Instituto Tecnológico Superior de Coatzacoalcos

Carrera: Ingeniería Industrial

Ciclo escolar: Enero-Junio 2024

Asignatura: Estadística inferencial 2

Unidad: 4 Diseño de bloques.

Alumno: López Morales Elba Erika

No. De control: 22080888 semestre: 4 Grupo: C

Docente: Bricio Jiménez Ventura

Fecha: 20/02/2024

1
Índice
Introducción................................................................................................................................................3
3.1 Familia de diseños para comparar tratamientos............................................................................4
3.2 El modelo de efectos fijos..................................................................................................................6
3.3 Diseño completamente aleatorio y ANOVA..........................................................................................8
3.4 Comparaciones o pruebas de rangos múltiples.....................................................................................10
3.5 verificación de los supuestos del modelo......................................................................................12
Conclusión................................................................................................................................................15
Glosario.....................................................................................................................................................16
Bibliografía................................................................................................................................................17

2
Introducción

Como bien sabemos estos temas son de gran importancia. El uso puede ser cotidiano, o
simplemente usado en el área laboral. El diseño de experimentos ha resultado ser una herramienta
de gran impacto para el progreso de la industria. Contribuye a conocer los procesos de una
manera más profunda, lo cual permite hacer mejoras en calidad y bajar los costos de producción
por medio de métodos científicos

Esto es de gran importancia y ayuda en el desarrollo de la humanidad. En el trabajo que se

presentara a continuación hablaremos acerca de los diseños experimentales para un factor, en
donde principalmente entendemos como diseño experimental al esquema de cómo realizar
un experimento. El objetivo fundamental de los diseños experimentales radica en el determinar
si existe una diferencia significativa entre los diferentes tratamientos del experimento y en
caso que la respuesta es afirmativa, cuál sería la magnitud de esta diferencia. Esto es sumamente
importante para la adquisición de conocimientos y nuevas habilidades. El Diseño de
Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A. Fisher, quién sentó la base
de la teoría del Diseño Experimental y que a la fecha se encuentra bastante desarrollada y
ampliada. Actualmente las aplicaciones son múltiples, especialmente en la investigación de las
ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las ciencias sociales.
La presente investigación es de gran ayuda para el desarrollo y adquisición de nuevos
conocimientos y herramientas.

3
4.1 Diseños en bloques completos al azar
El diseño de Bloques Completos al Azar (DBCA) es un de los diseños experimentales que tienen
mayores aplicaciones en el área de ingeniería. Este diseño es especialmente útil, para
experimentos en industria en donde no es muy alto el número de tratamientos que se evalúan y el
área experimental sigue un gradiente de productividad predecible. Características generales. La
principal característica que distingue a este diseño es la presencia de bloques o franjas de igual
tamaño, conteniendo a cada uno de los tratamientos que se ensayan La formación de bloques
reduce el error experimental eliminando la contribución de fuentes de variación conocidas sobre
las unidades experimentales. Debido a que solo la variación dentro de bloques resulta parte del
error experimental la conformación de los bloques es más efectiva cuando el área experimental
tiene un gradiente de productividad predecible.

Esquema de aleatorización en donde cada tratamiento (Ti) ocurre una sola vez en cada bloque. El
modelo lineal que define a un diseño de bloques completos al azar es el siguiente:

El diseño de bloques completos al azar surge por la necesidad que tiene el investigador de ejercer
un control local de la variación dado la existencia de un material experimental heterogéneo. En
ese orden de ideas, los pasos que el investigador sigue son:

4
a). Forma los bloques de unidades experimentales homogéneos fundamentándose para ello en
algún criterio de bloqueo o agrupamiento. Estos criterios pueden ser: Raza, Época, Edad, Sexo,
Peso, Sistema de Manejo, Tipo de Explotación, Zona, País, Número de Partos, número de
lactaciones, número de ordeños, corrales o establos, potreros, camadas, métodos, variedades,
entre otros. b). Luego de formados los bloques se asignan al azar los tratamientos a la unidades
experimentales de cada bloque. El esquema dado a continuación ayuda a comprender la filosofía
de la formación de bloques.

