DISEÑOS EXPERIMENTALES

Jorge Guzmán Calla

CAPITULO 8

DISEÑOS JERARQUICOS
Cuando se analizan arreglos factoriales se consideran a estos como factores cruzados, en los cuales los niveles
de los factores se combinan totalmente. Sin embargo, existen experimentos en los cuales los niveles de los
factores se combinan parcialmente, en este caso se dice que los factores están anidados. Por tanto, la
combinación de factores cruzados y anidados dan lugar a nuevas combinaciones en las cuales es necesario
contar con un Modelo Aditivo Lineal y conocer los Cuadrados Medios Esperados.

8.1 CLASIFICACION DE FACTORES

En los experimentos los factores pueden clasificarse de la siguiente manera:

a) Por la forma como se combinan los niveles, un factor puede ser anidado o cruzado.
Factor anidado: cuando los niveles de los factores se combinan parcialmente
Factor cruzado: cuando los niveles de los factores se combinan en su totalidad.

b) Por la forma como se eligen los niveles, un factor puede ser fijo o al azar.
Factor fijo: cuando el investigador elige los factores por tener algún interés exclusivo en ellos.
Además, se dice que es Fijo cuando todos los niveles del factor están incluidos en el experimento, en
este caso las conclusiones del experimento son solo aplicables a los niveles seleccionados.

c) Factor al azar: cuando los niveles del factor son elegidos de un grupo de niveles, en este
caso las conclusiones del experimento son aplicables al grupo del cual los niveles fueron
seleccionados.

El Modelo Lineal Aditivo (MAL) del experimento dependerá de si los factores son anidados o
cruzados. A su vez, del MAL dependerán las fuentes de variación del análisis de varianza y los grados de
libertad.

Los componentes de los valores esperados de los cuadrados medios (CVE(CM)), también conocidos
como Cuadrados Medios Esperados (CM(E)), dependerán de si los factores son fijos o al azar. En un
experimento se pueden dar todas las combinaciones posibles entre los factores, por ejemplo: que todos los
factores sean cruzados, que todos sean anidados excepto el primero. También puede suceder que unos sean
fijos y otros al azar.

La importancia de conocer las fuentes de variación y los CVE(CM) radica en que esto permite hacer un
correcto análisis de varianza de acuerdo a las condiciones del experimento, además encontrar el error más
adecuado para las diferentes fuentes de variación.

FACTORES A B C D E R
NIVELES a b c d e r
NIVEL CUALQUIERA i j k l m n
EFECTOS      
VARIANZA 2 2 2 2 2 2

95
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

8.2 ESTUDIO DE CASOS

En muchos experimentos los niveles de los factores en estudio no se combinan entre si
completamente. En este caso podemos decir que se tienen factores anidados. También puede darse el
caso en el que los factores cruzados y anidados se combinan en un solo modelo. Los siguientes casos
pueden ilustrar lo arriba mencionado.
Según Calzada ( 1975) los casos pueden ser:

8.2.1 PRIMER CASO

a1 = altiplano norte a2 = altiplano central
b1 = estabuladas b2 = pastoreo
c1 = manual c2 = mecánico
R = vacas

8.2.2 SEGUNDO CASO

a1 = altiplano norte (zona 1) a2 = altiplano central (zona 2)
b1 = Copacabana, b2 = Compi b3 = Patacamaya b4 = Viscachani
c1 = A c2 = B c3 = C c4 = D c5 = E c6 = F c7 = G c8 = H (agricultores)

8.2.3 TERCER CASO

a1 = altiplano norte a2 = altiplano central
b1 = Copacabana, b2 = Compi b3 = Patacamaya b4 = Viscachani
c1 = Tradicional c2 = Pata patas

96
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

8.2.4 CUARTO CASO

a1 = altiplano norte a2 = altiplano central
b1 = variedad 1 b2 = variedad 2
c1 = A c2 = B c3 = C c4 = D c5 = E c 6 = F c 7 = G c 8 = H

