Lista de cotejo de Reporte de Inv.

Programa educativo Ingeniería Industrial Semestre Cuarto

Nombre del alumno Espinoza Beltrán Kathia Sarahí Matricula 1825010049
Asignatura ESTADISTICA INF II Grupo 401
Docente Ing. Edson Castro Álvarez Evaluación Escrita
Competencia - Este reporte de investigación permite Identificar la familia de diseños
experimentales de bloques.
- Aplica las características particulares del diseño por bloques en el
diseño de experimentos de sistemas logísticos, industriales, comerciales
o de servicios para la toma de decisiones.
Tiempo de evaluación 59 min Evidencia Reporte de Inv.

No. Aspecto para Indicador Valor Si No Puntos

evaluar Obtenidos
El reporte de Investigación:
1 Fecha de Se entregó en la fecha establecida 4
entrega
2 Información Presenta los datos completos del alumno, 4
del alumno es legible y limpia.
3 contenido Presenta mínimo dos diferentes 5
definiciones del diseño de bloques
completos al azar. Mínimo dos diferentes
definiciones del diseño cuadrado latino.
Mínimo dos diferentes definiciones del
diseño cuadro greco-latino. Explica cómo
se calcula el ANOVA de cada uno de los 3
diseños mencionados.
4 Contenido Presenta al menos dos ejemplos 5
(ejercicio resuelto) de cada uno de los 3
diseños mencionados
5 Fuentes de Presenta la información del mismo y las 4
consulta citas aparecen en la evidencia
6 Referencias Incorpora conocimientos sobre el estilo 4
APA 6° edición para referenciar las
fuentes de consulta
7 Redacción y Se entregó escrito utilizando un software, 4
ortografía Contiene 0 errores de Coherencia,
concordancia y Normas y reglas
ortográficas y de puntuación.
Puntuación máxima: 30 puntos - Mínimo acreditable: 21 pts. - Puntos obtenidos: _____pts.

Retroalimentación

___________________ ___________________
Nombre y firma del alumno Nombre y firma del docente
 INSTITUTO TECNOLÓGICO

SUPERIOR DE GUASAVE

NOMBRE DE LA EVIDENCIA
DISEÑO DE BLOQUES COMPLETOS AL AZAR

QUE PRESENTA
ESPINOZA BELTRÁN KATHIA SARAHÍ

NÚMERO DE CONTROL

(1825010049)

INGENIERÍA INDUSTRIAL

ASESOR (A)

ING. EDSON CASTRO ÁLVAREZ

GUASAVE, SIN. A 30 DE ABRIL DEL 2020.

1. DISEÑO DE BLOQUES COMPLETOS AL AZAR

Según [ CITATION JME93 \l 2058 ], su opinión respecto a los bloques completos al azar
es la siguiente:

“Es un diseño de bloques completos en que los tratamientos o variedades

se distribuyen al azar en unas agrupaciones llamadas ‘bloques’. Cada
bloque contiene todas las variedades del ensayo, las cuales se colocan
unas adosadas a otra”.

Por otra parte, [ CITATION Hen06 \l 2058 ], nos dan una idea un poco más a fondo:

“El diseño de bloques completos al azar (BCA) es aquel en que las U.E. se
distribuyen en grupos de manera tal que las U.E. dentro de un bloque o
grupo son relativamente homogéneas, pero entre bloques son
heterogéneas con relación al gradiente que se está bloqueando”

Este diseño se recomienda generalmente para aquellos diseños que cuentan entre
3 y 15 tratamientos, y también cuando se pueden agrupar las unidades
experimentales en bloques que sean del mismo tamaño.

Algunas indicaciones que nos señalan [ CITATION Hen06 \l 2058 ] en su libro del
Sistema de Análisis Estadístico con SPSS para seguir respecto a la disposición, y
organización de los bloques son las siguientes:

 Cuando la gradiente de fertilidad del suelo es conocida, los bloques se

colocan perpendicular al gradiente.
 Cuando la gradiente de fertilidad del suelo ocurra en dos direcciones
aproximadamente perpendiculares entre sí, un DCL debe ser usado, sin
embargo, si se utiliza un BCA, los bloques deben ser cuadrados.
 Cuando el gradiente de fertilidad del suelo no es conocido o es errática,
entonces los bloques deben ser cuadrados.
1.1 Cómo calcular el ANOVA.

