Está en la página 1de 6

DISEÑO BLOQUES AL AZAR

I. INTRODUCCION

En este diseño, los tratamientos se asignan aleatoriamente a un grupo de unidades
experimentales denominado bloque o repetición.

El diseño de bloques al azar se usa por tanto, donde las unidades experimentales
pueden agruparse en bloque relativamente homogéneos, de manera tal que las
diferencias observadas entre unidades sean primordialmente debidas a los
tratamientos.

Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente que
aparezcan otras variables o factores que también influyen y que deben ser
controladas. A estas variables se las denomina variables bloque, y se caracterizan
por:
• No son el motivo del estudio sino que aparecen de forma natural y obligada en el
mismo.
• Se asume que no tienen interacción con el factor en estudio

Así mismo, en el presente trabajo se dará a conocer un caso práctico, el mismo que
se hará las corridas correspondientes con el programa MINITAB Y SAS.

1. las diferencias que se encuentren entre unidades se deberán. dentro de los bloques comparada con la variación entre las unidades experimentales de diferentes bloques. de tal modo que los tratamientos participen por igual de condiciones tan uniformes como posible. Generalmente los criterios de bloqueo son: • Proximidad • Características físicas. II. En el diseño completamente al azar se supone que las Unidades Experimentales son relativamente homogéneas con respecto a los factores que afectan a la variable respuesta. b.2. Ventajas Es fácil de analizar. fertilidad del suelo. El objetivo de este diseño es reunir las unidades experimentales a las que se les aplicara los tratamientos en bloques (grupos). extrae del error experimental la variación debida a los bloques además de la variación debida a tratamientos. Desventajas . ejemplo tiempo. en su mayor parte a diferencias entre tratamientos. en consecuencia.II. una buena elección del criterio de bloqueo resulta en menor variación entre las Unidades didácticas. Así. Diseño de Bloques completamente al azar En este diseño se utiliza cuando existe gradiente de variación. La variabilidad entre unidades experimentales de diferentes bloques debe ser mayor que entre las unidades del mismo bloque. dentro de cada bloque. • Tiempo • Maneo de las Unidades Experimentales. mientras que los bloques estratifican a las unidades experimentales en grupos homogéneos. REVISION BIBLIOGRAFICA II. Ventajas y Desventajas del Diseño a.

Asi se supone que los efectos de tratamientos y bloques son aditivos. Es decir. El problema consiste en comparar las medias de los tratamientos. La variable respuesta Y puede depender de un primer factor de interés (A) y de la variable bloque (B). .3. efecto del bloque j • εij el término de error. c. hay una observación para cada cruce de los niveles del factor y del bloque. . . siendo: • μ el efecto medio global (parámetro de efecto medio) • αi el efecto incremental sobre la media causado por el nivel i del factor A βj el efecto incremental sobre la media causado por el nivel j del bloque B ((parámetro de efecto tratamento). . II.Menor número de grados de libertad para el error experimental. La aditividad significa que no hay interaccion entre tratamientos y bloques. Si el número de tratamientos es muy elevado (como 25). Parámetro. Modelo Suponemos que el número de unidades experimentales para cada bloque coincide con el número de tratamientos. Restricciones Cada bloque debe contener los tratamientos asignados al azar. • βj. esto es H0 ≡ μ1 = μ2 = · · · = μa H1 ≡ μi 6= μj i 6= j lo cual es equivalente a H0 ≡ αi = 0 H1 ≡ αj 6= 0 ∃j Se consideran las siguientes hipótesis sobre el modelo: . la relación entre tratamientos es la misma en cada uno de los bloque. . El modelo es: Yij = μ + αi + βj + εij para i = 1. a y j = 1. . b. esto es. se hace muy difícil conseguir un buen agrupamiento de las parcelas experimentales. . .

Esto es equivalente a que V ar(Yij) = σ2. • Independencia: εij son independientes entre sí. • Homocedasticidad: V ar(εij) = σ2. • Normalidad: εij sigue una distribución normal. • Linealidad: E(εij) = 0. Esto es equivalente a que Yij son independientes entre sí. Esto es equivalente a que Yij sigue una distribución normal. Esto es equivalente a que E(Yij) = μ + αi + βj . Análisis de Varianza La confección de la ANVA se realiza de acuerdo a las siguientes fórmulas y se basa en una descomposición de la variabilidad de las observaciones: Fuentes de SC GL CM F variación Tratamientos SY2i/n-FC n-1 SCT/GLT CMT/CME Bloques SY2j/t-FC t-1 SCB/GLB CMB/CME SY2ij- Error SY2j/t. (n-1)(t-1) SCE/GLE SY2i/n+FC Total SY2ij/-FC .

2 1 5 12. V4 y V5).2 3 1 21.2 III 21.2 16.8 15.7 II 20.8 2 2 5. FOLLAJE FRESCO V1 V2 V3 V4 V5 I 17. V3.9 2 3 16. Se midio el peso fresco y seco y se registro el peso en kilos.9 1 2 7.0 14.8 11.0 2 5 14. Se formaron bloques de 5 parcelas homogeneas.8 1 4 15.7 2 1 20.0 1 3 19. frente a una variedad ya conocida.7 21.9 7 19.9 16.2 3 3 16.7 8.2 12.4 3 2 4. Cada parcela de 10 m2 con un total de 15 parcelas.5 .4 4.8 3 5 11. Se dispuso realizar el ensayo en la época de verano en Selva. CASO PRÁCTICO Se realizo un ensayo de 5 nuevas variedades forrajeras (V1.7 2 4 21.5 El objetivo es comparar las nuevas variedades entre ellas DESARROLLO DEL CASO PRACTICO EN EL PROGRAMA MINITAB MINITAB VERSION 15 BLOQUE TRATAMIEN Y4 1 1 17.7 3 4 8.8 5. V2.

Modelo lineal general: Y4 vs. F P BLOQUE 2 26.49 0.0120 4. 3.011 10.133 26.8000 13. 2.0000 16. 5 Análisis de varianza para Y4.08 R R denota una observación con un residuo estandarizado grande.278 TRATAMIEN 4 364. utilizando SC ajustada para pruebas Fuente GL SC sec. DESARROLLO DEL CASO PRÁCTICO EN EL PROGRAMA MINITAB SAS VERSION 9 .57% Observaciones inusuales de Y4 Residuo Obs Y4 Ajuste Ajuste SE Residuo estándar 9 21.4667 2.0120 -4.675 Total 14 459. 4.94534 R-cuad.044 364. 2.5333 2. 3 TRATAMIEN fijo 5 1.400 8. BLOQUE.400 69. SC ajust.11 R 14 8.044 91. MC ajust.(ajustado) = 73.133 13.4667 -2.90% R-cuad.003 Error 8 69.51 0. = 84.2667 2.067 1. TRATAMIEN Factor Tipo Niveles Valores BLOQUE fijo 3 1.577 S = 2.

Intereses relacionados