8.3 MODELOS LINEALES

REGLAS PARA DETERMINAR EL MODELO ADITIVO LINEAL

a) El primer término del modelo es siempre el parámetro µ que corresponde al promedio general del
experimento. El término de error en el modelo se representa por  n(ij...) donde n representa al
subíndice de repetición.
b) Cada factor del experimento debe estar representado en el modelo por su efecto respectivo. Ej.: A
por , B por , C por . El modelo contiene todos los efectos principales y cualquier interacción
que el experimentador suponga que existe.
c) Entre dos o más factores cruzados hay interacción y el efecto de cada una de las interacciones
debe estar representado en el modelo. Ej.: A y C son cruzados, luego hay interacción y su efecto
()ik debe estar en el modelo.
d) Entre un factor anidado que antecede a otro cruzado hay interacción y por consiguiente su efecto
debe estar representado en el modelo.
e) Entre un factor cruzado que antecede a uno anidado no hay interacción y por lo tanto este efecto
no existe y no debe estar presente en el modelo.
f) Entre dos factores anidados, o tres anidados, no existe interacción.

8.4 REGLAS PARA DETERMINAR LOS GRADOS DE LIBERTAD DE LAS FUENTES DEL
ANALISIS DE VARIANZA.

a) Los grados de libertad (GL) de los factores cruzados son iguales al número de sus respectivos
niveles menos uno. Ej.: A es un factor y sus grados de libertad serán (a - 1)
b) Los GL de un factor anidado en un factor cruzado son igual al producto de los GL del factor
anidado por el número de niveles del factor cruzado. Entendiéndose por GL del factor anidado el
número de niveles de este factor que esta anidado en cada nivel del factor cruzado menos uno. Ej.:
B esta anidado en A; B(A), luego los GL son: a(b-1).
c) Los GL de un factor anidado en dos o más factores son igual al producto de los GL del factor
anidado por el producto de los niveles de los factores cruzados. Ej.: el factor C esta anidado en los
factores AB, {C(AB)}; los GL son ab(c-1).
d) Los GL de la interacción entre dos factores cruzados son igual al producto de sus respectivos GL.
97
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

Ej.: los GL de la interacción AC son (a-1)(b-1).

e) Los GL de la interacción entre un factor anidado y uno cruzado son igual a los GL del factor
anidado multiplicado por el número de niveles del factor en que se anidan y por los GL del factor
cruzado. Ej.: B(A)xC es igual a a(b-1)(c-1).
f) Repeticiones es un factor que siempre esta anidado en las combinaciones de todos los demás
factores, por lo que los GL que le corresponden son igual a (r-1) multiplicado por los niveles de
todos los demás factores, esto es R(ABC) tiene grados de libertad abc(r-1)

8.5. REGLAS PARA DETERMINAR LOS COMPONENTES DE LOS VALORES ESPERADOS

DE LOS CUADRADOS MEDIOS (CVE(CM))

a) Escribir el modelo aditivo lineal que corresponde al experimento.

b) Los sub-índices de cada término del modelo pueden dividirse en:
1. Activos: se llaman activos a aquellos sub-índices que están en los términos y no están
entre parentesis.
2. Pasivos: son aquellos que se encuentran en el modelo entre parentesis.
3. Ausentes: los que están en el modelo y no en los términos
c) Contruir un cuadro de doble entrada en el cual en la 1ra columna estén los términos del modelo,
excepto el que corresponde al promedio µ. Se destina un renglón por cada componente del modelo
y una columna por cada subíndice, sobre cada sub-índice debe escribirse el número de niveles del
factor asociado a él además de si el factor es Fijo (F) o al azar (A). Las repeticiones se consideran
aleatorias.
d) Cada efecto lleva asociado un componente de varianza (efecto aleatorio) o un factor fijo (efecto
fijo). Si la interacción tiene al menos un efecto aleatorio, la interacción total se considera
aleatoria. Los sub-índices de un componente de varianza se representan mediante las letras
griegas que identifican el efecto aleatorio particular. Por tanto, en un modelo mixto con el factor
A Fijo y el B aleatorio, el componente de varianza de B es 2, y el componente de varianza de
AB es 2. Un efecto Fijo siempre se representa por la suma de los cuadrados de los componentes
del modelo asociadas con ese factor, dividida entre los grados de libertad correspondientes, por
ej.: el efecto de A (Fijo) es:

