UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE MEDICINA VETERINARIA Y ZOOTECNIA

TRABAJO ENCARGADO:
N°18: PROPORCIONE DATOS REFERENTES A UN DBCA CON 8 TRATAMIENTOS
6 BLOQUES POR TRATAMIENTO. CONSIDERE UNA UNIDAD EXPERIMENTAL
PERDIDA (LA QUE USTED CONSIDERE CONVENIENTE). ESTIME EL VALOR DE
DICHA UNIDAD EXPERIMENTAL QUE SE ASUME SE PERDIÓ. DESARROLLE EL
CUADRO DE ANVA PERTINENTE. DETERMINE LA GANANCIA EN EFICIENCIA
RELATIVA (ER) DEL DISEÑO BLOQUE COMPLETO AL AZAR, RESPECTO A QUE
EL EXPERIMENTO SE HUBIESE CONDUCIDO COMO DISEÑO
COMPLETAMENTE AL AZAR.
CURSO:
BIOESTADÍSTICA EXPERIMENTAL.
PRESENTADO POR:
ALI ROBERTHS MAYTA QUISPE.
CÓDIGO: 215045
Sección: “B”
DOCENTE:
EDGAR APAZA ZUÑIGA.
SEMESTRE:
IV
PUNO – PERU
2023
DISEÑO BLOQUE COMPLETO AL AZAR.
¿Por qué utilizar bloques en un diseño de experimentos?, simple y sencillamente
porque hay fuentes de variación bien detectadas sobre las cuales no se tiene manera
de influir para modificarlas, pero si se puede cuantificar su efecto en un experimento.
Inclusive se puede determinar un gradiente de variación. De tal manera que se puede
estudiar cada nivel del experimento, tanto en las condiciones más favorables, como
en las desfavorables, por lo que las conclusiones se realizan sobre la respuesta
promedio. (Armando Cervantes Sandoval, 2005)

Se llama también experimento con dos criterios de clasificación, porque tiene dos
fuentes de variación; estas son tratamientos y bloques: este diseño es un modelo
estadístico en el que:

Se distribuyen las unidades experimentales en grupos o bloques, de tal manera que

las unidades experimentales dentro de un bloque sean homogéneas, pero entre
grupos haya heterogeneidad y que en el número de unidades experimentales dentro
de un bloque sea igual al número de tratamientos por investigar (Liñan, 2015).

El diseño de Bloques Completos al Azar (DBCA) es uno de los diseños

experimentales que tienen mayores aplicaciones en la investigación agronómica. Este
diseño es especialmente útil, para experimentos de campo en donde no es muy alto
el número de tratamientos que se evalúan y el área experimental sigue un gradiente
de productividad predecible (Rueda, 2015).

Este es el más simple y quizás el ampliamente usado de los diseños de bloques al

azar que es definido por así: El material experimental es dividido en grupos
de unidades experimentales (UE) cada uno, donde “t” es el número de tratamientos,
tales que las UE dentro de cada grupo son lo más homogénea posible y las diferencias
entre las UE sea dada por estar en diferentes grupos. Los conjuntos son llamados
bloques. Dentro de cada bloque las UE son asignadas aleatoriamente, cada
tratamiento ocurre exactamente una vez en un bloque (Rivera, 2016).

Si la variación entre las UE dentro de los bloques es apreciablemente pequeña en

comparación con la variación entre bloques, un diseño de bloque completo al azar es
más potente que un diseño completo al azar.
Los tratamientos en un diseño completamente al azar son asignados aleatoriamente
a las unidades experimentales y esto también se da en caso contrario. En la
distribución de los tratamientos a las unidades experimentales, el diseño no pone
restricciones (Salazar, 2002).

El Nombre de bloques completos al azar se aplica a este diseño experimental, porque

todos los tratamientos aparecen representados en cada uno de los bloques del
experimento.

Características:

➢ Las unidades experimentales son heterogéneas.

➢ Las unidades homogéneas están agrupadas formando los bloques.
➢ En cada bloque se tiene un número de unidades igual al número de
Tratamientos (bloques completos).
➢ Los tratamientos están distribuidos al azar en cada bloque.
➢ El número de repeticiones es igual al número de bloques.

Pero debe tenerse presente que todo material biológico, por homogéneo que sea,
presenta una cierta fluctuación cuyos factores no se conocen y son, por lo tanto,
incontrolables.

Condiciones y circunstancias.

