INSTITUTO

TECNOLÓGICO
SUPERIOR DE CENTLA

Herí Hipólito Hernández

Blanca Viviana Pérez Valencia

Alam Hernández García

Carlos Alberto Sosa Cardoza

Docente:

Marco Antonio Zarate

Materia:

Cálculo Inferencial

Modalidad:

Sabatino

Fecha de entrega:

20/Noviembre/2021

Semestre:” 5to” grupo: “A”

Producto:

INVESTIGACIÓN DOCUMENTAL UNIDAD 4

Diseño de bloques.
Índice

Introducción 3
Diseños de bloques completos al azar 4
Diseño en cuadro latino 6
Diseño en cuadro grecolatino 10
Uso de un software estadístico 13
Conclusión 15
Referencias 16
 Introducción

En esta unidad se verá lo que es el Diseño de Bloques con sus tres apartados
en donde el primero es el modelo completamente aleatorizado, que tiene un
factor tratamiento. El segundo modelo es un poco más complejo, es el Diseño
en cuadrado Latino, que es un buen ejemplo de diseño fraccional. Y el último
que se aplica al Diseño de Bloques es el Diseño en Cuadrado Grecolatino, que
es como una extensión del cuadrado latino en el que se incluye una tercera
variable de control o variable de bloque.

3
 Diseños de bloques completos al azar

El diseño en bloques completos al azar trata de comparar tres fuentes de

variabilidad: el factor de tratamientos, el factor de bloques y el error aleatorio. El
adjetivo completo se refiere a que en cada bloque se prueban todos los
tratamientos. La aleatorización se hace dentro de cada bloque.

En el diseño completamente al azar se supone que las UE son relativamente

homogéneas con respecto a factores que afectan la variable de respuesta. Sin
embargo, algunas veces no tenemos disponibles suficiente número de UE
homogéneas. Cualquier factor que afecte la variable de respuesta y que varíe
entre UE 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 UE en grupos homogéneos. Una buena elección

del criterio de bloqueo resulta en menor variación entre las UE dentro de los
bloques comparada con la variación entre UE de diferentes bloques.
Generalmente los criterios de bloqueo son:

Proximidad (parcelas vecinas)

Características físicas (edad, peso, sexo)
Tiempo
Manejo de las UE en el experimento

EJEMPLO

Para ilustrar el diseño, supongamos que queremos determinar si cuatro

laboratorios miden la misma resistencia característica del hormigón a
compresión. Para ello se han considerado 5 amasadas diferentes que han sido
analizadas por cada uno de los laboratorios. A los 28 días, se han roto las
probetas a compresión simple y los resultados son los que hemos recogido en
la tabla que sigue.

4
 AMASADA
1 2 3 4 5
LABORATORIO 1 63,5 63,2 62,3 65,6 65,0
LABORATORIO 2 64,1 64,2 63,0 64,2 64,9
LABORATORIO 3 65,9 65,0 63,9 66,0 65,8
LABORATORIO 4 64,9 65,2 64,1 65,9 67,9

En este caso, la variable de respuesta es la resistencia característica del

hormigón a compresión (MPa), el factor es el laboratorio (4 niveles),
el bloque es la amasada (no son objeto directo de motivo del estudio). Por otra
parte, se considera que no existe interacción entre el laboratorio y la amasada
(factor y bloque).

En este tipo de experimento, la medición será el resultado del efecto del

tratamiento (laboratorio) donde se encuentre, del efecto del bloque al que
pertenece (amasada) y de cierto error que se espera que sea aleatorio. La
hipótesis de que las medias son iguales se va a analizar con el análisis de la
varianza (ANOVA), con dos criterios de clasificación.

A parte del supuesto de normalidad, igualdad de varianzas y de independencia,

aquí se añade otro que es que no existe interacción entre el factor y el bloque.

Para los curiosos, después de haber analizado los datos, diremos que en este
caso, con una seguridad del 95%, se aprecian diferencias significativas entre
las resistencias medidas por los laboratorios 1 y 3, entre los laboratorios 1 y 4, 
y entre los laboratorios 2 y 4.

Diseño en cuadro latino

Los diseños en cuadrados latinos son apropiados cuando es necesario

controlar dos fuentes de variabilidad. En dichos diseños el número de niveles

5
del factor principal tiene que coincidir con el número de niveles de las dos
variables de bloque o factores secundarios y además hay que suponer que no
existe interacción entre ninguna pareja de factores. Supongamos que el
número de niveles de cada uno de los factores es K. El diseño en cuadrado
latino utiliza K2 bloques, cada uno de estos bloques corresponde a una de las
posibles combinaciones de niveles de los dos factores de control. En cada
bloque se aplica un solo tratamiento de manera que cada tratamiento debe
aparecer con cada uno de los niveles de los dos factores de control.