  2
i
i1

a  1

Para llenar los casilleros de la tabla se debe tener presente lo siguiente:

1. En cada casillero se escribe un 1 si uno de los sub-índices pasivos (el subíndice entre
parentesis) del componente del renglón es igual al subíndice de la columna

Modelo: Yijr = µ + i + j + ()ij + n(ij)

Donde: Los factores A y B son aleatorios

98
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

A A A

a b r

FACTOR i j n

i

j

() ij

 n(ij) 1 1

2. Si alguno de los sub-índices del componente del renglón es igual al sub-índice de la columna, se
escribe en este casillero un número 0 si el encabezado de la columna es un factor Fijo (F), y un
número 1 si es un factor Aleatorio (A).
A A A

a b r

FACTOR i j n

i 1

j 1

() ij 1 1

 n(ij) 1 1 1

3. En las restantes columnas de los reglones se escribe el número de niveles correspondientes

al encabezado de esa columna.

A A A

a b r

FACTOR i j n

i 1 b r

j a 1 r

() ij 1 1 r

 n(ij) 1 1 1

a) Para obtener el CVE(CM) de cualquier componente del modelo, primero se cubren todas las
columnas encabezadas por los sub-índices activos de ese componente luego en cada renglón
que contenga al menos los mismos sub-índices que el componente considerado, se calcula el
producto de los números visibles y se multiplica por el factor fijo o aleatorio apropiado. Por
ejemplo, para determinar el CVE(CM) del factor A se debe cubrir la columna i. Los productos
de los números visibles en los renglones que contiene al menos el sub-índice i son: (1x1) 2
(renglón 4) + (1 x r) 2 (renglón 3) + (en el renglón 2; i está ausente) + (b x r) 2 (renglón
99
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

1) por lo tanto el CVE(CM) es:

2 + r 2 + br 2

Tabla de las medias de cuadrados esperados para un modelo bifactorial de efectos

aleatorios

A A A Media de

a b n Cuadrados

FACTOR i j r Esperados

i 1 b r 2 + r 2 + b r 2

j a 1 r

() ij 1 1 r

 n(ij) 1 1 1

A A A Media de

a b n Cuadrados

FACTOR i j r Esperados

i 1 b r 2 + r 2 + b r 2

j a 1 r 2 + r 2 + a r 2

() ij 1 1 r

 n(ij) 1 1 1

A A A Media de

a b n Cuadrados

FACTOR i j r Esperados

i 1 b r 2 + r 2 + b r 2

j a 1 r 2 + r 2 + a r 2

() ij 1 1 r 2 + r 2

 n(ij) 1 1 1

A A A Media de

a b n Cuadrados

FACTOR i j r Esperados

i 1 b r   + r 2 + b r 2
2

j a 1 r 2 + r 2 + a r 2

() ij 1 1 r 2 + r 2

 n(ij) 1 1 1 2

Modelo: Yijr = µ + i + j + ()ij + n(ij)

Donde: Los factores A y B son fijos

100
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

F F A

a b r

FACTOR i j n

i

j

() ij

 n(ij) 1 1

a) Si alguno de los sub-índices del componente del renglón es igual al sub-índice de la

columna, se escribe en este casillero un número 0 si el encabezado de la columna es un
factor Fijo (F), y un número 1 si es un factor Aleatorio (A).
F F A

a b r

FACTOR i j n

i 0

j 0

() ij 0 0

 n(ij) 1 1 1

b) En las restantes columnas de los reglones se escribe el número de niveles correspondientes

al encabezado de esa columna.

