Diseño Irrestricto al azar (Dia) o (DCA)

El diseño estadístico mas simple para un experimento es el diseño completamente organizado. Con
este diseño los tratamientos se aseguran a las unidades experimentales (o viceversa)
completamente al azar. Esta organización completa hace que cada unidad experimental tenga una
igual oportunidad de recibir cualquiera de los tratamientos y también, que todas las combinaciones
de unidades experimentales asignadas a las diferentes tratamientos sea igualmente probables.

El DIA es útil cuando las unidades son homogéneas.

VENTAJAS DEL DIA

1. Es fácil de planificar y muy flexible. Puede acomodar cualquier N° de repeticiones.

2. El tamaño de muestra puede ser variado de tratamiento en tratamiento.
3. El análisis estadístico de los datos es fácil aun cuando los tamaños de muestra en un estadio
de un solo factor sean diferentes.
4. El N° de grados de libertad asociados con el cuadrado medio del error experimental, es
mayor que para cualquier diseño de organización restringida.
5. Las observaciones perdidas no crean nuevos problemas en el análisis del estudio de un solo
factor.
6. El modelo requiere de menos suposiciones que los requeridos por otros diseños.

DESVENTAJAS:

1. Es ineficiente cuando las unidades experimentales son heterogéneas (Estudios en

invernaderos, industria, laboratorio.
2. Resulta más adecuado para pocos tratamientos.
3. El error experimental incluye toda la variablilidad entre las unidades experimentales y
ambientales por lo tanto es ineficiente.

ANALISIS DE VARIANCIA (ANVA)

Este método desarrollado por Ronald A.FISHER es una prueba general y esencialmente es
un proceso asimétrico para partir una suma de cuadrados total, proveniente de la variación
total, en componentes asociados con fuentes reconocidas de variación.

MODELO ESTADISTICO LINEAL ADITIVO (MELA)

Xij= u + Zi + Eij
Donde:

u= efecto de la media verdadera

Zi= efecto verdadero del i-enésimo tratamiento
Eij= Efecto aleatorio del error
❑
❑
 Xij= Observación cualquiera

1. H0 : Zi =0 H0 u1= u2= u3……= un

Ha : Al menos uno de ellos es mejor que las demás. H a= u1 ≠ u2 ≠ u3≠…≠ un
2. ϒ1 , ϒ2 , ϒ3 ,….., ϒn , α = 5% y 1%
3. Diseño experimental
4. El ANVA
5. Criterio de decisión Fc
6. Resultados del ANVA
7. Conclusión

TABLA DE ANALISIS DE VARIANCIA: FORMULAS

F de V GL SC CM FC
Tratamientos t-1 ¿ ¿ ¿ –Tc SC trat CM trat
GLtrat CM error
Error t
Por difer= Sc total – SC error
∑ t (ϒ −1) Sc tratamientos GLerror
i=1
t t ϒi
Total
∑ ϒ t−1 ∑ ∑ Xij2−Tc
i=1 i=1 j=1

X 2 …..
Tc= ϒt

Coeficiente de variabilidad o de variación

S
Cv= X 100 %
X

Indirectos experimentos:

CMerror
Cv= √ X X 100 %
Ejemplo

Un fabricante de papelutilizado para fabricar bolsas para caramelos esta interesado e mejorar la
resistencia a la tensión del producto. El grupo de ingenieros del producto, piensa qu la resistencia a
la tensión es una función de la concentración de madera dura en la plpa y que el rango de interés
prctico de dichas concentraciones esta entre 5 y 20%. El equipo de ingenieros responsable del
estudio decide invesitigar 4 niveles de concentración de madera dura: 5%, 10%, 15% y 20%. Para
ello deciden fabricar el espécimen de prueba para cada nivel de concentración, utilizando una
planta piloto. Los 24 espécimen se someten a una prueba en un probador de tensión de
laboratorio, en un orden aleatorio. Los resultados de este experimento parecen en la tabla sigte:

TABLA 1: Resistencia del papel a la tensión (psi).