Objetivos

- Maximizar las diferencias entre bloques

-Minimizar la variación dentro de bloques

Ventajas

-Elimina una fuente de variación del error, aumentando de esta forma la precisión del ensayo.

-Permite una gran flexibilidad en la relación tratamiento bloque, siempre y cuando se reserven un
número igual (o un múltiplo) de tratamientos por unidad experimental.

- La pérdida de información por bloque o tratamiento no dificulta el análisis estadístico.

-Permite aplicar el principio de confusión al hacer coincidir los bloques con los ciertas variables
que influyen sobre la respuesta pero que no son de interés para el investigador.

Desventajas

-No es apropiado para un número elevado de tratamientos (se recomienda entre 6 y 24

tratamientos)

-No es aconsejable cuando exista una gran variación (en más de una variable) en el material
experimental.

-Si el efecto de bloque no es significativo se trabaja innecesariamente con disminución de los

grados de libertad para el error y la consecuente disminución de la precisión.

-Si resulta una interacción entre bloque y tratamiento, se invalida la prueba F.

5
4.2 Diseño en cuadrado latino.
Un cuadrado latino es un rompecabezas antiguo en el que intentas averiguar de cuántas maneras
se pueden organizar las letras latinas en un número determinado de filas y columnas (una matriz);
cada símbolo aparece solo una vez en cada fila y columna.

Se llama cuadrado latino porque se desarrolló en base a las obras de Leonard Euler, que usaban
símbolos latinos. Sin embargo, se puede utilizar cualquier letra.

El agrupamiento de las unidades experimentales en dos direcciones (filas y columnas) y la

asignación de los tratamientos al azar en las unidades, de tal forma que en cada fila y en cada
columna se encuentren todos los tratamientos constituye un diseño cuadrado latino.

Principios Básicos

Las unidades experimentales se distribuyen en grupos, bajo dos criterios de homogeneidad

dentro de la fila y dentro de la columna y heterogeneidad en otra forma. El diseño cuadro latino
se usa cuando se tienen tres factores a evaluar en una misma unidad experimental.

En cada fila y en cada columna, el número de unidades es igual al número de tratamientos. Los
tratamientos son asignados al azar en las unidades experimentales dentro de cada fila y dentro de
cada columna.

El número de filas = número de columnas = número de tratamientos. Los análisis estadísticos T-

student, Duncan, Tuckey y en pruebas de contraste se procede como el diseño completo al azar y
el diseño de bloques.

La desviación estándar de la diferencia de promedios y la desviación estándar del promedio, están

en función del cuadrado medio del error experimental.

Lo importante del diseño es que con pocas unidades experimentales se pueden probar varios
factores, sin embargo se tienen dos limitantes importantes:

-Que el número de niveles deben ser iguales.

-Que no se pueden evaluar interacciones.

6
En algunos casos se pueden realizar repeticiones, especialmente para cuadros de 3 o 4
tratamientos, que los datos son pocos.

Para tres tratamientos: Al sortear los tratamientos A, B y C en un diseño de 3 x 3, con la

condicionante de que un mismo tratamiento no se puede repetir en la misma hilera o en la misma
columna.

El resultado puede ser como se muestra, Luego los niveles de los otros dos factores se sortean en
los números de columnas e hileras.

Para cuatro tratamientos: Al sortear los tratamientos A, B, C y D en un diseño de 4 x 4 el

resultado puede ser el siguiente:

Si cada entrada de un cuadrado latino de n × n se escribe como una tripleta (f, c, s), donde f es la
fila, c la columna y s el símbolo (para nuestro caso un número), se obtendrán n2 tripletas,
llamado arreglo ortogonal del cuadrado.

Por ejemplo, para el primer cuadrado latino de todos estos ejemplos, el arreglo ortogonal será así:

{ (1,1,1),(1,2,2),(1,3,3),(2,1,2),(2,2,3),(2,3,1),(3,1,3),(3,2,1),(3,3,2) }, donde, por ejemplo, la

tripleta (2,3,1) representa que el valor en la fila 2 columna 3 es 1.

