CAPÍTULO 11

1. DISEÑO DE BLOQUES AL AZAR DE 2 FACTORES

11.1 Definición

.Algunas veces no es posible hacer la aleatorización completa de todas las

corridas de un diseño factorial. La presencia de un factor perturbador puede hacer
necesario que el experimento se realice en bloques.

Ya se han analizado los conceptos para la formación de bloques con un solo

factor. En este capítulo se presenta como realizar la formación de bloques en un
diseño factorial.

11.2 Generalidades
El experimento tiene dos factores que se denominarán A y B , los cuales tendrán a
y b niveles respectivamente. Por lo tanto existirán ab combinaciones de niveles
Los factores podrán ser todos fijos o todos aleatorios o la combinación de ambos
Se consideran n bloques
Cada una de las combinaciones de niveles de los factores se asigna a cada uno
de los bloques. Por lo tanto existirán a*b*n observaciones en total en el
experimento.

11.3 Pasos
11.3.1 Definición del problema
Determinar si existe diferencia altamente significativa en la variable de respuesta
promedio en un experimento usando el factor de interés A y B para el número de
bloques diferentes.
 11.3.2 Modelo estadístico

Y ijk =μ +A i +B j +( AB)ij +δ k +ε ijk

i=1,2,....,a
j=1,2,.....,b
k=1,2,.....,n
Yijk es la observación del k-ésimo bloque para el i-ésimo nivel del factor A y el
j-ésimo nivel del factor B
Ai es el efecto del i-ésimo nivel del factor A
Bj es el efecto del j-ésima nivel del factor B
(AB)ij es el efecto de la interacción entre el factor A y el factor B
dk es el efecto del k-ésimo bloque
eijk error experimental.

11.3.3 Formulación de Hipótesis para el modelo

PARA EL FACTOR A:
Ho: m1= m2 ........... = ma
Hi : al menos una de las mi es distinta a 0

PARA EL FACTOR B:
Ho: m1= m2 ........... = mb
Hi : al menos una de las mj es distinta a 0

INTERACCIÓN AxB:
Ho: m11= m21 ........... = mab
Hi : al menos una de las mijes distinta a 0

BLOQUES:
Ho: m1= m2 ........... = mn
Hi : al menos una de las mk es distinta a 0

Regla de decisión
SE RECHAZA Ho SI FC > Fa,gln,gld
gln grados de libertad del numerador
gld = grados de libertad del denominador

 Para ambos factores fijos

Grados de Libertad del Numerador
Factor A a-1
Factor B b-1
Interacción AxB( a - 1 ) ( b - 1 )
Bloques (n-1)

11.3.4 Proceso de Aleatorización

A cada uno de los bloques se le debe asignar cada una de las combinaciones de
los factores en forma aleatoria.

Combinaciones: A1B1 A1B2 A2B1…AaBb

bloques
1 A1B1 A1B2 A2B1 A2B2 AaBb
2 A1B2 A2B1 A2B2 AaBb A1B1
n A2B1 A2B2 AaBb A1B1 A1B2
11.3.5 Registro de datos

Y ijk Y ..k
Es importante tomar en cuenta a la hora de registrar los datos que el formato debe
contener quien hizo el reporte, la fecha de confección, el motivo, la unidad de
medición y el nombre de la empresa.

11.3.6 Hipótesis de los supuestos

11.3.6.1 Supuesto de Normalidad

H0: los datos presentan una distribución normal

H1: los datos no presentan una distribución normal

11.3.6.2 Supuesto de Homosedasticidad

2 2 2

H0: σ 11 = σ 12 = σ ab

H1: al menos una es diferente

11.3.6.3 Supuesto de independencia

En este supuesto sólo se analiza la gráfica del mismo.

 Nota: los supuestos deben verificarse en los programas minitab y pasw. En la
sección de ejemplos del capítulo se presentan.

