INGENIERÍA AMBIENTAL

MISIÓN
FORMAR PROFESIONISTAS COMPETITIVOS, CON SENTIDO ÉTICO Y
SOCIAL, CON VALORES Y CONOCIMIENTOS TÉCNICO-CIENTÍFICOS, QUE
PROMUEVAN EL USO SUSTENTABLE DE LOS RECURSOS NATURALES,
IMPLEMENTEN SISTEMAS DE GESTIÓN AMBIENTAL, CON UNA CULTURA
DE SERVICIO Y ATENCIÓN AL ESTUDIANTE PARA SU FORMACIÓN
INTEGRAL CON PERSPECTIVA DE GÉNERO.
VISIÓN
SER UN PROGRAMA EDUCATIVO CON CUERPOS ACADÉMICOS
CONSOLIDADOS Y PROCESOS CERTIFICADOS, CON ESTÁNDARES DE
CALIDAD, INNOVADOR, COMPETITIVO, CON RECONOCIMIENTO NACIONAL
E INTERNACIONAL, QUE CONTRIBUYA AL DESARROLLO SUSTENTABLE.

CALAN CAN ROSA MARIA

DISEÑO DE EXPERIMENTOS AMBIENTALES

ANALISIS DE VARIANZA
INVESTIGACIÓN DOCUMENTAL
PROF.- MADERA PECH YAJAYRA NATALI
ME-3

17 DE OCTUBRE DEL 2019

Índice

1. Introducción

2. Diseño de bloques
2.1 ¿Qué es un bloque?

3. Conclusión

4. Bibliografía
Índice de imágenes

Ilustración 1................................................................................................................5
Ilustración 2................................................................................................................6
Ilustración 3................................................................................................................6
Ilustración 4................................................................................................................7
Ilustración 5................................................................................................................7
Ilustración 6 Tabla análisis de varianza.....................................................................7
Ilustración 7 Ilustración 8.......................................................8
Ilustración 9................................................................................................................8
Ilustración 10..............................................................................................................9
Ilustración 11..............................................................................................................9
Ilustración 12 Tabla de análisis de varianza.............................................................9
Ilustración 13............................................................................................................10
 1. Introducción

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 les denomina variables bloque, y se caracterizan por

(i) No son el motivo del estudio, sino que aparecen de forma natural y
obligada en el mismo.

(ii) Se asume que no tienen interacción con el factor estudio.

Una variable bloque no presenta interacción con los factores en estudio.

El modelo se dice que es de bloques aleatorizados completos cuando en cada

bloque se presentan todos los posibles tratamientos (o un múltiplo de ese número)
y dentro de cada bloque se asignan los tratamientos de forma aleatoria.

En ocasiones no se pueden asignar todos los tratamientos sobre cada bloque, de

modo que se tienen los diseños por bloques aleatorizados incompletos.
 2. Diseño de bloques

En cualquier experimento, la variabilidad proveniente de un factor de ruido puede

afectar los resultados.
Un factor de ruido es un factor que probablemente tiene un efecto en la respuesta
pero que no nos interesa estudiar.
Si el factor de ruido es desconocido y no controlable, la solución es aleatorización,
que tiende a distribuir los niveles y efectos de este factor entre todas las u.e.
Si el factor de ruido es conocido y no controlable, pero por lo menos podemos
medir su valor en cada corrida del experimento, entonces podemos compensarlo
usando análisis de covarianza.
Si el factor de ruido es conocido y controlable, se utilizan bloques para eliminar su
efecto en la comparación estadística de los tratamientos.

2.1 ¿Qué es un bloque?

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 bloque 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.

 Ilustración 1

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).
El modelo estadístico para este diseño es:

Ilustración 2

µ media general
τi efecto del i-ésimo tratamiento
βj efecto del j-ésimo bloque
ǫij error experimental en la unidad j del tratamiento i

ǫij ∼ NID(0,σ2).

Se supone que los efectos de tratamientos y bloques son aditivos. La aditividad

significa que no hay interacción entre tratamientos y bloques. Es decir, la relación
entre los tratamientos es la misma en cada uno de los bloques.
 Ilustración 3

El Análisis de Varianza para este diseño se basa en una descomposición de la

variabilidad de las observaciones.

Ilustración 4

Suponiendo normalidad en los errores, se puede demostrar que

Ilustración 5

Son v.a. independientes con distribución χ2 con sus correspondientes grados de

libertad.
 Ilustración 6 Tabla análisis de varianza

No se deben probar bloques.

La aleatorización se aplicó solamente a tratamientos dentro de bloques, esto es,
los bloques representan una restricción a la aleatorización.
Si se tiene un grupo de u.e. donde se supone que ocurre un efecto β en todas las
u.e. simultáneamente, esto no equivale a la ocurrencia independiente de β en
cada u.e.