TRATAMIENTO: Concentración de madera dura(%)

5% 10% 15% 20%
1 7 12 14 19
2 8 17 18 25
3 15 1 19 22
4 11 18 17 23
5 9 19 16 18
6 10 15 18 20
Xi X1= 60 X2=94 X3=102 X4=127 X….=383
X́i ´
X 1=10 X2´ ´
X 3 =17 X´ 4=21.16 X´… = 15.96
=15.7
SC 640 1512 1750 2723 6625

Tabla de ANVA

F de V GL SC CM FC ECM(esperados
cuadrados
medios)
Concentración 3 382.79 127.6 19.6** ỽ2 e + ϒ ỽ c2
Error 20 130.97 6.5085 ỽ2 e
total 23 512.96

 Grados de libertad (GL)

Tratamiento (concent)= t-1= 4-1=3
Error: t(r-1)=4(6-1)=20
Total: tr-1=4(6)-1=23

 Suma de cuadrados (SC)

Termino de corrección (Tc)

x2 … .
Tc=¿ ¿ ¿=
ϒt
3832
Tc= =6112.042
6(4)
 x 12 x 22 x 32 x 4 2
Tratamientos= ¿ ¿ ¿ –Tc = + + + – Tc
ϒ ϒ ϒ ϒ
602 +94 2+1022 +1272
= - Tc
6
=6494.83-6112.042

SC tratamientos = 382.79

24 términos

4 6
Total: ∑ ∑ Xij2−Tc = X 112 + X 122 + X 132 +… ..+ X 45 2+ X 462−Tc
i=1 j=1

Sc total= 6625- Tc= 6225-6112.042= 512.96

Error: Calcular por diferencia:

Sc total – Sc tratamientos= 512.96 – 382.79= 130.17

Opcional:
❑
Sc error = ∑ ∑ Xij2−Tc−¿ ¿ ¿ ¿¿ ; otra forma de hallar
i=1 j=1

 Cuadrados medios (CM)

SC tratamientos 383.79
CM tratamientos = GL = 3 =127.6
tratamientos

SC error 130.17
CM error = GL = 20 =6.5085
error

 FC

CM tratamientos 127.6
Fc= CM error
= 6.51 =19.6

Tabular con Fc

F0.05 [GLtrat, GLerr]= F0.05 [3,20]= 3.10

Son menores que 19.6
F0.01 [GLtrat, GLerr]= F0.01 [3,20]= 4.94

Al menos uno de ellos es mejor que otro( puede ser el 20%)

 Este estudio se comprueba con pruebas de significancia para altamente
significativo.

 COEFICIENTE DE VARIACION (CV)

√ CMerror x 100 %=15.98 %

CV=
X´…

Diseño irrestrictamente al azar con diferente numero de repeticiones

por tratamientos.

MELA: Xij= u + Zi + Eij ; i= 1,…..,t

J= 1,…..,ϒ

Tratamientos
T1 T2 T3 T4
X11 X21 X31 X41
X12 X22 - X42
X13 - - X43
TABLA ANVA: FORMULAS
F de V GL SC CM FC
Tratamientos t-1 ¿ ¿ ¿ –Tc SC trat CM trat
GLtrat CM error
Error t
Por difer= Sc total – SC error
∑ (ϒ i−1) Sc tratamientos GLerror
i=1
t t ϒi
Total
∑ ϒ i−1 ∑ ∑ Xij2−Tc
i=1 i=1 j=1
Se sospecha que cinco máquinas alimentadoras en cierta planta están llenando latas a diferentes
niveles. Se tomaron muestras al azar de la producción de la producción de cada máquina con los
siguientes resultados:

A B C D E

1 11.95 12.18 12.16 12.25 12.10

2 12.00 12.11 12.15 12.30 12.04

3 12.25 - 12.08 12.10 12.02

4 12.10 - - - 12.02

Xi x1=48.300 x2=24.290 x3=36.390 x4=36.650 x5=48.180 x=193.81

x̄ x̄1=12.075 x̄=12.145 x̄=12.13 x̄=12.216 x̄=12.045 x̄=12.1222

580.332 2347.7845
SC 583.2750 295.0045 441.41 447.763

4 n0=16
ni 4 2 3 3

F de V GL SC CM Fc
Trata 4 0.060134 0.015046 2.06067
error 41 0.0803167 0.0073015 0
15 0.14053 0 0

total
 ( x) 2
(193.81) 2
Ter min o  
16 16
tdecorrecc ion  2347.644

Conclusión: No hay evidencia estadística de que los efectos de los tratamientos sean diferentes

Diseño bloque completo al azar

Definición es aquel en el que

1) Las unidades experimentales se distribuyen en grupos o bloques de manera tal que las unidades
experimentales dentro de un bloque sean relativamente homogéneas y que el N° de UE dentro de
un bloque sea igual al # de tratz por invest y

2) Los tratamientos se asignan al azar a las unidades experimentan dentro de cada bloque

2 . se asignan al azar a las unidades experimentales dentro de cada bloque

Bloque

niño mujeres

adulto varones

Replica: Es una serie completa de todos los tratamientos que se prueba experimento7

Bloque: Es simplemente un grupo de unidades experimentales que son homogéneas o por lo

menos más homogéneas que el grupo primitivo no clasificado.