11.3.7 Análisis de varianza: ANDEVA

F.V. GL SC CM FC Fα,gln,gld
A a-1 1
a
SCA CMA F ∝´ (a-1)(ab-1)(n-1)
∑ Y 2i ..−Y 2…/abn a−1 CMEE
bn i=1

B b-1 1
b
SCB CMB F ∝´ (b-1)(ab-1)(n-1)
∑ Y 2 .. j −Y 2…/abn b−1 CMEE
an j=1

AB (a-1)(b-1) SCCN –(SCA+SCB) SC ( AB) CM ( AB) F ∝´ (a-1)(b-1)(ab-1)

( a−1 )( b−1) CMEE
(n-1)
Entre ab -1 1
a b
SCcomb . CMcomb F ∝´ (ab-1)(ab-1)(n-1)
∑ ∑ Y 2ij−Y 2…/abn CMEE
comb. n i=1 j=1 ( ab−1)

Entre n-1 1
n
SCBloq CMbloq F ∝´ (n-1)(ab-1)(n-1)
∑ Y 2 −Y 2…/abn
ab k=1 ..k n−1 CMEE
bloque
s
Error (ab-1)(n-1) SCTo-(SCComb. + SCEE
SCBloq) ( ab−1 )( n−1)

a b n
Total (abn-1)
∑ ∑ ∑ Y 2ijk−Y 2…/abn
i j k

11.3.8 Conclusiones

Con la evaluación de F C>Fα,gln,gld en el análisis de varianza podemos descartar o

aceptar H0 y concluir si existe diferencia significativa en las medias.

11.3.9 Cálculo de los Parámetros

 Y…
μ=
abn

σ 2=C . M . E . E .

11.3.10 Coeficiente de Determinación

S .C .Comb .+ S . C . Bloques
R 2=
S . C . Totales

Mide o explica el % de la variabilidad de la Variable de Respuesta.

11.4 EJEMPLO. CAPACIDAD DE DETECTAR OBJETOS

Una Ingeniera Electrónica está estudiando diferentes métodos para mejorar la

capacidad de detectar objetos sobre la pantalla de un radar. Ella considera que los
dos factores más importantes son cantidad de ruido de fondo sobre la misma y el
tipo de filtro que se pone sobre la pantalla. Se diseña un experimento usando tres
niveles de ruido de fondo y dos tipos de filtro. El experimento se lleva a cabo
eligiendo aleatoriamente una combinación de tratamientos (nivel de ruido y tipo de
filtro) e introduciendo una señal que representa al objetivo en la pantalla del radar.
La intensidad del objetivo se incrementa hasta que el operador lo detecta. El nivel
de intensidad del objetivo se mide como la variable de respuesta. A causa de la
disponibilidad de los operadores, es conveniente seleccionarlo y mantenerlo en el
lugar del experimento hasta haber realizado todas las mediciones. Por otra parte,
existen diferencias en la capacidad y experiencia de los operadores. En
consecuencia, resulta lógico considerar a los operarios como bloques. Se eligieron
cuatro operadores al azar. Una vez que se elige al operador, el orden en el que se
efectúan las combinaciones de tratamientos es aleatorio.
 tabla 11.4 nivel de intensidad en la detección de objetivos
operarios 1 2 3   4
tipo de filtro 1 2 1 2 1 2 1 2
nivel de ruido  
bajo 90 86 96 84 100 92 92 81
mediano 102 87 106 90 105 97 96 80
alto 114 93 112 91 108 95 98 83

11.4.1 Definición del Problema

Determinar si existe diferencia significativa en el promedio de la intensidad de

objetivo utilizando tres niveles de ruido de fondo y dos tipos de filtrode acuerdo a
cada una de las condiciones del operario.

11.4.2 Modelo Estadístico

Y ijk =μ + A i + B j +( AB )ij + δ k +ε ijk

i=1,2,3

j=1,2

k=1,2,3,4

Yijk= es el nivel de intensidad en la detección de objetivos para el i-ésimo nivel de

ruido con el j-ésimo tipo de filtro para el k-ésimo operario.

ti = es el efecto del i-ésimo nivel de ruido

bj = es el efecto del j-ésimo tipo de filtro

dk = es el efecto del k-ésimo operario

(tb)ij= es el efecto de la interacción entre el tipo de filtro (ti) y el nivel de ruido (bj)

eijk = error experimental.