F F A

a b r

FACTOR i j n

i 0 b r

j a 0 r

() ij 0 0 r

 n(ij) 1 1 1

c) Para obtener el CVE(CM) de cualquier componente del modelo, primero se cubren todas
las columnas encabezadas por los sub-índices activos de ese componente luego en cada
renglón que contenga al menos los mismos sub-índices que el componente considerado, se
calcula el producto de los números visibles y se multiplica por el factor fijo o aleatorio
101
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

apropiado. Por ejemplo, para determinar el CVE(CM) del factor A se debe cubrir la
columna i. Los productos de los números visibles en los renglones que contiene al menos
el sub-índice i son: (1x1) 2 (renglón 4) + (0 x r) 2 (renglón 3) + (en el renglón 2; i
está ausente) + (b x r) 2 (renglón 1) por lo tanto el CVE(CM) es: 2 + br 2

F F A Media de

a b r Cuadrados

FACTOR i j n Esperados

i 0 b r 2 + b r 2

j a 0 r

() ij 0 0 r

 n(ij) 1 1 1

F F A Media de

a b r Cuadrados

FACTOR i j n Esperados

i 0 b r 2 + b r 2

j a 0 r 2 + a r 2

() ij 0 0 r

 n(ij) 1 1 1

F F F Media de

a b r Cuadrados

FACTOR i j n Esperados

i 0 b r 2 + b r 2

j a 0 r 2 + a r 2

() ij 0 0 r 2 + r 2

 n(ij) 1 1 1

F F F Media de

a b r Cuadrados

FACTOR i j n Esperados

i 0 b r 2 + b r 2

102
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

j a 0 r 2 + a r 2

() ij 0 0 r 2 + r 2

 n(ij) 1 1 1 2

8.6 EJEMPLOS
CASO 1:
a1 = altiplano norte a2 = altiplano central
b1 = estabuladas b2 = pastoreo
c1 = manual c2 = mecánico
R = vacas
Modelo: Yijkr = µ + i + j + k + ()ij + ()ik + ()jk + ()ijk + n(ijk)

Los factores A, B, C son al azar

A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 1 b C r   + r   + br 2 + cr 2 + bc r 2
2 2

j a 1 C r 2 + r 2 + ar 2 + cr 2 + acr 2

k a b 1 r 2 + r 2 + ar 2 + br 2 + abr 2

() ij 1 1 C r 2 + r 2 + cr 2

() ik 1 b 1 r 2 + r 2 + br 2

() jk a 1 1 r 2 + r 2 + ar 2

() ijk 1 1 1 r 2 + r 2

 n(ijk) 1 1 1 1 2

Los factores A, B, C, son fijos

F F F A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 0 b C r   + bc r 2
2

j a 0 C r 2 + acr 2

k a b 0 r 2 + abr 2

() ij 0 0 C r 2 + cr 2

() ik 0 b 0 r 2 + br 2

() jk a 0 0 r 2 + ar 2

() ijk 0 0 0 r 2 + r 2

 n(ijk) 1 1 1 1 2

CASO 2:
a1 = altiplano norte (zona 1) a2 = altiplano central (zona 2)
b1 = Copacabana, b2 = Compi b3 = Patacamaya b4 = Viscachani
c1 = A c2 = B c3 = C c4 = D c5 = E c6 = F c7 = G c8 = H (agricultores)

103
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

Modelo: Yijkr = µ + i + ()j(i) + ()k(ij) + n(ijk)

Factores A, B, C, al azar

A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 1 b C r 2 + r 2 + cr 2 + bc r 2
()j(i) 1 1 C r 2 + r 2 + c r 2
()k(ij) 1 1 1 r 2 + r 2
 n(ijk) 1 1 1 1 2

Factores A, B, C fijos

F F F A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 0 b C r 2 + bc r 2

()j(i) 1 0 C r 2 + cr 2

()k(ij) 1 1 0 r 2 + r 2

 n(ijk) 1 1 1 1 2

CASO 3:
a1 = altiplano norte a2 = altiplano central
b1 = Copacabana, b2 = Compi b3 = Patacamaya b4 = Viscachani
c1 = Tradicional c2 = Pata patas
Modelo: Yijkr = µ + i + ()j(i) + k + ()ik + (())j(i)k + n(ijk)
Factores A, B, C al azar
A A A A Media de

a b C r Cuadrados

FACTOR i j K n Esperados

i 1 b C r 2 + r 2 + br 2 + cr 2 + bc r 2

()j(i) 1 1 C r 2 + r 2 + br 2 + cr 2

k a b 1 r 2 + r 2 + br 2 + abr 2

()ik 1 b 1 r 2 + r 2 + br 2

(())j(i)k 1 1 1 r 2 + r 2

 n(ijk) 1 1 1 1 2

Factores A, B, C fijos.

