Diseño de Bloques

Diseño de bloques al azar

En cualquier experimento, la variabilidad proveniente de un factor de ruido puede

afectar los resultados. Un factor de ruido es un factor que probablemente tiene un
efecto en la respuesta pero que no nos interesa estudiar. Si el factor de ruido es
desconocido y no controlable, la solución es la aleatorización, que tiende a
distribuir los niveles y efectos de este factor entre todas las u.e. Si el factor de
ruido es conocido y no controlable, pero por lo menos podemos medir su valor en
cada corrida del experimento, entonces podemos compensarlo usando análisis de
covarianza. Si el factor de ruido es conocido y controlable, se utilizan bloques para
eliminar su efecto en la comparación estadística de los tratamientos.

Nuestro objetivo es tener comparaciones precisas entre los tratamientos bajo

estudio. Utilizar bloques es una forma de reducir y controlar la varianza del error
experimental para tener mayor precisión. En el diseño completamente al azar se
supone que las u.e. son relativamente homogéneas con respecto a factores que
afectan la variable de respuesta. Sin embargo, algunas veces no tenemos
disponibles suficiente número de u.e. homogéneas.

Cualquier factor que afecte la variable de respuesta y que varíe entre u.e.
aumentará la varianza del error experimental y disminuirá la precisión de las
comparaciones.

Factores como la edad y el peso de los animales, diferentes lotes de material,

sexo de las personas y parcelas alejadas son ejemplos de variables externas a
los tratamientos que pueden incrementar la variación entre las observaciones de
la variable de respuesta.
Usar bloques estratifica a las u.e. en grupos homogéneos. Una buena elección del
criterio de bloqueo resulta en menor variación entre las u.e. dentro de los bloques
comparada con la variación entre u.e. de diferentes bloques. Generalmente los
criterios de bloqueo son:

■ Proximidad (parcelas vecinas)

■ Características físicas (edad, peso, sexo)

■ Tiempo

■ Manejo de las u.e. en el experimento

Suponga que se tienen t tratamientos que se quieren comparar en b bloques.

Bloque 1 Bloque 2 ... Bloque b

y11 y12 ... y1b

y21 y22 ... y2b

... ... ... ...

... ... ... ...

... ... ... ...

yt1 yt2 ... ytb

El diseño de bloques (completos) al azar implica que en cada bloque hay una sola
observación de cada tratamiento. El orden en que se “corren” los tratamientos
dentro de cada bloque es aleatorio (restricción en la aleatorización).

El modelo estadístico para este diseño es:

Yij = µ + τi + βj + ǫij i = 1,..., t j = 1,..., b

µ Media general τi efecto del i-ésimo tratamiento

Βj efecto del j-ésimo bloque

Ǫij error experimental en la unidad j del tratamiento i ǫij ∼ NID (0, σ2).

Se supone que los efectos de tratamientos y bloques son aditivos. La aditividad

significa que no hay interacción entre tratamientos y bloques. Es decir, la relación
entre los tratamientos es la misma en cada uno de los bloques.

bloque medias de

tratamiento 1 2 ... b tratamientos

1 y11 y12 ... y1b y¯1.
2 y21 y22 ... y2b y¯2.
.. .. .. .. ... ..
.. .. .. .. ... ..
t yt1 yt2 ... ytb y¯t.
medias de y¯.1 y¯.2 ... y¯.b y¯..
bloque

El Análisis de Varianza para este diseño se basa en una descomposición de la

variabilidad de las observaciones.
Yij − y¯... = (yij − y¯i. − y¯.j + ¯y...) + (¯yi. − y¯...) + (¯y.j − y¯...)

Desviación total = debida + debida + debida

Al error a tratamientos a bloques

SStotal = SStrat + SSbloque + SSerror bt − 1 = (t − 1) + (b − 1) + (b − 1) (t − 1)

Suponiendo normalidad en los errores, se puede demostrar que

Son v.a. independientes con distribución χ2 con sus correspondientes grados de

libertad.

Tabla de Análisis de Varianza

Si se rechaza H0: τ1 = τ2 =... = τt = 0

Bloques al azar

No se deben probar bloques.

La aleatorización se aplicó solamente a tratamientos dentro de bloques, esto es,

los bloques representan una restricción a la aleatorización.

Si se tiene un grupo de u.e. donde se supone que ocurre un efecto β en todas las
u.e. simultáneamente, esto no equivale a la ocurrencia independiente de β en
cada u.e.

