Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En general, el diseño 3q requieren muchas corridas, por lo tanto, es poco probable que todas
las corridas 3q pueden llevarse a cabo en condiciones homogéneas. Como resultado, la
confusión en bloques es inevitable. Un experimento factorial completo puede ser colocado
en los bloques, donde las unidades en el mismo bloque son homogéneos. Este tipo de la
técnica de diseño se llama confusión. Los bloques completos incluyen todos los
tratamientos en cada bloque; por el contrario, los bloques incompletos no incluyen todos
los tratamientos o combinaciones de tratamiento en cada bloque. Los bloques incompletos
son menos eficientes que los bloques completos debido a que se pierde alguna información
(generalmente las interacciones de orden superior). Mientras tanto, factoriales confundido
tolerarán resultado más eficiente en los efectos principales y las interacciones de orden
inferior.
El diseño 3q puede ser confundido en bloques 3s, cada una con 3q-s unidades, donde q> s.
Por ejemplo, supongamos que los q = 3 y s = 2. El diseño factorial 33 se confunde en 32 = 9
bloques incompletos, cada una con 33-2 = 31 unidades. En primer lugar, es necesario definir
un contraste por elegir un efecto factorial para confundir con los bloques. El contraste de
definición general es
L 1x1 2 x2 q xq
donde
i representan los exponentes en el i-ésimo factor en el efecto a ser confundido y x
i
L x1 2 x2
Los elementos del bloque principal forman un grupo con respecto a la adición en módulo 3.
Con referencia a la figura N° 1, se observa que 11 11 22 y 11 22 00 , donde
indica la adicción de componente a componente en modulo 3. Las combinaciones de
tratamientos de los otros bloques pueden generarse sumando, en módulo 3, cualquier
elemento del nuevo bloque con los elementos del bloque principal. Por lo tanto, para el
bloque 2 se usa 10 para obtener
10 00 10 10 11 21 10 22 02
01 00 01 01 11 12 01 22 20
> confusion1<-read.table("confusion1.txt",T)
> y<-confusion1[,1]
> A<-as.factor(confusion1[,2])
> B<-as.factor(confusion1[,3])
> Bloques<-as.factor(confusion1[,4])
> mod<-lm(y~Bloques+A+B+A*B)
> anva<-aov(mod)
> summary(anva)
Df Sum Sq Mean Sq
Bloques 2 10.89 5.44
A 2 131.56 65.78
B 2 0.22 0.11
A:B 2 2.89 1.44
> TA0<-17
> TA1<--11
> TA2<-1
> SCA<-(TA0^2+TA1^2+TA2^2)/3-(TA0+TA1+TA2)^2/9
> SCA
[1] 131.5556
> TB0<-2
> TB1<-2
> TB2<-3
> SCB<-(TB0^2+TB1^2+TB2^2)/3-(TB0+TB1+TB2)^2/9
> SCB
[1] 0.2222222
> SCBloques<-(0^2+7^2+0^2)/3-7^2/9
> SCBloques
[1] 10.88889
SCBloques= SCAB2,
> SCAB<-(0^2+3^2+4^2)/3-7^2/9
> SCAB
[1] 2.888889
Las ecuaciones L pueden tomar solamente los valores de 0, 1, o 2 por L (mod 3). Como
resultado, las combinaciones de tratamiento en el diseño 33 asignados a los bloques basados
en los valores de u y h, denotadas como u / h bloque. Para el ejemplo, la combinación de
tratamiento 121 tiene un valor de u de
BC
Más en general, cuando hay s contrastes definido independientes, entonces (3s - 2s -1) / 2
=p otros efectos se confunden automáticamente debido a sus interacciones generalizadas
con los efectos originales.
La principal preocupación acerca del diseño 3q es que puede requerir un gran número de
corridas incluso para valores moderados de q. Por ejemplo, considere un diseño 39 con una
sola réplica tendría 19683 observaciones. Si el diseño se confunde en 39-6 = 27 bloques
incompletos, entonces cada bloque requerirá 27 observaciones. Por lo tanto, el diseño
factorial fraccional podría ser un enfoque alternativo al tratar con un gran número de
factores.