La representación de un cuadrado latino puede escribirse en términos del arreglo ortogonal, y

queda así: existen n2 tripletas de la forma (f, c, s), donde 1 ≤ f, c, s ≤ n; Todos los pares (f, c) son
diferentes, todos los pares (f, s) son diferentes, y todos los pares (c, s) son diferentes.

La representación por arreglos ortogonales muestra que las filas, columnas y símbolos
representan un papel muy similar.

7
4.3 Diseño en cuadro grecolatino.

Con el diseño en cuadro

grecolatino (DCGL) se controlan
tres factores de bloque,
además del factor de tratamientos.
Se llama cuadro grecolatino porque
los cuatro
factores involucrados se prueban
en la misma cantidad de nive les,
de aquí que se
pueda escribir como un cuadro
(véase tabla 4.8); además, se
utilizan letras latinas
para denotar a los tratamientos y
letras griegas para nombrar a los
niveles del tercer

8
factor de bloque. Al igual que en el
cuadro latino, cada letra (latinas y
griegas) debe
aparecer sólo una vez en cada
renglón y en cada columna.
Además, cada par de letras
debe aparecer sólo una vez en todo
el arreglo. En la tabla 4.8 se
presenta el aspec-
to de los datos del diseño en cuadro
latino de dimensión k = 4.
El modelo estadístico que describe
a las mediciones en un cuadro
grecolatino
está dado po
Con el diseño en cuadro grecolatino (DCGL) se controlan tres factores de bloque, además del
factor de tratamientos. 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 (véase

9
tabla 4.8); además, se utilizan letras latinas para denotar a los tratamientos y letras griegas para
nombrar a los niveles del tercer factor de bloque.

Al igual que en el cuadro latino, cada letra (latinas y griegas) debe aparecer sólo una vez en cada
renglón y en cada columna. Además, cada par de letras debe aparecer sólo una vez en todo el
arreglo. En la tabla 4.8 se presenta el aspec-to de los datos del diseño en cuadro latino de
dimensión k = 4.El modelo estadístico que describe a las mediciones en un cuadro grecolatino
está dado por.

donde Yijlm es la observación o respuesta que se encuentra en el tratamien to i (i-ésima letra

latina), en el renglón j, en la columna l y en la m-ésima letra griega; ti es el efecto del tratamiento
i, gj es el efecto del renglón j, dl representa el efecto de la co-lumna l y jm representa el efecto de
la m-ésima letra griega, que son los niveles del tercer factor de bloque; el término eijlm
representa el error aleatorio atribuible a la medición Yijlm.

Es importante no confundir las letras griegas del modelo que repre-sentan efectos, con las letras
griegas en el diseño que simbolizan a los niveles del tercer factor de bloque. La variabilidad total
presente en los datos se puede partir de la manera usual como

donde las sumas SCB1, SCB2 y SCB3 miden la variabilidad debida a los facto res de bloque
renglón, columna y de letras griegas, respectivamente. Para k tratamientos, los grados de libertad
correspondientes a cada suma son

Se caracteriza porque utiliza dos variables de bloque si tiene dos variables independientes (diseño
factorial) y tres variables de bloqueo si sólo tiene una variable independiente (diseño unifactorial)
ya que es imprescindible en este diseño que el número total de variables entre variables
independientes y bloqueadas sea 4.
10
Este artículo es meramente informativo, en Psicología-Online no tenemos facultad para hacer un
diagnóstico ni recomendar un tratamiento. Te invitamos a acudir a un psicólogo para que trate tu
caso en particular.

Un cuadrado grecolatino, cuadrado de Euler o cuadrados latinos ortogonales de orden n se

denomina, en matemáticas, a la disposición en una cuadrícula cuadrada n×n de los elementos de
dos conjuntos S y T, ambos con n elementos, cada celda conteniendo un par ordenado (s, t),
siendo s elemento de S y t de T, de forma que cada elemento de S y cada elemento de T aparezca
exactamente una vez en cada fila y en cada columna y que no haya dos celdas conteniendo el
mismo par ordenado.

