asignar los tratamientos a las letras de forma aleatoria.

PROGRAMA EN SAS PARA GENERAR UN DCL

*Ejemplo de generación de un DCL;

Options ps = 500 ls = 80 nodate ;

Proc Plan Seed = 37430 ;

Proc Print Data = salida noobs;

Proc Tabulate Data = salida;

Output Hipotético para este Programa.

The PLAN Procedure

Factor Select Levels Order

Hileras -columnas- -trat-

Hileras Columnas Trat

MODELO ESTADÍSTICO DE UN DISEÑO EN CUADRO LATINO

Ejemplo: Para el caso del experimento del bacteriólogo se tenían 3

Factores Niveles Tratamientos

Para la obtención del modelo se tiene:

Col I Col II Col III

En general el modelo sería:

El modelo también puede expresarse como:

ESTRUCTURA DE LOS DATOS EN UN DCL

Partiendo del modelo estadístico

y..k y..1 y..2 … y..t y…

y1..  AH1  AH 2  AH3  ...  AHt