Análisis de diseño de bloques

Alumno:

N.C:

Introducción:

El diseño de experimentos. El diseño de experimentos es una colección de técnicas estadísticas

que prescribe la planeación, ejecución y el análisis de pruebas planeadas donde se introducen
cambios controlados en un proceso o un sistema con el objetivo de analizar la variación inducida
por estos cambios en una medida de desempeño. El diseño de experimentos se divide en tres
partes: seleccionar el diseño experimental, realizar un análisis de varianza y realizar un análisis de
residuos.

Existen muchos tipos de diseños de los cuales se pueden escoger. Dentro de los más populares se
puede encontrar al diseño factorial que, esencialmente, explora todas las combinaciones posibles
entre los valores de las variables involucradas.

Para mostrar estos diseños, se consideran dos factores de tratamiento (A y B) y su interacción

(A*B). Sin embargo, estos diseños no están restringidos a dos factores. Si el diseño es balanceado,
se puede utilizar el ANOVA balanceado para analizar los datos. Si no es así, utilice GLM.

Existen diferentes modelos uno que utilizaremos es el diseños de bloques donde se utiliza
frecuentemente minimizar el efecto de la variabilidad cuando se asocia con unidades discretas. El
caso usual consiste en distribuir aleatoriamente una réplica de cada combinación de tratamientos
dentro de cada bloque.

Donde la tabla de ANOVA que utilizaremos será la siguiente:

Para esto hay que tener en cuenta que es muy parecido al tema de Análisis de varianza, pero al
compararlo el diseño por bloques es un ANOVA para más variaciones.

Hay que tener en cuenta que un buen diseño de experimento puede ser obtenido al aplicar los
principios básicos establecidos por Fisher (1935). Estos son:

1. Replicaciones de algunos o todos los tratamientos para estimar la magnitud del error
experimental.

2. Aleatorización de los tratamientos a las unidades experimentales para tener así una estimación
válida del error experimental y estimaciones insesgadas de los efectos de los tratamientos.

3. El uso del control local de fuentes de variación extrañas conocidas a través de la construcción de
subgrupos homogéneos de unidades experimentales.

I. replicación (permite estimar el error experimental)

II. aleatorización (produce estimadores no sesgados y de varianza mínima)

III. Control local (disminuye el error experimental).

Una problemática que se puede realizar es el siguiente:

Una industria algodonera, interesada en maximizar el rendimiento de la semilla de algodón, quiere

comprobar si dicho rendimiento depende del tipo de fertilizante utilizado para tratar la planta. A
su disposición tiene 5 tipos de fertilizantes.

La prueba de hipótesis seria que no hay diferencia entre los fertilizantes,

Mientras que la prueba alternativa seria que existe un mejor fertilizante para el rendimiento de la
semilla de algodón

Fuentes:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-statistics/anova/supporting-
topics/anova-models/what-are-randomized-block-designs-and-latin-square-designs/#:~:text=Un%20dise
%C3%B1o%20de%20bloques%20aleatorizados,planta%2C%20lote%2C%20tiempo).

http://wpd.ugr.es/~bioestad/wp-content/uploads/BloquesCompletos.pdf

http://dta.utalca.cl/estadistica/ejercicios/interpretar/Metodos/apunte2.pdf

http://www.est.uc3m.es/esp/nueva_docencia/getafe/ciencias_estadisticas/diseno_experimentos/materiales
t/IntroDE.pdf

https://www.researchgate.net/publication/237266264_Introduccion_al_diseno_estadistico_de_experimentos

http://ciencias.bogota.unal.edu.co/fileadmin/Facultad_de_Ciencias/Publicaciones/Imagenes/Portadas_Libr
os/Estadistica/Diseno_de_Experimentos/DisenodeExperimentos.pdf

https://wpd.ugr.es/~bioestad/wp-content/uploads/BloquesCompletos.pdf