UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS

DPTO. ACADEMICO DE TECNOLOGIA DE LA PRODUCCION

Diseño en Bloques
Completamente Aleatorizado
(DBCA) S5

PROFESORA: ING CARMEN LAU CARRILLO

CURSO: CONTROL ESTADISTICO DE LA CALIDAD
DTP 2023

1
 Introducción
El diseño en bloque completamente aleatorizado también se basa en el análisis de
varianza, pero permite el ingreso de un nuevo componente que son los “bloques”

También se le conoce como “diseño de dos vía” porque ahora se evalúa el efecto
del tratamiento y el efecto de los bloques.

Este modelo se aplica cuando el material es heterogéneo.

en donde la varianza total se descompone en la “varianza de los tratamientos” y la

“varianza del error”.
El objetivo es determinar si existe un diferencia significativa entre los tratamientos,
para lo cual se compara si la “varianza del tratamiento” contra la “varianza del
error” y se determina si la primera es lo suficientemente alta según la distribución
F.
2
 Que son los bloques?
Los bloques se ubican en las celdas experimentales, cuyos
componentes son similares dentro de cada bloque, pero con cierta
diferencia entre un determinado grupo de la información a analizar.
Este material heterogéneo a analizar esta conformado por unidades
experimentales homogéneas, de características similares entre si y se
agrupan formando grupos homogéneos llamados bloques.
No son el motivo principal del estudio, pero aparecen de forma natural
como otro elemento a considerar y obligada a evaluarlo como
consecuencia del mismo experimento a desarrollar.
Ej. Hierbas aromáticas, entre ellas están el perejil, culantro, albahaca,
laurel, etc.
3
 Características del diseño DBCA

Se definen los r tratamientos que se van a aplicar. Cada celda

Se definen los n bloques (unidades experimentales experimental
con características similares y se agrupan), de tal tiene UN SOLO
forma que a cada uno de estos bloques les va a DATO.
corresponder un tipo de tratamiento.

Se asumen que se todas las muestras provienen de

una población normal.

4
 Definir la variable respuesta
La variable respuesta recoge el valor de la solución que se desea
obtener.

Definir el criterio
El criterio es el punto critico que va a ayudar a tomar la decisión del
ensayo.
j representa tratamiento
Presentación del dato Xij
i representa bloque
5
 1. Presentación de un caso DBCA
Es el segundo modelo estadístico a estudiar.
Se definen los tratamientos y se definen los bloques.
Se realiza el experimento y se recopilan los datos.
Trat 1 Trat 2 Trat 3 Trat 4 Total
1.1. Esquema de datos Bloques 100gr 120gr 150gr 160gr Bloq
Este ejemplo representa un experimento de I 10 11 12 14
cuatro tratamientos y tres bloques.
8 9 11 12
II
1.2. Significado de la data: Cantidad de cosecha 11 12 15 14
obtenida.
III
1.3. Tratamientos: cantidad de fertilizante. total 29 32 38 40
trat
1.4. Bloques: Marca de fertilizantes.

6
 2. Cálculo de cada tratamiento
Lo primero es calcular el total de cada tratamiento.
Se suman todos los valores de las unidades experimentales.
A este valor se le llamará SUMA DE TRATAMIENTOS = T.j
Bloques Trat 1 Trat 2 Trat 3 Trat 4

I 10 11 12 14
II 8 9 11 12
III 11 12 15 14
total trat 29 32 38 40 139

841 1024 1444 1600 4909

T².j

7
 3. Cálculo de cada bloque
Se calcula el total de cada bloque.
Se suman todos los valores de cada bloque.
A este valor se le llamará SUMA DE BLOQUES = T i.
Bloques Trat 1 Trat 2 Trat 3 Trat 4 Total Bloq T² i.
I 10 11 12 14 47 2209
II 8 9 11 12 40 1600
III 11 12 15 14 52 2704
total trat 29 32 38 40 139
6513

841 1024 1444 1600 4909

T².j

8
 4. Cálculo de los xij²
Cada uno de los valores experimentales se elevan al cuadrado y se
suman todos.
A este valor se le llamará SUMA de X al cuadrado (Σ Σ x²)
Trat 1 Trat 2 Trat 3 Trat 4 Total
Bloques Bloq
I 100 121 144 196

64 81 121 144
II
121 144 225 196
III

ΣΣ x² 285 346 490 536 ΣΣ x² = 1657

9
 EFECTOS DE DESARROLLAR UN EXPERIMENTO DBCA

EFECTO
TOTAL EFECTO EFECTO
del TRATAMIENTO + EFECTO + AZAR O
experimento aplicado BLOQUE ERROR

10
 PARTICION DE LA SUMA DE CUADRADOS

SUMA DE SUMA DE SUMA DE

CUADRADOS CUADRADOS SUMA DE CUADRADO
DEL TOTAL
DEL + CUADRADOS + DEL
DE BLOQUE ERROR
TRATAMIENTO

11
 FORMULAS para el DBCA
SC total =  xij 2
- FC
-

SC trat = Σ T² .j/ nj - FC
SC bl = Σ T² i./ r - FC

SC err = SC tot - SC trat - SC bl

Siendo el Factor de Corrección = FC = T..² / n x r

12
 * Limites considerados para repeticiones y tratamientos

Dato Xij
Para los bloques:
Bl (1, n) J representa el tratamiento
(vertical)
i representa el bloque
Para los tratamientos: (horizontal)

Trat ( 1, r )