Si consideramos una tabla de doble entrada donde las filas y las columnas
representan cada uno de los dos factores de bloque y las celdillas los niveles
del factor principal o tratamientos, el requerimiento anterior supone que cada
tratamiento debe aparecer una vez y sólo una en cada fila y en cada columna.
Recibe el nombre de cuadrado latino de orden K a una disposición en filas y
columnas de K letras latinas, de tal forma que cada letra aparece una sola vez
en cada fila y en cada columna.

La forma simple de construcción de cuadrados latinos. Se parte de una primera

fila con las letras latinas ordenadas alfabéticamente

COLUMNA 1 COLUMNA 2 COLUMNA 3 … COLUMNA K

FILA 1 A B C … K

Las sucesivas filas se obtienen moviendo la primera letra de la fila anterior a la

última posición (construcción por permutación cíclica), el cuadrado así obtenido
es un cuadrado latino estándar. Un cuadrado latino se denomina estándar
cuando las letras de la primera fila y la primera columna están ordenadas
alfabéticamente. A parte de los cuadrados latinos así obtenidos existen otros
cuadrados latinos diferentes, estándares y no estándares. En el Apéndice B se
muestran algunos cuadrados latinos estándares para los órdenes 3, 4, 5, 6, 7, 8
y 9. El procedimiento para construir un diseño en cuadrado latino es el
siguiente: 1) Se elige aleatoriamente un cuadrado latino de los disponibles.

2) Se asigna aleatoriamente el orden de las filas y columnas.

6
3) Se asignan aleatoriamente los tres factores a las filas, columnas y letras,
respectivamente.

EJEMPLO

El ejemplo del rendimiento de la semilla de trigo. Al plantear este experimento

se pensó que podría conseguirse mayor precisión si se controlaba la
variabilidad introducida por los tipos de abono e insecticida. El instituto de
experimentación agrícola está interesado en estudiar 4 tipos de semilla de trigo,
(s1, s2, s3, s4) y decide realizar el experimento utilizando un diseño en
cuadrado latino. Para ello selecciona 4 niveles para cada una de las variables
de bloque: abono, (a1, a2, a3, a4), e insecticida, (i1, i2, i3, i4).

La selección de uno de los cuadrados se hace al azar. Supongamos que el

cuadrado latino elegido es el siguiente:

A B C D
B A D C
C D A B
D C B A

Se asigna también al azar, el orden de las filas y las columnas. Supongamos

que el orden seleccionado para las filas sea (2, 3, 1, 4), entonces el cuadrado
latino anterior se convierte en

B A D C
C D A B
C B C D
D C B A

Se vuelven a generar otros 4 números aleatorios que se identifican con el

orden de las columnas de este último cuadrado. Supongamos que los números
obtenidos son (4, 3, 1, 2), obteniéndose el siguiente cuadrado latino

C D B A
B A C D
D C A B
A B D C

7
Por último, se asignan al azar las filas, las columnas y las letras latinas a los
tres factores. Por ejemplo, supongamos que las filas, las columnas y las letras
se asignan, respectivamente, a los tipos de insecticidas, semillas y abonos, de
tal forma que el diseño resultante es:

Por convenio, se Semillas suele situar el factor

principal, en este Insecticidas s1 s2 s3 s4 caso el tipo de
semilla, en las i1 a3 a4 a2 a1 celdillas.
i2 a2 a1 a3 a4
Reordenando el diseño anterior se
i3 a4 a3 a1 a2
obtiene la siguiente i4 a1 a2 a4 a3 tabla:

Semillas
Insecticidas a1 a2 a3 a4

i1 s4 s3 s1 s2
i2 s2 s1 s3 s4
i3 s3 s4 s2 s1
En resumen, i4 s1 s2 s4 s3 podemos decir que
un diseño en cuadrado latino
tiene las siguientes características:

Se controlan tres fuentes de variabilidad, un factor principal y dos

factores de bloque.
Cada uno de los factores tiene el mismo número de niveles, K.

8
Cada nivel del factor principal aparece una vez en cada fila y una vez en
cada columna.
No hay interacción entre los factores.

9
 Diseño en cuadro 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.

PLANTEAMIENTO DEL MODELO

En un diseño en cuadrado greco-latino la variable respuesta yij (hp) viene

descrita por la siguiente ecuación

Donde

µ es un efecto constante, común a todas las unidades.

Ti es el efecto producido por el i-ésimo nivel del factor fila. Dichos

efectos están sujetos a la restricción ∑ Ti = 0.

j

10
 βj es el efecto producido por el j-ésimo nivel del factor columna. Dichos

efectos están sujetos a la restricción ∑ βj=0

j

γh es el efecto producido por el h-ésimo nivel del factor letra latina.

Dichos efectos están sujetos a la restricción ∑ yh=0

h

δp es el efecto producido por el p-ésimo nivel del factor letra griega.

Dichos efectos están sujetos a la restricción. ∑ S p=0

p

Eij(hp) son variables aleatorias independientes con distribución N (0, σ).