La disposición exclusivamente de los caracteres latinos o de los griegos forma un cuadrado

latino. Un cuadrado grecolatino, por lo tanto, se puede descomponer en dos cuadrados latinos
"ortogonales”. Ortogonalidad aquí significa que cada uno de los pares (s, t) del producto
cartesiano S×T aparece exactamente una vez.

Objetivo Proporcionar métodos que permitan obtener la mayor cantidad de información válida
acerca de una investigación, teniendo en cuenta el factor costo y el uso adecuado del material
disponible mediante métodos que permitan disminuir el error experimental.

4.4 Uso de un software estadística

Software estadístico: Sistemas

de análisis de la información.
11
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;
12
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
softwares en la actualidad
pueden programarse

13
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
14
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.
Software estadístico: Sistemas de análisis de la información. 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 softwares 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.

15
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.
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.

Es una realidad que el mercado de empleos se va a ver afectado por los avances tecnológicos. En
el campo de la estadística es necesario contar con programas informáticos que reducen
costos y esfuerzos para hacer análisis. La información cualitativa es importante como la
cuantitativa para ofrecer una perspectiva amplia del objeto de estudio. Los reportes
estadísticos deben contar con ambos tipos de información, una simple cifra no siempre alcanza a
explicar si un impacto es positivo o negativo.

Utilizar software estadístico en las compañías mejorará su enfoque estratégico para la

planificación de los avances tecnológicos. No solo es atractivo por la eficiencia de reducir
costes, también por las nuevas capacidades empresariales que resultan de un cambio evolutivo.
Toda gestión de calidad de los procesos debe enfocarse en obtener resultados para la
satisfacción de los clientes.

16
El perfeccionamiento de la capacidad de competir se consigue desarrollando nuevas
capacidades y cualidades. Los software analíticos aceleran el potencial de innovación
teniendo en cuenta los aspectos que deben cambiar. Conocer la información a tiempo les
permite a las empresas adaptarse a las condiciones medioambientales.

El software tiene el alcance

de monitorear actividades que
causan impactos en
diferentes ámbitos. La
inteligencia artificial es un
importante complemento para
los
sistemas de analítica. En las
tecnologías Big Data, las
ventajas se obtienen del
análisis de la información y
la creación de nuevos
modelos. El aprendizaje
17
automático se usa para
acelerar la rapidez en que se
obtienen los objetivos del
procesamiento de los datos.
El software tiene el alcance de monitorear actividades que causan impactos en diferentes
ámbitos. La inteligencia artificial es un importante complemento para los sistemas de analítica.
En las tecnologías Big Data, las ventajas se obtienen del análisis de la información y la
creación de nuevos modelos. El aprendizaje automático se usa para acelerar la rapidez en
que se obtienen los objetivos del procesamiento de los datos.

Un software estadístico es un programa informático cuyo principal objetivo es automatizar y

realizar análisis de datos complejos. Este tipo de herramientas suelen proporcionar mecanismos
útiles para la organización, interpretación y presentación de forma fácil y sencilla de los datos
seleccionados para el análisis estadístico.

Conclusión

Se concluye que los temas en el reporte de investigación son de gran importancia, para el
desarrollo de nuevas habilidades y competencias, también como trabajadores y alumnos, ya que
ayudan a organizar y poder comparar ciertos temas o datos que nos permiten tomar buenas
decisiones a la hora de tener que elegir el camino correcto para el bien de uno mismo como para
el bien de una empresa. Los temas que se presentaron ayudan al desarrollo de las habilidades y
competencias que trae la unidad número 3.