13
 5. Se continúa con el cálculo de los tratamientos
Se calcula el total de cada tratamiento.
Se elevan al cuadrado estos totales.
Ahora se suman todos estos valores, se divide entre n y se resta el FC.
Trat 1 Trat 2 Trat 3 Trat 4 Total
Bloques Bloq
I 10 11 12 14

8 9 11 12
II
11 12 15 14
III
suma 29 32 38 40 139

841 1024 1444 1600 4909

14
 6. Continuar con el cálculo de los bloques
Se calcula el total de cada bloque.
se elevan al cuadrado estos totales.
Ahora se suman todos estos valores, se divide entre r y se resta el FC.
Trat 1 Trat 2 Trat 3 Trat 4 Total total²
Bloques Bloq
I 10 11 12 14 47 2209
8 9 11 12
40 1600
II
11 12 15 14
52 2704
III

6513

15
 FORMULAS para el DBCA
SC total =  xij 2
- FC
-

SC trat = Σ T² .j/ nj - FC
SC bl = Σ T² i./ r - FC

SC err = SC tot - SC trat - SC bl

Siendo el Factor de Corrección = FC = T..² / n x r

16
 7. Factor de corrección
Fc= (139 x 139) / 4 x 3 = 1610.08333

Ahora se suman todos estos valores, se divide entre r y se resta el FC.

Trat 1 Trat 2 Trat 3 Trat 4 Total total²
Bloques Bloq
I 10 11 12 14 47 2209
8 9 11 12
40 1600
II
11 12 15 14
52 2704
III

29 32 38 40
6513
841 1024 1444 1600 4909

17
 8. Sumas de cuadrado
Fc= (139 x 139) / 4 x 3 = 1610.08333

SC tot= 1657- FC= 46.9166

SC trat= 4909/3- FC= 26.25

SC bl= 6513/4- FC= 18.1666

SC e= 46.9166- 26.25= 2.5

18
 Tabla ANVA para DBCA
.
FV SC gl CM Fc Ft Análisis y Hipótesis
Decisión
TRAT SC tr gl tr = (r-1) CM tr =SC tr/gl tr Fc tr = CMtr/CMe Ft (95%, Aceptar o Ho: trat =s
gltr vs gle ) Rechazar hip H1: trat ≠
BLOQ SC bl gl bl = (n-1) CM bl = SC bl/gl bl Fc bl = CM bl/CMe Ft (95%, Aceptar o Ho: bl =s
glbl vs gle) rechazar H1: bl ≠
ERROR SC e gl e = dif = CM e = SC e/gl e
= gltot – gltr – glbl
TOTAL SC tot gl tot = (nr-1)

Regla para la toma de decisión:

a) Si Fc < Ft , se acepta la hipótesis nula Ho
b) Si Fc > Ft, se rechaza la hipótesis nula Ho, o sea se acepta la hipótesis alternativa H1

19
 Tabla ANVA para DBCA
.
FV SC gl CM Fc Ft Análisis y Hipótesis
Decisión
TRAT 26.25 3 8.75 21.0033 4.76 Fc>Ft, R Ho, Ho: trat =s
tr ≠s
BLOQ 18.166 2 9.0833 21.8034 5.14 Fc>Ft, R Ho Ho: bl =s
bl ≠s
ERROR 2.5 6 0.4166

TOTAL 46.916 11

Regla para la toma de decisión:

a) Si Fc < Ft , se acepta la hipótesis nula Ho
b) Si Fc > Ft, se rechaza la hipótesis nula Ho, o sea se acepta la hipótesis alternativa H1

20
Tabla
FISCHER
al 95%

21 15
 8. Contrastes
Observamos los valores mayores (según el criterio)

Trat 1 Trat 2 Trat 3 Trat 4 Total

Bloques Bloq
I 10 11 12 14 47
8 9 11 12
40
II
11 12 15 14 bloques
52
III

29 32 38 40

tratamientos
22
 DATO: cantidad de cosecha
CONTRASTES CRITERIO: A mayor valor, mejor resultado

Para tratamiento: C1: tr4 vs tr3 Ho: tr4 = tr3 (40 y 38)

C1= (40² + 38² )/3- (40+38)² /(3+3) = 0.666

Para tratamiento: C2: tr4 vs tr2 Ho: tr4 = tr2 (40 y 32)

C1= (40² + 32² )/3- (40+32)² /(3+3) = 10.666

Para bloque: C3: bl3 vs bl2 Ho: bl3 = bl2 (52 y 47)

C3= (52² + 47² )/4 – (52+47)² /(4+4) = 3.125

23
 Tabla ANVA para DBCA
. gl
FV SC CM Fc Ft Análisis y Hipótesis
Decisión
TRAT 26.25 3 8.75 21.0033 4.76 Fc>Ft, R Ho, Ho: trat =s
tr ≠s
BLOQ 18.166 2 9.0833 21.8034 5.14 Fc>Ft, R Ho Ho: bl =s
bl ≠s
ERROR 2.5 6 0.4166

TOTAL 46.916 11
C1 0.666 1 0.666 1.598 5.99 Fc<Ft, A Ho Ho: tr4 = tr3
C2 10.666 1 10.666 25.602 5.99 Fc>Ft, R Ho Ho: tr4 = tr2
CONCLUSION: Los mejores tratamientos son el tr4 y tr3
C3 3.125 1 3.125 7.501 5.99 Fc>Ft, R Ho Ho: bl3 = bl1
CONCLUSION: El mejor bloque es el bloque 3
24
 Hasta la próxima clase!

25