Los residuales en este caso son:

eij = yij − yˆij

yˆij = y¯i. + ¯y.j − y¯...
= Yij − y¯i. − y¯.j +
eij ¯y...

Los contrastes y comparaciones múltiples se hacen igual que antes, considerando

este nuevo CME.

Diseños con bloques

Bloques al azar: bloques de tamaño t (número de tratamientos)

Bloques al azar generalizados: se repiten los tratamientos en cada bloque

Bloques incompletos: los bloques no contienen a todos los tratamientos

Diseño en Cuadro Latino

En el modelo en bloques aleatorizados, que estudiamos en el capítulo anterior,

considerábamos un factor principal y un factor de control o variable de bloque que
introducíamos con el objeto de eliminar su influencia en la variable respuesta y así
reducir el error experimental. En este capítulo estudiaremos diseños que utilizan
más de una variable de bloque para reducir el error experimental. Así, si se
consideran simultáneamente dos variables de bloque, un diseño completo en
bloques aleatorizados consistiría en formar un bloque para cada combinación de
niveles de dichas variables y después aplicar todos los niveles del factor principal
en cada uno de los bloques obtenidos. Por ejemplo, supongamos un experimento
en el que se quiere estudiar el efecto de distintos tipos de semilla en el
rendimiento del trigo y se considera que en dicho rendimiento también pueden
influir los tipos de abonos e insecticidas empleados. Para realizar dicho estudio, es
posible utilizar un diseño completo en bloques aleatorizados, donde el factor
principal es el tipo de semilla y las variables de bloque los tipos de abono e
insecticida. Un inconveniente que presentan a veces estos diseños es el de
requerir excesivas unidades experimentales para su realización. Un diseño en
bloques completos con un factor principal y dos factores de bloque, con K1, K2 y
K3 niveles en cada uno de los factores, requiere K1 × K2 × K3 unidades
experimentales. En nuestro ejemplo, si el factor principal, tipo de semilla, tiene 4
niveles, la primera variable de bloque, tipo de abono, 5 niveles, la segunda, tipo de
insecticida, 3 niveles, se necesitarían 4 × 5 × 3 = 60 unidades experimentales. En
un experimento puede haber diferentes causas, por ejemplo de índole económico,
que no permitan emplear demasiadas unidades experimentales, ante esta
situación se puede recurrir a un tipo especial de diseños en bloques incompletos
aleatorizados. La idea básica de estos diseños es la de fracción; es decir,
seleccionar una parte del diseño completo de forma que, bajo ciertas hipótesis
generales, permita estimar los efectos que interesan. Uno de los diseños en
bloques incompletos aleatorizados más importante con dos factores de control es
el modelo en cuadrado latino, dicho modelo requiere el mismo número de niveles
para los tres factores. En general, para K niveles en cada uno de los factores, el
diseño completo en bloques aleatorizados utiliza K2 bloques, aplicándose en cada
bloque los K niveles del factor principal, resultando un total de K3 unidades
experimentales. Los diseños en cuadrado latino reducen el número de unidades
experimentales a K2 utilizando los K2 bloques del experimento, pero aplicando
sólo un tratamiento en cada bloque con una disposición especial. De esta forma, si
K fuese 4, el diseño en bloques completos necesitaría 4 3 = 64 observaciones,
mientras que el diseño en cuadrado latino sólo necesitaría 4 2 = 16 observaciones.
En este capítulo se van estudiar además del diseño en cuadrado latino otros
diseños relacionados con él, como son los cuadrados greco-latinos que utilizan
tres variables de bloque y los cuadrados de Youden que se pueden considerar
como una variante de los cuadrados latinos, si bien también se pueden estudiar
como bloques incompletos. En primer lugar, estudiaremos el diseño en cuadrado
latino

El diseño de Cuadro Latino se usa para eliminar dos fuentes de variabilidad que
no interesa estudiar por sí mismas. Se hace un bloqueo en dos direcciones. Los
renglones y las columnas representan dos restricciones en la aleatorización.