F F F A Media de

a b C r Cuadrados

104
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

FACTOR i j K n Esperados

i 0 b C r 2 + bc r 2

()j(i) 1 0 C r 2 + cr 2

k a b 0 r 2 + abr 2

()ik 0 b 0 r 2 + br 2

(())j(i)k 1 0 0 r 2 + r 2

 n(ijk) 1 1 1 1 2

CASO 4:

a1 = altiplano norte a2 = altiplano central

b1 = variedad 1 b2 = variedad 2
c1 = A c2 = B c3 = C c4 = D c5 = E c 6 = F c 7 = G c 8 = H

Modelo: Yijkr = µ + i + j + ()k(ij) + ()ij + n(ijk)

Factores A, B, C, al azar
A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 1 b C r   + cr 2 + r 2 + bc r 2
2

j a 1 C r 2 + cr 2 + r 2 + acr 2

()k(ij) 1 1 1 r 2 + r 2

() ij 1 1 C r 2 + cr 2

 n(ijk) 1 1 1 1 2

Factores A, B, C, fijos
F F F A Media de

a b C r Cuadrados

FACTOR i j K n Esperados

i 0 b C r 2 + bc r 2

j a 0 C r 2 + acr 2

()k(ij) 1 1 0 r 2 + r 2

() ij 0 0 C r 2 + cr 2

 n(ijk) 1 1 1 1 2

8.7 ESTUDIO DE CASOS

Se desea estudiar el contenido de proteina de quinua de dos variedades (Factor A), para esto se

105
 DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla

extraen 4 muestras de hojas y tallos (Factor B) y de cada muestra se hacen dos analisis (Factor R).
(datos simulados)
Factor A : Cruzado y fijo a=2
Factor B : Anidado y aleatorio b=4
Factor C : Anidado y aleatorio r=2

a1 a2

b1 b2 b3 b4 b5 b6 b7 b8

r1 6 7 5 2 5 9 6 4

r2 4 8 5 2 6 8 7 4

Yij  10 15 10 4 11 17 13 8

Yj  39 49 88

106
Modelo: Yijkr = µ + i + ()j(i) + r(ijk)
F A A
a b r
FACTOR i j n Medias de Cuadrados Esperados

i 0 b r  2 + r 2 + br 2

()j(i) 1 1 r 2 + r 2

 n(ij) 1 1 1 2

CALCULOS
a) Factor de corrección (FC)

Y2 882
FC = ----------- = ------------ = 484
abr 2*4*2

b) Suma de cuadrados de A

Y2 i Y2 392 + 492

SCA = ---------------- - --------------- = -------------------- - 484 = 6.25
br abr 2*4

c) Suma de cuadrados de B(A)

Y21j  Y21 102 + ...+ 42 392

SCB(a1) = ---------------- - ------------- = ---------------------------- - --------- = 30.4
r br 2 8

Y22j  Y22 112 + 82 492

SCB(a2) = --------- - --------- = ------------------- - --------- = 21.4
r br 2 8

d) SCB(A) = SCB(a1) + SCB(a2) = 30.4 + 21.4 = 51.8

e) Suma de cuadrados del error (por diferencia)

SCE = SCT - SCA - SCB(A)

c Análisis de varianza
F.V. G.L. S.C. C.M. Fc
A (t-1) = 1 6.25 6.25 0.73  2 + r 2 + br 2
B(a1) 3 30.4 10.1 20.2 2 + r 2
B(a2) 3 21.4 7.1 14.2 2 + r 2
B(A) a(b-1) =6 51.8 8.6 17.2 2 + r 2
Error t(r-1) = 8 4.0 0.5 2
Total t r-1 = 15 62.0