11.4.3 Hipótesis

Para los operarios

Ho: 1= 2 = 3= 4

Hi : al menos una de las k es distinta a 0

Regla de decisión: Se rechaza HO si FC > F0.01,3,15 = 5.42

Para el nivel de ruido

Ho: 1= 2 = 3

Hi : al menos una de las i es distinta a 0

Regla de decisión: Se rechaza HO si FC >F0.01,2,15 = 6.36

Para el tipo de filtro

Ho: 1= 2

Hi : al menos una de las j es distinta a 0

Regla de decisión: Se rechaza HO si FC >F0.01,1,15 = 8.68

InteracciónAxB:

Ho: 11= 21= ……….32

Hi : al menos una de las ijes distinta a 0

Regla de decisión: Se rechaza HO siFC > F0.01, 2, 15 = 6.36

11.4.5 Registro de Datos

  Combinacion de tratamientos (AxB)  

operadore A₁B₁ A₁B₂ A₂B₁ A₂B₂ A₃B₁ A₃B₂ Totales de
s operadore
s
1 90 86 102 87 114 93 Y..₁=572
2 96 84 106 90 112 91 Y..₂=579
3 100 92 105 97 108 95 Y..₃=597
4 92 81 96 80 98 83 Y..₄=530

  Tipo De Filtro  
nivel del 1 2 Yi..
Ruido
bajo 378 343 Y₁..=721
mediano 409 354 Y₂..=763
alto 432 362 Y₃..=794
Y.j. Y.₁.=1219 Y.₂.=1059 Y…=2278

11.4.6 Supuestos del modelo

Supuesto de Normalidad

H0: los datos presentan una distribución normal

H1: los datos no presentan una distribución normal

 Gráfica de probabilidad de C7
Normal
99
Media 94.92
Desv .Est. 9.436
95 N 24
RJ 0.990
90
Valor P >0.100
80
70
Porcentaje

60
50
40
30
20

10

1
70 80 90 100 110 120
C7

De acuerdo a la gráfica los datos presentan una distribución normal.

Supuesto de Homosedasticidad

2 2 2

H0: σ 11 = σ 12 = σ ab

H1: al menos una es diferente

Supuesto de independencia
 vs. orden
(la respuesta es C7)

5.0

2.5
Residuo

0.0

-2.5

-5.0
2 4 6 8 10 12 14 16 18 20 22 24
Orden de observación

11.4.7 Análisis de varianza

Fuente GL SC Sec. SC Ajust. CM Ajust. F

P
Bloques 3 402.17 402.17 134.06 12.09
0.000
A 2 335.58 335.58 167.79 15.13
0.000
B 1 1066.67 1066.67 1066.67 96.19
0.000
A*B 2 77.08 77.08 38.54 3.48
0.058
Error 15 166.33 166.33 11.09
Total 23 2047.83
S = 3.33000 R-cuad. = 91.88% R-cuad.(ajustado) = 87.55%
Analisis de varianza (Andeva) por calculadora

Factor de gl SC CM Fc Fα
variacion
nivel de Ruido 2 335.583 167.7815 15.13 6.36(**)
(factor A)
Tipo de filtro 1 1066.667 1066.667 96.19 8.68(**)
(factor B)

InteraccionAxB 2 77.083 38.5415 3.48 6.38

Entre 5 1479.333 295.867    

combinaciones
de los niveles
operadores 3 402.167 134.056 12.09 5.42(**)
(bloques)
Error 15 166.333 11.089    
Experimental

Totales 23 2047.333 **= son altamente significativas

11.4.8 Conclusiones

Para los factores

Se rechaza HO y se acepta H1; y se concluye que existe diferencia altamente

significativa en el nivel de intensidad promedio en la detección de objetivos en la
pantalla de un radar, para el nivel de ruido y para el tipo de filtro.

Para los operadores

 Se rechaza HO y se acepta H1; y se concluye que existe diferencia altamente
significativa en el nivel de intensidad promedio en la detección de objetivos en la
pantalla de un radar, debido a la habilidad de los operadores.

INTERACCIÓN axb

Se rechaza H1y se acepta Ho; y se concluye que la interacción entre los

niveles de ruido y el tipo de filtro, no son altamente significativos en el nivel
de intensidad promedio en la detección en la pantalla de un radar.

11.4.9 Calculo de Parámetros

2278
µ¿ 24 = 94.917

σ 2= 11.089

Coeficiente de Determinación

1279.333+166.333
R 2= =80.4 %
2047.333

El 80.4 % de la variabilidad nivel de intensidad promedio en la detección en la

pantalla de un radar es explicada por el modelo.