Nos dice que el diseño de bloques completos aleatorizados es un diseño en el que

las unidades (llamadas unidades experimentales), a las que se les aplican los
tratamientos, se subdividen en grupos homogéneos llamados bloques, de modo que
el número de unidades experimentales en un bloque es igual al número (o a algún
múltiplo del mismo) de tratamientos que se están estudiando. Se asignan entonces al
azar los tratamientos a las unidades experimentales dentro de cada bloque. Debe
tenerse en cuenta que cada tratamiento aparece en todos los bloques y que cada
bloque recibe todos los tratamientos. (Liñan, 2015)

La efectividad del diseño depende de que se logren formar bloques homogéneos de

unidades experimentales.
Por ejemplo, cuando se trabaja con animales, es posible que se formen bloques de
acuerdo con las razas o camadas. O en el caso de humanos, si se espera que la edad
o el sexo sean factores condicionantes que puedan afectar el resultado de los
tratamientos, se pueden formar bloques por edad, por sexo, peso, incluso
características socioeconómicas. Si se agrupasen por edad, una persona de cada
edad recibirá cada tratamiento.

El diseño en bloques completos aleatorizados puede utilizarse también

convenientemente cuando un experimento debe llevarse a cabo en más de un
laboratorio (bloque) o cuando se requieren varios días (bloques) para concluirlo.

Distribución Ordenada De Tratamientos Por Bloques.

TA TB TC TD TE 
B1 Y11 Y21 Y31 Y41 Y51 Y.1
B2 Y12 Y22 Y32 Y42 Y52 Y.2
B3 Y13 Y23 Y33 Y43 Y53 Y.3 Y.J
B4 Y14 Y24 Y34 Y44 Y54 Y.4
B5 Y15 Y25 Y35 Y45 Y55 Y.5
 Y1. Y2. Y3. Y4. Y5. Y..
Y i.

Análisis De Varianza Para Un D.B.C.A.

➢ Modelo Aditivo Lineal.

𝒀𝒊𝒋 = 𝝁. . +𝜷𝒋 + 𝝉𝒊 + 𝝃𝒊𝒋

𝒀𝒊𝒋 = Es una observación cualquiera.

𝜇. . = Un valor constante igual a la media poblacional.

𝛽𝑗 = Efecto del j-ésimo bloque.
𝜏𝑖 = Efecto del i-ésimo tratamiento.
𝜉𝑖𝑗 = Error experimental.
i = 1, 2, ..., t.
j = 1, 2, ..., r.
➢ Planteamiento De Hipótesis.

𝑯𝑶 : 𝝁𝑻𝟏 = 𝝁𝑻𝟐 = 𝝁𝑻𝟑 = 𝝁𝑻𝟒

𝑯𝟏 : 𝝁𝑻𝟏 ≠ 𝝁𝑻𝟐 ≠ 𝝁𝑻𝟑 ≠ 𝝁𝑻𝟒
(H1: Al menos una media de tratamientos es diferente)
➢ Cuadro De Análisis De Varianza Para Un Diseño Bloque Completo Al
Azar.
F.DE V. G.DE.L. S. DE C. M. E[MC] I E[CM]II F
C.

BLOQ. (r-1) SCBLOQ CMBLOQ ²+t²j/r-1 ²+t²B

CMTRAT
TRAT. (t-1) SCTRAT CMTRAT ²+r²i /-1 ²+r²t CM E.E.

E.E. (t-1)(r-1) SC E.E. CME.E. ² ²

TOTAL tr-1 SCTOTAL -----

➢ Determinación De Sumas De Cuadrados.

✓ Suma de cuadrados de bloques.

∑𝒓𝒋=𝟏 𝒀𝟐.𝒋 𝒀𝟐..

𝑺𝑪𝒃𝒍𝒐𝒒𝒖𝒆𝒔 = −
𝒕 𝒕𝒓
✓ Suma de cuadrados de tratamientos.

∑𝒕𝒊=𝟏 𝒀𝟐𝒊. 𝒀𝟐..

𝑺𝑪𝒕𝒓𝒂𝒕𝒂𝒎 = −
𝒓 𝒕𝒓
✓ Suma de cuadrados del total.
𝒕 𝒓
𝒀𝟐..
𝑺𝑪𝒕𝒐𝒕𝒂𝒍 = ∑ ∑ 𝒀𝟐𝒊𝒋 −
𝒕𝒓
𝒊=𝟏 𝒋=𝟏

✓ Suma de cuadrados para el error experimental.

