Instituto Tecnológico de Aguascalientes

Ingeniería industrial

ESTADISTICA INFERENCIAL II

ACTIVIDAD 1 T4 5%

M.E.S.C. Moisés Muñoz Diaz

Eudave Lara Eduardo
El diseño de bloques totalmente aleatorios es un diseño experimental en la
estadística inferencial que se utiliza para controlar la variabilidad experimental. En
este diseño, los sujetos o unidades experimentales se dividen en bloques
homogéneos en función de una variable que se considera importante para el
estudio, pero que no es la variable de interés principal. Luego, dentro de cada
bloque, los tratamientos o condiciones experimentales se asignan de manera
completamente aleatoria a las unidades experimentales.

Este diseño es útil cuando hay fuentes de variabilidad que pueden afectar los
resultados del experimento y que se pueden controlar mediante la formación de
bloques. Al controlar estas fuentes de variabilidad, se aumenta la precisión y la
capacidad de detectar los efectos reales de los tratamientos o condiciones
experimentales de interés.

Por ejemplo, si se realiza un experimento para evaluar el efecto de diferentes

fertilizantes en el crecimiento de plantas, y se sabe que la calidad del suelo varía
en diferentes áreas del campo experimental, se puede utilizar el diseño de bloques
totalmente aleatorios para asignar los tratamientos de fertilizantes dentro de cada
bloque de suelo homogéneo. Esto ayuda a controlar la variabilidad del suelo y a
mejorar la precisión de las conclusiones sobre el efecto de los fertilizantes.
El Diseño Cuadrado Latino es una técnica utilizada en el diseño de experimentos
para controlar la variabilidad y mejorar la precisión de los resultados. Este diseño
se utiliza comúnmente en situaciones donde hay dos o más factores que se cree
que pueden afectar la variable de respuesta, y se busca reducir el error
experimental y aumentar la eficiencia del estudio.

En un Diseño Cuadrado Latino, los tratamientos o niveles de los factores se

organizan en una matriz cuadrada de manera que cada tratamiento aparezca una
vez en cada fila y en cada columna. Esto significa que cada tratamiento se
combina una vez con cada otro tratamiento en una fila y una columna específica.
Este diseño permite controlar tanto la variabilidad debida a los factores
investigados como la variabilidad debida a otras fuentes desconocidas.

Un diseño cuadrado latino para p factores, o un cuadrado latino p x p, es un

cuadrado que contiene p renglones y p columnas. Cada una de las p2 celdas
contiene una de las p letras que corresponde a un tratamiento, y cada letra
aparece una sola vez en cada renglón y columna. El diseño cuadrado latino se
usa para eliminar dos fuentes de variabilidad problemáticas; en otras palabras,
permite analizar sistemáticamente por bloques en dos direcciones. A continuación
se presentan algunos ejemplos de cuadrados latinos.
Consideremos un cuadrado latino p x p al que se le sobrepone un segundo
cuadrado latino cuyos tratamientos se designan por letras griegas. Se dice que
los dos son ortogonales si al sobreponerse poseen la propiedad de que cada letra
griega aparece solamente una vez con cada letra latina. Este diseño se denomina
cuadrado greco-latino. un ejemplo de un cuadrado greco-latino 4 x 4 se muestra
en la tabla 4.3.
 Columna
Cuadro
1 2 3 4
1 Aα Bβ Cγ Dδ

2 Bδ Aγ Dβ Cα

3 Cβ Dα Aδ Bγ
4 Dγ Cδ Bα Aβ

El diseño cuadrado greco-latino puede utilizarse para controlar sistemáticamente

tres fuentes extrañas de variabilidad. En otras palabras, se usa para hacer un
análisis por bloques en tres direcciones. El diseño permite analizar cuatro factores
(renglón columna, letra griega y letra latina), cada uno con p niveles, usando
p≥3
solamente p2 ensayos. Los cuadrados grecolatinos existen para toda
excepto para p = 6.

El modelo estadístico de un diseño cuadrado greco-latino es

{
i=1 , 2 , … , p
j=1 , 2 , … , p
y ijk =μ+θi + τ j +ω k +ψ l + ε ijkl
k =1 , 2 , … , p
l=1 , 2 , … , p
en donde
y ijkl= la observación que corresponde al renglón i, la columna k, la letra
latina j y la letra griega k.
μ= la media general

θi = es el efecto del i-ésimo renglón

τ j = es el j-ésimo efecto de tratamiento de las letras latinas

ω k = es el k-ésimo efecto de tratamiento de las letras griegas

ψ l = es el efecto de la columna l
 ε ijkl= es la componente del error aleatorio

Sólo dos de los cuatro subíndices son necesarios para identificar completamente
cualquier observación.

El análisis de varianza es muy similar al de un cuadrado latino. El factor

representado por las letras griegas es ortogonal a los renglones, las columnas y
los tratamientos de la letra latina porque cada letra griega ocurre una sola vez en
cada renglón, en cada columna y para cada letra latina. Por lo tanto la suma de
cuadrados debida al factor letra griega puede calcularse usando los totales de la
letra griega. El error experimental se reduce en esta cantidad. Las hipótesis nulas
de igualdad entre los renglones, entre las columnas, entre los tratamientos de la
letra latina y entre los tratamientos de la letra griega pueden probarse dividiendo la
media de cuadrados correspondiente entre la media de cuadrados del error.