La notaciónY ij(hp) indica que los niveles i y j determinan los niveles h y p para
un cuadrado greco-latino especificado. Es decir, los subíndices h y p toman
valores que dependen de la celdilla (i, j).

Se utiliza la siguiente notación:

N = K2 es el número total de observaciones. El total y el promedio de

todas las observaciones
El total y el promedio de todas las observaciones

El total y el promedio para cada fila

El
total y
el

promedio para cada columna

El total y el promedio para cada letra latina

11
El total y el promedio para cada letra griega

y..h. se obtiene sumando las K observaciones en las que la letra latina

se ha fijado al nivel h.
y...p se obtiene sumando las K observaciones en las que la letra griega
se ha fijado al nivel p.

12
 Uso de un software estadístico
El software estadístico nace desde los problemas reales o las oportunidades de
reducir de costos, tiempo y esfuerzos. La potencialidad del software es facilitar
tareas específicas y organizar una infraestructura de sistemas de información.

La estadística es una ciencia aliada a la investigación científica. Los científicos

que trabajan en ecología, medicina, ingeniería e investigación de mercados;
comúnmente emplean software estadístico para realizar análisis multivariados
y gráficos de los cálculos. Muchos programas no son netamente estadísticos
pero hacen cálculos aplicables a la tarea de los investigadores.

La complejidad para organizar un alto volumen de datos le da protagonismo a

las herramientas estadísticas. Los software en la actualidad pueden
programarse para representar gráficos de cada cálculo o modelo predictivo en
segundos.

Las herramientas de análisis estadístico son aliadas de las importantes

empresas del mercado. Hay muchos tipos de programas informáticos
estadísticos, algunos de ellos son complejos y requieren de profesionales en
programación para usarlos. Por otro lado, hay otro tipo de software de uso más
intuitivo pero limitado y finalmente se puede programar un software a la
medida. Desde estas diferentes perspectivas, el software puede ser parte de
los activos o generar costos periódicos por licencias o suscripciones.

Un software estadístico de uso libre puede ser complejo de usar y requerir de

conocimientos de programación del lenguaje de programación en que se
desarrolló. En el mercado también se pueden encontrar software en la nube, a
los que el usuario se debe adaptar para facilitar algunas tareas. En el caso de
las empresas que invierten en diseñar software a la medida: Los sistemas a la
medida deberían ser más sencillos de utilizar para ahorrar tiempo y otros
esfuerzos.

Diseño de software estadístico

13
Los sistemas más utilizados por las empresas son para recibir y enviar
información, guardar datos, hacer cálculos, estudiar el mercado y tener control
de inventarios.

Un software de análisis estadístico debe contribuir a la investigación y el

entendimiento de los datos que sustentan las acciones a emprender. Los
reportes conllevan hacia decisiones y acciones para mejorar la experiencia de
usuario.

Actualmente una gran cantidad de información está en la nube, esto permite el

avance en las ciencias de datos y el aprendizaje automático de las maquinas.
El software analítico se desataca por sus funcionalidades de gestionar datos,
analizar las estadísticas y realizar proyecciones de diferentes simulaciones.

Nada va a organizar mejor la información qué un buen software. Para elegirlo

hay que tener diferentes criterios. Elegir los cálculos y los análisis más
importantes es fundamental en la primera etapa del diseño de software. El
usuario final del software debe estar involucrado en el proceso del diseño.

El proceso de diseño del software se debe hacer rigurosamente para disminuir

el riesgo de desarrollos erróneos. El cliente y el desarrollador deben analizar
los requerimientos que resultan, para que finalmente el cliente prepare las
condiciones del programa. Luego debe definirse la estructura del desarrollo, las
técnicas de programación y los algoritmos para cumplir con las condiciones.

Los mejores programas estadísticos

SPSS: el software de estadística más valorado.

Excel. Es una de las 7 mejores herramientas de análisis de datos
Python. Python es mucho más que un lenguaje de programación popular.
SAS. cualquier industria imaginable puede beneficiarse enormemente al
aprovechar el vasto potencial de SAS. Las industrias que dependen en gran
medida de SAS incluyen banca, automotriz, salud, educación, seguros,
manufactura, petróleo y gas, deportes y servicios públicos .

STATA. Los investigadores de todos los matices deben agradecer a

StataCorp por crear STATA en 1985. La herramienta es un paquete de
software para todo uso que siempre arroja resultados confiables.
14
 Conclusión
Algunos experimentos diseñados pueden proveer información de manera
efectiva cuando las mediciones son difíciles o muy costosas de hacer o pueden
minimizar el efecto de variabilidad no deseada en la inferencia del tratamiento.
A continuación una breve discusión de los dos diseños comúnmente utilizadas.
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.

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

15
 Referencias

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

https://todoestadistica.com/software-estadistico/

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

https://victoryepes.blogs.upv.es/2014/06/30/diseno-de-experimentos-por-
bloques-completos-al-azar/

https://canalinnova.com/los-7-mejores-programas-de-software-estadistico/

16