𝑺𝑪𝒕𝒐𝒕𝒂𝒍 − 𝑺𝑪𝒕𝒓𝒂𝒕𝒂𝒎 + 𝑺𝑪𝒃𝒍𝒐𝒒𝒖𝒆𝒔

 ➢ Determinación De Cuadrados Medios.
✓ Cuadrado Medio De Bloques.
𝑺𝑪𝑩𝑳𝑶𝑸𝑼𝑬𝑺
𝑪𝑴𝑩𝑳𝑶𝑸𝑼𝑬𝑺 =
𝒓−𝟏
✓ Cuadrado Medio De Tratamientos.
𝑺𝑪𝑻𝑹𝑨𝑻
𝑪𝑴𝑻𝑹𝑨𝑻 =
𝒕−𝟏
✓ Cuadrado Medio Del Error Experimental.
𝑺𝑪𝑬𝑬
𝑪𝑴𝑬𝑬 =
(𝒕 − 𝟏)(𝒓 − 𝟏)
Ventaja Del Diseño De Bloques Completamente Al Azar.

Se caracteriza por su equilibrio, fácil planeación y procedimiento de cálculo simple.

Desventaja Del Diseño De Bloques Completamente Al Azar.

Su única desventaja es que cuando el número de tratamientos es alto, aumenta la

superficie del terreno dentro de cada bloque y también el error experimental.
EJEMPLO DE UN DISEÑO BLOQUE COMPLETO AL AZAR DESBALANCEADO.

Los datos que se muestran en el siguiente cuadro son los correspondientes a un

experimento llevado a cabo para comparar el efecto de siete (7) fungicidas respecto
a la emergencia de plántulas de maíz infectados con diplodia spp. El experimento fue
conducido como diseño bloque completo al azar con siete tratamientos (fungicidas) y
un tratamiento control sin ninguna adición, el experimento fue realizado en un
invernadero con seis bloques.

Cada unidad experimental consistía en 25 semillas y la variable de respuesta fue la

cantidad de plántulas emergidas.

TRATAMIENTOS.
BLOQUES. A B C D E F G H TOTAL.
I 7 15 11 17 11 17 12 14 104
II 8 14 13 10 15 13 15 8 96
III 9 11 15 8 10 12 18 17 100
IV 5 10 8 12 9 15 19 6 84
V 6 17 10 13 x 10 16 10 82

VI 4 18 9 11 15 11 10 15 93
39 85 66 71 60 78 90 70 559

Estimar Valor De La Unidad Experimental Perdida.

𝒓𝒀.𝒋 + 𝒕𝒀𝒊. − 𝒀..

̂ 𝒊𝒋 =
𝒀
(𝒓 − 𝟏)(𝒕 − 𝟏)

(𝟔)(𝟖𝟐) + (𝟖)(𝟔𝟎) − 𝟓𝟓𝟗

̂ 𝒊𝒋 =
𝒀 = 𝟏𝟏. 𝟖
(𝟔 − 𝟏)(𝟖 − 𝟏)

TRATAMIENTOS.
BLOQUES. A B C D E F G H TOTAL.
I 7 15 11 17 11 17 12 14 104
II 8 14 13 10 15 13 15 8 96
 III 9 11 15 8 10 12 18 17 100
IV 5 10 8 12 9 15 19 6 84
V 6 17 10 13 11.8 10 16 10 93.8
VI 4 18 9 11 15 11 10 15 93
39 85 66 71 71.8 78 90 70 570.8

Cuadro De Análisis De Varianza.

Análisis de Varianza
FUENTE DE VARIABILIDAD. GL. S de C. C.M. Valor de F Sig.

BLOQUES 5 29.17 5.833 0.60 0.699

TRATAMIENTOS 7 275.94 39.420 4.07 0.002
ERROR EXPERIMENTAL 35 339.37 9.696

TOTAL 47 644.48

Determinación Del Valor De Sesgo.

[𝒀.𝒋 − (𝒕 − 𝟏)𝒀̂ 𝒊𝒋 ]𝟐
𝑺𝒆𝒔𝒈𝒐 =
𝒕(𝒕 − 𝟏)

[𝟖𝟐 − (𝟖 − 𝟏)𝟏𝟏. 𝟖]𝟐

𝑺𝒆𝒔𝒈𝒐 = = 𝟎. 𝟎𝟎𝟔𝟒𝟐
𝟖(𝟕)

Cuadro De Análisis De Varianza Definitivo.

F. DE V. G.L. S. DE C. C.M F SIG.

BLOQUES 5 29.17 5.833
TRATAMIENTOS 7 275.93 39.418 3.9493 0.002
ERROR 34 339.37 9.981
EXPERIMENTAL
TOTAL 47 644.48
Comprobando Mediante Software Estadístico S.P.S.S.
Resultados.

Puesto que Fc = 3.949 > Sig = 0.002, la hipótesis nula Ho se rechaza y se concluye
que existe diferencia en el efecto de los fungicidas con una significancia del 5%.