Ilustración 7 Ilustración 8

Los residuales en este caso son:

Ilustración 9

Los contrastes y comparaciones múltiples se hacen igual que antes, considerando

este nuevo CME.
 Bloques al azar: bloques de tamaño t (número de tratamientos)

 Bloques al azar generalizados: se repiten los tratamientos en cada bloque

  Bloques incompletos: los bloques no contienen a todos los tratamientos
Diseño en Cuadro Latino
El diseño de Cuadro Latino se usa para eliminar dos fuentes de variabilidad que
no interesa estudiar por sí mismas. Se hace un bloqueo en dos direcciones. Los
renglones y las columnas representan dos restricciones en la aleatorización.
En general, un cuadro latino p×p es un cuadrado que contiene p renglones y p
columnas. Cada una de las p2 celdas contiene una de las p letras que
corresponden a los tratamientos, y cada letra ocurre una sola vez en cada renglón
y columna.
El modelo es:

Ilustración 10

Yij medición de la observación del renglón i-ésimo de la columna j-ésima

ρi efecto del renglón i
γj efecto de la columna j
τk efecto del tratamiento
kǫij error
El número de tratamientos debe ser igual de número de renglones y de columnas.
La partición de suma de cuadrados se deriva de la identidad algebraica:

Ilustración 11

La desviación de una observación de la media global (yij−¯ y..) se expresa como

la suma de:
■una desviación renglón (¯ yi.−¯ y..)
■una desviación columna (¯ y.j−¯ y..)
■una desviación de tratamientos (¯ yk−¯ y..)
■error experimental (yij−¯ yi.−¯ y.j−¯ yk+2¯ y..)

Ilustración 12 Tabla de análisis de varianza

El residual para la observación en el tratamiento k en el renglón i y columna j es

Ilustración 13

Ilustración 14 Hipótesis
 3. Conclusión

En este trabajo podemos darnos cuenta de la importancia del diseño de

experimentos, o, dicho de otra manera, el planear paso a paso las operaciones
para así obtener un resultado satisfactorio a nuestro problema planteado.
Para el diseño de un experimento debemos tener en cuenta los efectos y las
características de nuestro problema a resolver. Como se puede apreciar un diseño
debe de ser lo más sencillo posible y así poder ahorrar tiempo, inversión y
personal, pero no por eso se deben de olvidar considerar los principios básicos en
el diseño.
Observamos el trabajo conjunto de los investigadores con los estadísticos que nos
llevan a obtener una mejor planeación del experimento, aunque tiene sus
desventajas se puede notar que actuando de manera correcta se puede cambiar
la forma de ver de los inconvenientes que puede representar el alto costo que se
tiene con los estadísticos.
Podemos estar seguros de que si llevamos a cabo todos los elementos de la lista
de comprobación tendremos una planeación efectiva de nuestro experimento y así
obtener los resultados esperados.
Mediante la técnica de bloques se consigue un material experimental mucho más
homogéneo, se reduce la magnitud del error experimental y se incrementa el
grado de precisión en el experimento.
 4. Bibliografía

 Alvarado, H. (2012). ¿Qué son los bloques? [en línea]. Disponible en:
https://support.minitab.com [2019, 17 de octubre]

 Álvarez, T. (2008). [en línea]. Disponible en: http://www.ub.edu [2019,17 de

octubre]

 Cardozo, R. y García, W. (2009) ¿Cuántos tipos de bloques hay? [en línea].

Disponible en: http://www.scielo.org.mx [2019, 17 de octubre]

 Gutiérrez, B. (2013) ANOVA [en línea]. Disponible en:

https://markainvestigacion.wordpress.com [2019, 17 de octubre]

 Jiménez, J. (2011) diseños de bloques [en línea]. Disponible en:

https://www.ingenieriaindustrialonline.com [2019,17 de octubre]

 Ramírez, S. (2018). Hipótesis. [en línea]. Disponible en:

https://www.questionpro.com [2019, 17 de octubre]

 Santos, S. (2006). Pruebas de rangos múltiples. [en línea]. Disponible en:

https://www.eupati.eu [2019, 17 de octubre]

 Vargas, V. (2016). Estadística descriptiva para ingeniería ambiental. [en

línea]. Disponible en: http://bdigital.unal.edu.com [2019, 17 de octubre]
 Zamora, K. y Canche, V. (2015). diseños de experimentos. [en línea].
Disponible en: https://explorable.com [2019, 17 de octubre]

 Zumárraga, P. (2011). Prueba de hipótesis. [en línea]. Disponible en:

https://es.khanacademy.org [2019, 17 de octubre]