Repetición: Se refiere al número de parcelas que reciben al mismo tratamiento

7 tratamiento

I 1

II 1

III 1

IV 1

I)

Replica⇒ II)

III)

IV)

Diseño en bloques incompletos (se utiliza en azar)

PRINCIPIO DE FORMACIÓN DE BLOQUES:

444 4
444

444
2 4

444
4 3 1
444
4 2

(a) (b) (c)

DISEÑO DE UN EXPERIMENTO DE BLOQUES AL AZAR:

En la primera figura, se observa que las unidades no son completamente iguales, son heterogéneas;
tal como se simboliza mediante formas diferentes.

Luego se ordena las unidades experimentales de acuerdo con sus características, de manera que
todas las unidades iguales forman un grupo (bloque) y cada bloque se compone de cuatro unidades
homogéneas.

Los cuatro tratamientos (indicados mediante 1, 2, 3, 4) se asignan al azar a las cuatro unidades de
cada bloque.

La evidente heterogeneidad de las unidades está controlada por el proceso de formación de

bloques.

VENTAJAS:

1. Exactitud: este diseño ha demostrado ser más exacto que en D.C.A. para la mayoría de los
trabajos experimentales.
2. Flexibilidad: no se tiene mayores restricciones en el número de tratamientos o sobre el
número de repeticiones en el experimento. En general, se requieren, por lo menos, dos
réplicas para obtener pruebas de significancia γ ≥2.
3. Facilidad en el análisis: el análisis estadístico es simple y rápido.
4. Cuando se pierde datos de algunas unidades experimentales, se pueden hallar valores
promedio que los sustituyan. Si el número de unidades perdidas es elevado, el análisis debe
hacerse de acuerdo con el diseño inicialmente al azar o utilizando técnicas de regresión
lineal múltiple.

Para hallar las unidades experimentales perdidas, se utiliza la fórmula de Yates y se completa.

DESVENTAJAS:

1. La principal desventaja de este diseño es que no es apropiado para un elevado número de

tratamientos debido a que esto aumenta el tamaño de bloque y la variabilidad dentro de él.
2. Cuando el criterio que se ha usado para formar los bloques no da diferencia de efecto sobre
los resultados del experimento. No se gana en precisión; por el contrario, se pierde grados
de libertad del error.
3. En caso de que exista la interacción bloque por tratamiento, ese queda incluida en el error
aumentando su valor.
MODELO LINEAL ADITIVO:

x ij =u+T i+ β j+ є ij ; i=1 , … ,t

j=1 ,… , γ

Donde

Xij Observación cualquiera

u Promedio general
Ci Efecto del i-ésimo tratamiento
βj Efecto del bloque
ϵij Error experimental
ANÁLISIS DE DATOS DE EXPERIMENTOS CONCLUIDOS EN D.B.C.A.:

Tabla de ANVA: Fórmulas

Suma de cuadrados
F de V GL C.M. Fc
Trabajo Definición
γ
x 20 j x200 SC bloq CM bloq
Bloques γ-1 ∑ − t∑ (¿ x́ 0 j−x 00 ) ¿2
j=1 t γt SC bloq CM error
x i 0 x 200
γ 2 t
SC trat CM trat
Tratamiento t-1 ∑ − γ∑ (¿ x́ i0 −x́ 00) ¿2
j=1 t γt 1 SC trat CM error
t γ
Error (γ-1) SC error
experimental (t-1)
Por diferencia ∑ ∑ ( xij− x́ i 0− x́ 0 j+ x́ 00 )2SC error -
i j
t
x 200
γ t γ
Total γt-1 ∑∑ x − γt 2
ij ∑ ∑ ( xij− x́ 00 )2 - -
i j i j

x ij =u+T i+ β j+ є ij ; i=1 , … ,t

j=1 ,… , γ

Se utiliza en las pruebas de significancia:

Error estándar de una media de tratamientos:

CM error
S X́ =
√ γ
Error estándar de la diferencia entre dos medias:

2 CM error
Sd́ =
√ γ
Ejemplo:

Un trabajo experimental de elaboración de pulpa, néctar de pepino dulce ( solanum muricatum ait)
es conducido en un DBCA para lo cual se buscaba comparar 5 diferentes diluciones de Néctar de
pepino dulce. Para el análisis sensorial se utilizó un panel de degustación entrenado compuesto por
10 personas quienes evaluaron las muestras haciendo uso de una escala no estructurada de 10 cm
como se muestra a continuación:
0 5 10
sabor

malo regular excelente

Se pide a los panelistas que marquen una pequeña línea vertical sobre la escala misma en el punto
en el punto que define su calificación del atributo sabor.