Ganacia en eficiencia.

➢ Estimado del cuadrado medio del error si el experimento hubiese

conducido como DCA es:

𝑮𝑳𝑩𝑳𝑶𝑸 𝑪𝑴𝑩𝑳𝑶𝑸 + (𝑮𝑳𝑻𝑹𝑨𝑻 + 𝑮𝑳𝑬.𝑬. )𝑪𝑴𝑬.𝑬.

𝑪𝑴𝑬.𝑬.(𝑫𝑪𝑨) =
𝑮𝑳𝑩𝑳𝑶𝑸 + 𝑮𝑳𝑻𝑹𝑨𝑻 + 𝑮𝑳𝑬.𝑬.

(𝟓)(𝟓. 𝟖𝟑) + (𝟕 + 𝟑𝟒)(𝟗. 𝟗𝟖𝟏) 𝟒𝟑𝟖. 𝟑𝟕𝟏

𝑪𝑴𝑬.𝑬.(𝑫𝑪𝑨) = = = 𝟗. 𝟓𝟐𝟗
𝟓 + 𝟕 + 𝟑𝟒 𝟒𝟔

➢ La eficiencia relativa es:

(𝑮𝑳𝟏 + 𝟏)(𝑮𝑳𝟐 + 𝟑)𝑪𝑴𝑬.𝑬.(𝑫𝑪𝑨)

𝑬𝑹(𝑫𝑩𝑪𝑨→𝑫𝑪𝑨) = ∗ 𝟏𝟎𝟎
(𝑮𝑳𝟐 + 𝟏)(𝑮𝑳𝟐 + 𝟑)𝑪𝑴𝑬.𝑬.(𝑫𝑩𝑪𝑨)

(𝟑𝟒 + 𝟏)(𝟒𝟎 + 𝟑)(𝟗. 𝟓𝟐𝟗)

𝑬𝑹(𝑫𝑩𝑪𝑨→𝑫𝑪𝑨) = ∗ 𝟏𝟎𝟎 = 𝟗𝟒. 𝟕𝟏𝟔
(𝟒𝟎 + 𝟏)(𝟑𝟒 + 𝟑)(𝟗. 𝟗𝟖𝟏)
 ➢ Interpretación del resultado:
No fue eficiente el uso de un diseño Bloque Completo al azar por cuanto 95
repeticiones de un Diseño Completamente al azar dan tanta información como
100 bloques de un diseño Bloque Completo al Azar.

Conclusion:

El diseño bloque completo al azar es efectivo para conducir experimentos donde se

identificaron una gradiente que es reconocida, no es recomendable perder unidades
experimentales en el D.B.C.A porque afectan en los resultados finales de los efectos
de los tratamientos en cada bloque, ademas de que es un diseño mas usado en
experimentos por su poca complejidad.

Bibliografia:

Libros:

1. Cochran.G.W. and Cox.M.G.1957. Experimental Designs, Second edition.

Canada. Pág. 611.
2. Infante. G. S.; Zarate. De L. G.P. 2010. Métodos Estadísticos Un enfoque
interdisciplinario. Editorial Trillas, México. Pág. 646.
3. Montgomery C. D.1991. Design and Analysis of Experiments. WILEY. Canada.
Pág. 649.
4. Martínez G. A.1994. Experimentación Agrícola (Métodos estadísticozs).
Universidad Autónoma Chapingo. Texcoco, México. Pág.357.
5. Padrón C. E.1996. Diseños experimentales con aplicación a la agricultura y la
ganadería. Trillas, México. Pág. 215.
Sitios web:
1. Armando Cervantes Sandoval, M. J. (2005). Diseño de experimentos.
https://www.zaragoza.unam.mx/wp-
content/Portal2015/Licenciaturas/biologia/ecocuan/ecocuan_dis_manual.pdf

2. Liñan, J. L. (2015). Diseño Bloque Completo Al Azar.

http://ri.uaemex.mx/bitstream/handle/20.500.11799/31401/secme-
17390.pdf?sequence=1

3. Rivera, H. M. (2016). Diseño Experimental.

http://red.unal.edu.co/cursos/ciencias/2000352/html/un6/cont_613-97.html

4. Rueda, C. G. (2015). Diseños experimentales relacionados con un solo factor

de estudio. https://core.ac.uk/download/pdf/55527325.pdf

5. Salazar, M. L. (2002). Manual de aplicacion de los diseños experimentales

basicos en el paquete NCSS.
https://cdigital.uv.mx/bitstream/handle/123456789/47703/LeonSalazarMerced
es.pdf?sequence=1&isAllowed=y