Para analizar el ANOVA del diseño de bloques completamente al azar, [ CITATION

Her19 \l 2058 ] nos proporcionan la siguiente tabla ANOVA donde se indican los
grados de libertad.

También nos comentan que F 0 para los tratamientos tiene una distribución F con
( t−1 ) y ( t−1 ) ( b−1 ) grados de libertad F 0. para bloque tiene una distribución F con
( b−1 ) y ( t−1 ) ( b−1 ) grados de libertad. La hipótesis por probar para los tratamientos
es que su efecto es cero, contra la alternativa H A de que al menos dos niveles de
tratamiento son diferentes; se puede encontrar el valor F critico que define el lado
extremo superior con un valor de α, y si F 0 es mayor se rechaza la hipótesis de
que los efectos de los tratamientos son cero. La otra alternativa es calcular el valor
P para F 0 y si éste resulta menor que α, se rechaza H 0.

1.2 Ejercicio 1.
Se tiene un tratamiento con seis niveles para un proceso, el resultado “ y” es una
característica que interesa aumentar, el tratamiento etiquetado como 1 es el actual
y se usará como control para comparar si alguno de los otros cinco mejoran
significativamente. Se tiene detectado un factor de restricción o estorbo para la
experimentación, se identifican cuatro niveles de bloque para este factor; los
resultados del experimento resultaron fueron los siguientes:
Para los datos se calculan los promedios por tratamiento y por bloque y las sumas
de cuadrados para tratamientos, bloque y total; se usan las funciones
(“español/inglés”), en una hoja de cálculo compatible con Excel: “PROMEDIO() /
AVERAGE()” y “DESVIA2() / DEVSQ”; respectivamente, a continuación, se
muestra la tabla:

La suma de cuadrados total es 506.329, la suma de cuadrados de tratamientos es

201.316, la suma de cuadrados de bloque es 197.004; bajo este valor aparece la
fórmula empleada en Calc para obtenerlo; la suma de cuadrados del error se
obtiene por resta. La tabla ANOVA se presenta a continuación:
 Los tratamientos resultaron significativos, al menos un par de medias son
diferentes. Se calcula ahora el error estándar para una media de tratamiento:

El error estándar, con el mismo número de réplicas, para la diferencia entre las
medias de los tratamientos es:

Se aplica el método de Dunnett para comparar las medias contra el control, se

sabe que el error estándar de la diferencia de las medias es 1.897, se busca en las
tablas de Dunnett, para una a de 0.05, 6 medias de medias y 15 grados de
libertad, d 0.05 ;6,15=2.82 se calcula el tamaño del intervalo para las diferencias de
medias ¿ 1.897 ° 2.82=5.35; resumiendo en una tabla los intervalos de confianza
construidos se tiene:

Los intervalos de confianza que no tienen cero dentro de sus límites señalan
diferencias significativas del promedio contra el promedio de control, resultan ser
los promedios de 2 y 3 los que aparecen significativos con una alfa de 0.05.
1.3 Ejercicio 2.
2. DISEÑO CUADRADO LATINO

Una vez más, podemos consultar a [ CITATION Hen06 \l 2058 ] , quienes nos aseguran
que un cuadro latino es:

“Un diseño de bloques completos caracterizado por tener le mismo número

de repeticiones que de tratamientos o variedades”.

Según estos, cada variedad o tratamiento se repite el mismo número de veces y

es por ello por lo que no coinciden en la misma fila ni en la misma columna.

Analizando lo que nos dice [CITATION Des04 \l 2058 ], podemos rescatar lo siguiente:

“El diseño de cuadrado latino se usa para eliminar dos fuentes de

variabilidad perturbadora; es decir, permite hacer la formación de bloques
sistemática en dos direcciones. Por lo tanto, los renglones y las columnas
representan en realidad dos restricciones sobre la aleatorización. En
general, un cuadrado latino para p factores, o cuadrado latino p × p, es un
cuadrado con p renglones y p columnas”.

Sí observamos y razonamos las dos definiciones de cada autor, podemos apreciar

que prácticamente nos dicen los mismo, pues los dos señalan que cada una de las
celdas resultantes contiene una de las letras que corresponde a los tratamientos, y
cada letra ocurre una y solo una vez en cada renglón y columna, es decir, no se
repiten ni se encuentran en la misma posición.