Los resultados experimentales para este atributo fueron los siguientes:

Muestra problema Total de

bloque
A B C D E x.j
1 4.2 4.0 5.0 6.3 7.2 26.70 (X.1)
2 6.3 4.2 5.6 5.1 6.2 27.40 (X.2)
3 5.3 5.4 6.3 7.8 8.4 33.20 (X.3)
4 6.1 7.0 6.8 7.3 7.6 34.80 (X.4)
5 5.4 5.6 4.8 6.8 7.4 30.00 (X.5)
6 5.3 4.3 5.7 5.5 6.2 27.00 (X.6)
7 4.8 5.4 6.7 6.9 6.5 30.30 (X.7)
8 5.3 7.2 6.7 6.8 7.8 33.80 (X.8)
9 5.2 5.8 6.3 7.2 7.6 32.10 (X.9)
10 4.8 5.3 6.2 7.6 8.9 32.80 (X.10)
Xi 52.7 54.2 60.1 69.3 73.8 308.10
(X1.0) (X2.0) (X3.0) (X4.0) (X5.0) (X0.0)
 gran total

Grados de libertad

Bloques: r-1 = 10-1 = 9

Tratamientos: t-1 = 5-1 = 4
Error total: (r-1) (t-1) = 9(4) = 36
Total: r (t) – 1 = 10 (5) – 1 = 49

F de V GL SC CM Fc ** Altamente
Bloques 9 16.02 1.780 3.878 ** significativo
Tratamientos 4 31.35 7.837 17.074 **
Error 36 16.5478 0.4597 * Significa
quiere decir que
Total 49 63.9178
entre los promedios hay
divergencia.

SUMA DE CUADRADO
 x 2 308.102
Termino de corrección TC= = =1898.5122
rt 10(5)

10 2
Bloques: ∑ xt 2
−TC= (26.70 ) +¿ ¿ ¿
j=1

5
xi 2 52.72 +54.22 +60.12 +67.32 +73.82
Tratamientos: ∑ −TC= −TC=¿ 31.75¿
i=1 r 10
5 10
2
Total: ∑ ∑ x ij−TC=1962.83−TC=1962.83−1898.5122=64.3178 =
i j

Error: SCtot – SCbloq – SCtrat = 64.3178 - 16.02 – 31.75 = 16.5478

CUADRADOS MEDIOS

Bloque: SCBl/GLBl= 16.02/9 = 1.78

Tratamiento: SCtrat/GLtrat = 7.93

Error: SCerror/GLerror = 0.4597

CMbloque
(Bloque) FC = =3.878
CMerror
CMbloque
(Tratamiento) FC = =17.074
CMerror
F0.05 [9.36] = 2.2

F0.05 [4.36] = 2.69

FALTA DE DINICAN

Tabla de S-N-K (Tukey)

0.4597
CV = √ x 100 %
308
CV = 11.0029

CMerror
Sx=
√ r

0.4597
Sx=
√ 10
=0.2142

Z ( CMerror ) Z ( 0.4597 )
S d=
√ r
=
10√
S d=0.30315
EFICIENCIA RELATIVA DE DBCA CON RESPECTO AL DIA
 (cuadrado predio del error ¿experimental estimado para un DIA)
ER=
( cuadrado medio del error experimental del BCA )
( r−1 ) CMbloques+ (t−1 ) CMerrorExperimental
¿
( rt−1 ) CMerrorExperimental

Nota: la CM se define de la CM del DBCA

PRUEBA DE SIGNIFICANCIA

Prueba de significancia de Duncan

ETAPAS

1° Determinar la desviación estándar de las medias

CMerror 0.4597
Sx=
√ r
=
10√ =0.214

F de V GL SC CM Fc
Bloques 9 1.78 3.87 **
Tratamiento 4 7.9375 17.27 **
s
Error 36 0.4597
Total 49