En general, un cuadro latino p×p es un cuadrado que contiene p renglones y p

columnas. Cada una de las p2 celdas contiene una de las p letras que
corresponden a los tratamientos, y cada letra ocurre una sola vez en cada renglón
y columna. Ejemplo:

4 ×4 5 ×5
A B D C A D B E CB C A D D
A C B EC D B A C B E D A
D A C B B E A C DE C D A B

Diseño en cuadro latino

El modelo es:

yij medición de la observación del renglón i-ésimo de la columna j-ésima

ρi efecto del renglón i

efecto de la columna j
γj
τk efecto del tratamiento k

error
ǫij
Yij = µ + ρi + γj + τk + ǫij i = 1,..., t j = 1,..., t k = 1,..., t

El número de tratamientos debe ser igual de número de renglones y de columnas.

Diseño en cuadro latino

La partición de suma de cuadrados se deriva de la identidad algebraica:

Yij − y¯... = (¯yi. − y¯...) + (¯y.j − y¯...) + (¯yk − y¯...) + (Yij − y¯i. − y¯.j − y¯k +
2¯y...)

La desviación de una observación de la media global (yij −y¯...) se expresa como la

suma de:

■ Una desviación renglón (¯yi. − y¯...)

■ Una desviación columna (¯y.j − y¯...)

■ Una desviación de tratamientos (¯yk − y¯...)

■ Error experimental (yij − y¯i. − y¯.j − y¯k + 2¯y...)

Tabla de Análisis de Varianza

Si se rechaza H0: τ1 = τ2 =... = τt = 0

Diseño en cuadro latino

La generación de un arreglo aleatorio en, por ejemplo, un cuadro 5 × 5:

Se construye un cuadro básico:

(1) A B C D E

(2) B C D E A

(3) C D E A B

(4) D E A B C

(5) E A B C D
Se aleatoriza el orden de los renglones y después el de las columnas. Y se
aleatorizan los tratamientos a las letras.

Diseño Grecolatino

El modelo en cuadrado greco-latino se puede considerar como una extensión del

cuadrado latino en el que se incluye una tercera variable de control o variable de
bloque. En este modelo, como en el diseño en cuadrado latino, todos los factores
deben tener el mismo número de niveles K y el número de observaciones
necesarias sigue siendo K2. Este diseño es, por tanto, una fracción del diseño
completo en bloques aleatorizados con un factor principal y 3 factores secundarios
que requeriría K4 observaciones. Los cuadrados greco-latinos se obtienen por
superposición de dos cuadrados latinos del mismo orden y ortogonales entre sí,
uno de los cuadrados con letras latinas el otro con letras griegas. Dos cuadrados
reciben el nombre de ortogonales si, al superponerlos, cada letra latina y griega
aparecen juntas una sola vez en el cuadrado resultante. En el Apéndice C se
muestra una tabla de cuadrados latinos que dan lugar, por superposición de dos
de ellos, a cuadrados greco-latinos. Notamos que no es posible formar cuadrados
greco-latinos de orden 6. La Tabla 5-8 ilustra un cuadrado greco-latino para K = 4
Tabla 5-8. Cuadrado greco-latino

Aα Bβ Cγ Dδ
Dγ Cδ Cδ Aβ
Bδ Aγ Dβ Cα
Cβ Dα Aδ Bγ
Ejemplo:

Una compañía que produce procesadores de alimentos desea determinar el efecto

del diseño de empaque en las ventas de uno de sus productos. Se tienen 5
diseños para probar: A, B, C, D y E. Hay algunas fuentes de variación:

 Día de la semana
 Diferencia entre tiendas
 Efecto de la altura del entrepaño

Se realiza un experimento en diseño cuadro grecolatino con los cinco días de la

semana como clasificación renglón, cinco diferentes tiendas como clasificación
columna y cinco alturas del entrepaño como clasificación de letra griega.

La siguiente tabla contiene los resultados del experimento. La medición es el

número de ventas en el día.

Tienda

Día 1 2 3 4 5

Lunes Eα(238) Cδ B γ (158) D ǫ (188) A β (74)

(228)
Martes Dδ Bβ Aα(92) Cγ(169) Eǫ(282)
(149) (220)
Miércole Bǫ(222) Eγ(295) Dβ(104) Aδ(54) Cα(213)
s
Jueves Cβ(187 Aǫ(66) Eδ(242) Bα(122) Dγ(90)
)
Viernes Aγ(65) Dα(118) Cǫ(279) Eβ(278) Bδ(176)
Fuentes de información:

http://www.dpye.iimas.unam.mx/patricia/indexer/bloques.pdf

http://wpd.ugr.es/~bioestad/wp-content/uploads/GrecoLatinos1.pdf

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