De forma personal, y de conclusión, se puede decir que el diseño experimental es de gran

importancia y de gran utilidad no solo en la industria, si no como se ha visto
anteriormente, dicho diseño es de gran utilidad en diversas áreas tales como la
informática, la biotecnología, la industria y el área farmacéutica entre muchas otras, debido a

18
que dicho diseño nos permite reducir al máximo la variabilidad de los procesos,
estudiando los factores que son considerados como de más alta influencia sobre un proceso. De
esta manera, a través del diseño experimental para un factor, la industria o cualquier otra área
que aplique o utilice dicho diseño podrá corregir defectos en sus procesos, reducir
tiempos, dinero y esfuerzos, así como analizar y detectar errores para poder corregirlos en los
diversos procesos que lleva a cabo.

Glosario

 Bivariantes: provienen de la observación simultánea de dos variables (𝑋,) en una

muestra de n individuos. Los datos serán parejas de valores, numéricos o
no numéricos, de la forma: (𝑥1,𝑦1),(𝑥2,𝑦2),…,(𝑥𝑛,𝑦𝑛). Se obtienen de sumar
frecuencias conjuntas (absolutas o relativas) por filas y por columnas.

 Variable regresora: se le conoce como variable independiente, explicativa,

exógena o regresora.

19
  Hipótesis: es un enunciado no verificado, que se intenta confirmar o refutar. Si
es confirmada, la hipótesis se denomina enunciado verificado. La hipótesis es
una conjetura que requiere una contrastación con la experiencia.

 Margen de error: es una estadística que expresa la cantidad de error de

muestreo aleatorio en los resultados de una encuesta. Cuanto mayor sea el
margen de error, menos confianza se debe tener en que el resultado de una
encuesta reflejaría el resultado de una encuesta de toda la población.

 Variable continua: es aquella que puede tomar un número infinito de valores

entre dos valores cualesquiera de una característica.

 Método: es una forma organizada y sistemática de poder alcanzar un

determinado objetivo. El método se entiende entonces como una serie de
pasos que se deben seguir para cumplir un objetivo

Bibliografía

BUSTOS, R. (2020). DISEÑO EXPERIMENTAL PARA UN FACTOR. STUDOCU. RECUPERADO 25 DE

NOVIEMBRE DE 2021, DE https://www.studocu.com/es-mx/document/instituto-politecnico-

nacional/estadistica/estadistica-iii-investigacion-del-diseno-experimental-para-un-factor/8418982

GUTIÉRREZ H. Y DE LA VARA R. (2008) ANÁLISIS Y DISEÑO DE EXPERIMENTOS;

MÉXICO: MCGRAW HILL https://www.academia.edu/41280762/Analisis_y_diseno_experimentos

BADII, M.H, J. CASTILLO, M. RODRÍGUEZ, A. WONG & P. VILLALPANDO (2007)

DISEÑOS EXPERIMENTALES E INVESTIGACIÓN CIENTÍFICA; UNIVERSIDAD AUTÓNOMA DE NUEVO
LEÓN: MÉXICO http://eprints.uanl.mx/12482/1/A5.pdf

20
SOTO, M. (2016, 26 ENERO). NOMENCLATURA Y SIMBOLOGIA EN EL DISEÑO
EXPERIMENTAL. APUNTES - MORARZL. RECUPERADO 25 DE NOVIEMBRE DE 2021, DE

https://www.clubensayos.com/Ciencia/NOMENCLATURA-Y-SIMBOLOGIA-EN-EL-DISE
%C3%91O-EXPERIMENTAL/3110298.

HTML JIMÉNEZ, C. P. (2019). IDENTIFICACIÓN DE LOS EFECTOS DE LOS DISEÑOS

EXPERIMENTALES. SLIDEPLAYER. RECUPERADO 25 DE NOVIEMBRE DE 2021, DE

https://slideplayer.es/slide/14808223/

HERNÁNDEZ D. (2014) LA IMPORTANCIA DE LA ALEATORIZACIÓN DE LOS EXPERIMENTOS DE

PRUEBA. RECUPERADO 25 DE NOVIEMBRE DE 2021, DE

https://es.scribd.com/doc/220947358/4-5-La-Importancia-de-La-Aleatorizacion-de-

21