2.1 Cómo calcular el ANOVA.

Para esta ocasión, el análisis de la varianza consiste en hacer la partición de la
suma de cuadrados total de las N= p 2 observaciones en los componentes de los
renglones, las columnas, los tratamientos y el error, por ejemplo:

SST =SS Renglones+ SS Columnas+ SS Tratamientos + SS E

con sus respectivos grados de libertad:

p2−1=p−1+ p−1+ p−1+ ( p−2 ) ( p−1 )

para ello, cada suma de cuadrados del lado derecho de la primera ecuación, es
dividir σ 2, una variable aleatoria ji-cuadrada con una distribución independiente. El
estadístico para probar que no existen diferencias en las medias de los
tratamientos es el siguiente:

MSTratamientos
F 0=
MS E

el cual se distribuye como F bajo la hipótesis nula. Además, de esta manera se

prueba la ausencia de efectos de los renglones o de columnas. Sin embargo, ya
que éstos representan restricciones sobre aleatorización, en esta ocasión no serán
apropiadas.

El autor antes mencionado [ CITATION Des04 \l 2058 ], nos señala que la siguiente
tabla es la que resulta del ANOVA para el diseño del cuadrado latino.

2.2 Ejercicio 1.
2.3 Ejercicio 2.
3. DISEÑO CUADRADO GRECO-LATINO

De acuerdo con [ CITATION Des04 \l 2058 ]:

“El diseño de cuadrado grecolatino puede usarse para controlar

sistemáticamente tres fuentes de variabilidad extraña, es decir, para hacer
la formación de bloques en tres direcciones. El diseño permite la
investigación de cuatro factores (renglones, columnas, letras latinas y letras
griegas), cada una con p niveles en sólo p2 corridas. Existen cuadrados
grecolatinos para toda p ≥3, excepto p=6”.

A su vez, nos muestra un diseño del cuadro grecolatino de 4 × 4 para darnos una
idea más clara de lo que se refiere:

De igual manera, [ CITATION Her19 \l 2058 ] nos presenta su propia idea, siendo ésta
muy similar al autor anterior:

“El diseño de bloques llamado cuadrado grecolatino es una extensión de la

idea del cuadro latino. En estos diseños aparece cada nivel solo una vez en
un renglón y solo una vez en una columna, y se le agregan más
restricciones o factores de estorbo o aleatorización”.

Nos comenta también, que se trata de un diseño con tres factores de bloqueo,
donde los niveles de factor están asignados a su cuadrado número de unidades
experimentales.
3.1 Cómo calcular el ANOVA.

Una vez más, [ CITATION Des04 \l 2058 ] nos muestra cómo obtener el ANOVA, pero
en este caso, de un diseño del cuadrado grecolatino, mostrando el siguiente
ejemplo del análisis de la varianza:

También nos explica que el análisis de la varianza para este tipo de diseño es muy
parecido al cuadrado latino, ya que de igual manera se utilizan letras griegas que
solamente aparecen una vez en cada renglón y columna, y de la misma forma,
solamente una vez con cada letra latina. A su vez, menciona que el factor que se
representa por las letras griegas es ortogonal a los renglones, las columnas y los
tratamientos de letras latinas. Es por ello por lo que nos explica en su libro que en
base a esto se puede calcular una suma de cuadrados que resulta del factor de
las letras griegas a partir de los totales de las letras griegas, de esta forma el error
experimental se reduce adicionalmente en esta cantidad. En la tabla anterior se
muestran los cálculos necesarios.

Finalmente podemos concluir que la hipótesis nula de la igualdad de tratamientos

de renglones, columnas, letras latinas y letras griegas, se probaría dividiendo el
cuadrado medio correspondiente por el cuadrado medio del error.
3.2 Ejercicio 1.
3.3 Ejercicio 2.
BIBLIOGRAFÍA
Henry Pedroza y Luis Dicovskyi. (2006). Sistema de Analisis Estadistico con
SPSS. Managua, Nicaragua: Instituto Interamericano de Cooperación por la
Agricultura .

Hernández Ripalda, M. D. Tapia Esquivias, M. y Hernández Gonzalez, S. (2019).

Estadística inferencial 2: aplicaciones para ingeniería. Patria.

Montgomery, D. C. (2004). Desing and analysis of experiments. New York: John

Wiley & Sons, Inc.

Roselló, J. E. (1993). Guía técnica para ensayos de variedades en campo.

Organización de las Naciones Unidas para la Agricultura y la Alimentación.