Diseño de experimento.

Diseño en bloques.

1. Diseño en bloques completos al azar.

Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor, es
deseable que las posibles diferencias de ben principalmente al factor de interés y no a
otros factores que se condiferan Enel estudio.Cuando esto no ocurre y existen otros
factores que no se controlan o nulifican para hacer la comparación, las conclusiones
podruan resultar sensibemente afectadas.

1.2 Factores de bloque.

Los factores de bloque son los factores adiciones al factor de interés, los cuales se incorporan de
manera explicita dentro de un experimento comparatimo; cuentan con una particularidad que se
incluyen en el experimento porque son un medii para estudiar de manera adecuada y eficaz al
factor de interés.

Los factores de bloque entran al estudio en un nivel de importancia secundario con respecto al
factor de interés y , en este sentido se puede afi rmar que se estudia un solo factor, porque es uno
el factor de interés.

1.2.2 Diseño en bloques completos al azar(DBCA)

Se consideran tres fuentes de variabilidad: el factor de tratamiento, el factor de bloque y el error

aleatorio, es decir, se tienen tres posibles “culpables” de la variabilidad presente en los datos
recolectados. datos. La palabra completo en el nombre del diseño se debe a que en cada bloque se
prueban todos los tratamientos, o sea, los bloques están completos. La aleatorización se hace
dentro de cada bloque; por lo tanto, no se realiza de manera total como en el diseño
completamente al azar. El hecho de que existan bloques hace que no sea práctico o que incluso
sea imposible aleatorizar en su totalidad.

Factores de bloqueo.

Modelo estadístico.

Cuando se decide utilizar un DBCA, el experimentador piensa que cada medición será el resultado
del efecto del tratamiento en el que se encuentre, del efecto de bloque al que pertenece y de
cierto error que, se espera, sea aleatorio.

Modelo estadístico para este diseño.

Hipotesis a probar.

La hipotesis de interés es la misma para todos los diseños comparativos, y está dada por :
 La afirmación es probar que la respuesta de la
media poblacional lograda con cada tratamiento es la misma para los k tratamientos y que, por lo
tanto cada respuesta m, e sigual a la media global poblacional, m.

Analisis de Varianza.

La hipotesis dada en el cualquier diseño de experimentos e prueba con un análisis de varianza de

clasificación porque se controlan dos fuentes de varuacion, el factor de tratamientos y el factor de
bloques.

Los cálculos necesarios pueden ser manuales, pero siempre es mas practico hcaerlo con un
sofware estadístico, porque además proporciona muchas otras opciones graficas, y tabulaes
útiles(además del análisis de varianza). Las formulas mas practicas son :
Comparación de parejas de medias de tratamiento en el DBCA.

Cuando la hipotesis de igualdad es rechaza de los cuatro tratamientos, es natural preguntarse cual
de ellos son distintos entre si. Para averiguar se utiliza alguna de las pruebas que se estudiaron en
la sección “Comparaciones o prubeas de rangos múltiples”, breve recorderis que la diferencia
mínima significativa (LSD) entre las medias muestrales de dos tratamientos para concluir que estos
son diferentes, en un dca, esta dada por:

Efecto de bloqye.

En casi de rechazarse, se acepta que al menos elf ecto de un blo que es distinto de cero. Cabe
destacar que esto no es uns prueba de F exacta,s in oaproximada, debido a la restricción de
aleatorización ( sólo se puee aleatorizar dentro del bloque). Sin embargo, se recomienda observar
en la práctica su interpretación porque es evidencia a favor o en contra de que valió la pena el
esfuerzo de controlar el factor de bloque. Si resulta significativa, implica que el factor de bloques
tiene influencia sobre la variable de respuesta, y debe ser tomado en cuenta para mejorar la
calidad de ésta, sin embargo sino se rechaza y se acepta que los bloques osn iguales en respuesta
media, entonces se tieen el argumento a facor de no controlar este factor en futuros
experimentos sobre esta misma respesta, además de que se influencia en la calidad d ela
respuesta no es significativa.}

Restriccion aleatorización.

La restricción de aleatorización se debe al hecho de que no se aleatoriza al orden de las corridas

experimentales en relación con los bloques. El experimento supone que solo se aleatoriza el orden
de las corridas dentro de ca bloque, lo cual hace que exista sesgos en la comparación de los
tratamientos, pero no los impide en la comparación de bloques.

Diseñi en cuadrado latino.

En el di seño en cuadro latino (DCL) se controlan dos factores de bloq ue y se estudia un factor de
tratamientows, por lo que se tienen cuatro fuentes d evariabilidad que pueden afectar la
respuesta observada, pestas son los :

1. Tratamientos
2. Factor de bloque 1( Columnas)
3. Factor de bloque 2(Renglones)
4. Error aleatorio.

Su nombre Cuadrado latino proviene de por dos razones: es un cuadro debido a que tiene la
restricción adicional de que ls tres factores invlucrados se pureban en la misma cantidad de
niveles, y es latino porque se utilizan letras larinas para denotar los tratamientos o niveles del
factor de interés.

Analisis del diseño.