0.4597
CV = √ x 100 %=11.002
308.10
50
2° Buscar en la tabla de Duncan de los valores de las amplitudes estudentizadas significativas [AES
(Duncan)] con los grados de libertad del error experimental, al …… de probabilidad requerido
(5%,1%) y correspondientes al N° de promedios a comprenderse (p=2,3,…t tratamientos)

Para nuestro ejemplo encontramos que el error tiene 36 grados de libertad

GLerror = 3.6 y α = 5%

p: 2 3 4 5

AES (D): 2.89 3.04 3.12 3.20

3° Los valores de los AES (D) se multiplican por la desviación estándar de los promedios para
obtener las amplitudes límite de significación de Duncan.

p 2 3 4 5
AES(D) 2.89 3.04 3.12 3.20
Sx: 0.214 - - - -
ALS(D) 0.618 0.650 0.667 0.684
ALD (D) = Sx . AEs(D)

Si p=2  ALS(D) = 0.214 x 2.89 = 0.618

4° Se clasifican los promedios de tratamientos en orden decreciente:

Tratamientos Xi
E 7.38
D 6.73
C 6.01
B 5.42
A 5.27

5° Se empieza las comparaciones entre los promedios de tratamientos por pares (de 2 en 2
tratamientos) de la siguiente manera:

El 1er promedio se resta del 2do en orden de mérito y esta diferencia se recupera con la
ALS(Duncan)[2tratamientos], si resulta mayor se declara a dichos promedios significativamente
diferentes, de lo contrario se compara la media más grande con la que ocupa el tercer lugar, la
diferencia se compara con la ALS [3tratamientos], si resultara mayor se acepta que los promedios
son significativamente diferentes, de lo contrario, separa a recuperar con el 4to pre medir y así
sucesivamente hasta hallar la significación; hallada esta significación se detiene el procedimiento
de buscar diferencias y compararlas y se empieza el mismo procedimiento en la 2sa media más alta
y se sigue el mismo procedimiento descrito antes.

Luego se continúa en la 3ra, la 4ta, etc. medias hasta terminar la Prueba de Duncan.

Comparaciones:

E y D: 7.38 – 6.73 = 0.65 > 0.618  Hay significancia estadística

D y C: 6.73 – 6.01 = 0.72 > 0.618  Hay significancia estadística

C y B: 6.01 – 5.42 = 0.59 < 0.618  No hay diferencia significativa

C y A: 6.01 – 5.27 = 0.74 > 0.65 (p:3)  Hay diferencia significativa (cierre línea)

B y A: 5.42 – 5.27 = 0.15 < 0.618  No hay diferencia significativa

Prueba de Significancia de TUKEY

Esta prueba es más exigente que la anterior donde solo se determina una amplitud límite de
significación ALS(T), a este procedimiento también se le llama prueba honesta de significación.

Para realizar esta prueba se necesita cal…. el estadística:

W = ALS (T) = qα (p,n2) Sx = AES (T) Sx

Se obtiene de la tabla de TUKEY p = S

P : # de tratamientos = 5

N2 : GL error
ALS (T) =

CV < 10%

∆ES (T) = 4.10 (0.214) = 0.8774 (no es mayor que 0.658)

E Vs C : 7.38 – 6.01 > 0.87

D Vs B : 6.73 – 5.42 > 0.87

Tratamiento Xi
E 7.38
D 6.73
C 6.01
B 5.42
A 5.27

Experimentos factoriales (arreglos factoriales de tratamientos)

Definición: Se denomina experimentos factoriales aquello en los que se estudia simultáneamente 2

o más factores, con el mismo grado de importancia.

Tolos los niveles de un factor se combinan con todos los niveles de o de los otros factores, es decir
las combinaciones de los niveles de los factores tienen el carácter de un tratamiento o
“tratamiento combinado”. El arreglo factorial puede ser conducido en los diseños completamente
al azar, Bloque completo al azar en otro diseño adecuado.

La información procedente de los experimentos factoriales en más amplio porque permite analizar
los efectos principales y las interacciones.

Efecto principal de un factor.- Es una medida del cambio en la variable de respuesta,

correspondientes a cambios en el nivel de un factor promediado sobre todos los niveles de los
otros factores.

La interacción.- Es la respuesta diferencial a un factor en combinación con niveles variables de un

segundo factor aplicado simultáneamente, es decir, la interacción es un efecto adicional debido a la
influencia combinada de 2 o más factores.