INSTITUTO TECNOLÓGICO DE MÉXICO

CAMPUS CERRO AZUL

INGENIERIA INDUSTRIAL

MATERIA: ESTADÍSTICA INFERENCIAL II

GRUPO:1

TRABAJO:

- IDENTIFICAR LA FAMILIA DE DISEÑO

EXPERIMENTALES PARA COMPARAR TRATAMIENTOS.

- INVESTIGAR LOS ELEMENTOS DE LOS DISEÑOS

COMPLETAMENTE AL AZAR Y EL ANÁLISIS DE
VARIANZA.

DOCENTE: HERNÁNDEZ GALLEGOS ROLANDO

NOMBRE DEL ALUMNO

LUCERO BAUTISTA CARBALLO

NO. DE CONTROL: 21500507

 Familia de diseños para comparar tratamientos
Se llaman Experimentos Factoriales a aquellos experimentos en los que se estudia
simultáneamente dos o más factores, y donde los tratamientos se forman por la
combinación de los diferentes niveles de cada uno de los factores.
Los diseños experimentales más utilizados para comparar tratamientos son:
Diseño completamente al azar (DCA)
1) Diseño en bloque completamente al azar (DBCA)
2) Diseño en cuadro latino (DCL)
3) Diseño en cuadro grecolatino (DCGL)
La diferencia fundamental entre estos diseños es el número de factores de bloque
que incorporan o controlan de forma explícita durante el experimento.
Para cada diseño comparativo se tienen al menos dos fuentes de variabilidad: los
tratamientos o niveles del factor de interés y el error aleatorio. Se agrega una nueva
fuente de variabilidad por cada factor de bloque que se controla directamente.

1) Diseños en bloque completamente al azar (DBCA)

Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo.
las unidades experimentales homogéneas se agrupan formando grupos
homogéneos llamados bloques.
Tratamientos A, B, C, D, E
Bloque I: B A E C D
Bloque II: C B D E A
Bloque III: B E A D C
Bloque IV: D C A E B
Las fuentes de variación para el análisis estadístico son:
Fuentes Grados de libertad
Características:
1) Las unidades experimentales son heterogéneas
2) Las unidades homogéneas están agrupadas formando los bloques.
3) En cada bloque se tiene un número de unidades igual al número de
tratamientos (bloques completos)
4) Los tratamientos están distribuidos al azar en cada bloque.
5) El número de repeticiones es igual al número de bloques.

2) Diseño en cuadro latino (DCL)

Los diseños en cuadrados latinos son apropiados cuando es necesario controlar
dos fuentes de variabilidad. En dichos diseños el número de niveles 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.
A continuación, vamos a dar una forma simple de construcción de cuadrados latinos.
Se parte de una primera fila con las letras latinas ordenadas alfabéticamente

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

3) Diseño en cuadro grecolatino (DCGL)

Con el Diseño en Cuadro Grecolatino (DCGL) se controlan tres factores de bloque,
además del factor de tratamiento. Se llama cuadro grecolatino porque los cuatro
factores involucrados se prueban en la misma cantidad de niveles, de aquí que se
pueda escribir como un cuadro, como se muestra en la Tabla 1. Se utilizan letras
para denotar los tratamientos, y letras griegas para nombrar los niveles del tercer
factor de bloque, mientras que el primer y segundo factor de bloque se ubican en
los renglones y en las columnas.

El modelo estadístico que describe las mediciones en un cuadro grecolatino está

dado por:
 Elementos de los diseños completamente al azar y el análisis de
la varianza
El diseño completamente al azar es el más sencillo de los diseños de experimentos
que tratan de comparar dos o más tratamientos, puesto que sólo considera dos
fuentes de variabilidad: los tratamientos y el error aleatorio.
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor,
es deseable que las posibles diferencias se deban principalmente al factor de interés
y no a otros factores que no se consideran en el estudio. Cuando esto no ocurre y
existen otros factores que no se controlan o nulifican para hacer la comparación, las
conclusiones podrían ser afectadas sensiblemente.
En un diseño en bloques completos al azar (DBCA) se consideran tres fuentes de
variabilidad: el factor de tratamientos, el factor de bloque y el error aleatorio, es decir,
se tienen tres posibles “culpables” de la variabilidad presente en los datos.
Ventajas
Cuando en un experimento las unidades experimentales se arreglan bajo un Diseño
completamente al azar se tienen las siguientes ventajas:
• Flexibilidad: Cualquier número de tratamientos y cualquier número de
réplicas pueden ser usadas, siempre y cuando se tengan suficientes UE
homogéneas.
• Análisis Estadístico simple: el análisis estadístico es simple ya sea cuando
todos los tratamientos tengan igual número de réplicas (balanceado),
diferente número de réplicas (desbalanceado) o pérdida de datos, caso en el
cual se trata como un análisis desbalanceado.
• Máximo número de grados de libertad para el error: Esto ocurre porque el
diseño tiene solo dos fuentes de variación que son los tratamientos y el error
y los grados de libertad para este error están dados por la expresión t(r-1)
• Precisión: Es muy preciso si se tienen en cuenta UE homogéneas.
Desventajas

Se puede obtener baja precisión cuando las unidades experimentales no sean

muy homogéneas y así ser ineficiente.

Usos

1. Es recomendado cuando es posible que gran parte de las UE no respondan

al tratamiento o puedan perderse durante el experimento.
2. Es útil en experimentos en los que el número de UE es limitado, ya que
provee el máximo número de grados de libertad del error.
Análisis de la varianza
Es una técnica estadística que sirve para analizar la variación total de los resultados
experimentales de un diseño en particular, descomponiéndolo en fuentes de
variación independientes atribuibles a cada uno de los efectos en que constituye el
diseño experimental.
Terminología ANOVA

Variable dependiente: este es el elemento que se está midiendo y que se teoriza

como afectado por las variables independientes.

Variable(s) independiente(s): estos son los elementos que se están midiendo y

que pueden tener un efecto sobre la variable dependiente.

Una hipótesis nula (H0): Sucede cuando no existe diferencia entre los grupos o
medias. Dependiendo del resultado de la prueba ANOVA, la hipótesis nula será
aceptada o rechazada.

Una hipótesis alternativa (H1): Cuando se teoriza que existe una diferencia entre
los grupos y las medias.

Factores y niveles: En la terminología ANOVA, una variable independiente se

denomina factor que afecta a la variable dependiente. El nivel denota los diferentes
valores de la variable independiente que se utilizan en un experimento.

Modelo de factor fijo: algunos experimentos utilizan solo un conjunto discreto de

niveles para los factores. Por ejemplo, una prueba de factor fijo evaluaría tres dosis
diferentes de un medicamento y no buscaría ninguna otra dosis.

Modelo de factor aleatorio: este modelo extrae un valor aleatorio de nivel de todos
los valores posibles de la variable independiente.
Referencias bibliográficas:
https://rstudio-pubs
static.s3.amazonaws.com/768438_a06ffb5d69814f3fbb9a0b860c6d8e56.html
http://wpd.ugr.es/~bioestad/wp-content/uploads/Latinos.pdf
http://tarwi.lamolina.edu.pe/~fmendiburu/index-
filer/academic/metodos1/Bloques.pdf
https://es.scribd.com/doc/313075106/Familia-de-disenos-para-comparar-
tratamientos-docx
http://red.unal.edu.co/cursos/ciencias/2000352/html/un2/cont_201-21.html