“Siempre responsable de lo cultivado”

Actividad No. 5
Análisis de caso 4

Materia:
Diseño de Experimentos

Docente:
Mtro. Marco Antonio Hernández De Ita

Equipo 10
Integrantes:
Diego Alan Diaz Córdoba
a010072662@my.uvm.edu.mx
Emilio Pérez Gutiérrez
a020003836@my.uvm.edu.mx
Reyes Gabriel Rojas Elizondo
a440253894@my.uvm.edu.mx
Ariel Alejandro Soto Albarrán
a100041758@my.uvm.edu.mx

UVM (Online) CDMX 06 de abril de 2024.

1
Índice
Introducción ............................................................................................................................................... 3
Conclusiones ............................................................................................................................................. 8
Referencias Bibliográficas ................................................................................................................... 11

2
Introducción

Diseño de bloques completos

En cualquier experimento, la variabilidad que surge de un factor perturbador puede afectar a los
resultados. Cuando el factor perturbador es conocido y controlable puede utilizarse la técnica
"diseño de bloques completos", en este tipo de diseño de experimentos se consideran tres fuentes
de variabilidad: el factor de tratamientos, el factor de bloques y el error aleatorio, es decir, se
tienen tres posibles "culpables" de la variabilidad presente en los datos. este método estadístico
agrupa las unidades experimentales en bloques para comparar tratamientos en un medio más
homogéneo, el cual le permite eliminar de manera sistemática el factor perturbador sobre las
comparaciones estadísticas entre los tratamientos.

El uso de bloques estratifica las unidades experimentales en grupos homogéneos, o unidades

parecidas. Una buena elección de los criterios de bloquización disminuye la variación entre las
unidades dentro de los bloques en comparación de las unidades de diferentes bloques, las
categorías generales de buenos criterios son: a) proximidad (parcelas adyacentes), b)
características físicas (edad o peso), c) tiempo y d) administración de tareas en el experimento.
En la industria los factores de bloqueo que aparecen en la práctica son: turno, lote, día, tipo de
material, línea de producción, operador, máquina, método, etc.

Un ejemplo para este tipo de diseño sería el siguiente: Un ingeniero de producción investiga el
efecto de cuatro métodos de producción A, B, C y D, sobre el tiempo de producción en minutos.
En primera instancia la estrategia experimental es aplicar cuatro veces los cuatro métodos de
producción en orden completamente aleatorio (las 16 pruebas en orden aleatoria), se supone que
de acuerdo a como se ha hecho el estudio, además del método de producción, los
experimentadores se dan cuenta que hay cuatro operadores y consideran que esto puede afectar
de manera significativa los tiempos de producción (variable respuesta), y por ende la comparación
de los métodos, entonces debe utilizar el diseño en bloques completos.

El objetivo es tener comparaciones precisas entre los tratamientos de los estudios de

investigación. la bloquización es un medio para reducir y controlar la varianza del error
experimental con el fin de lograr una mayor precisión.

Diseño de bloques completamente aleatorizados

El concepto de bloques fue introducido por Fisher hacia 1925 en ensayos en agricultura, observó
que los campos experimentales en agricultura marcaban una heterogeneidad de fertilidad, lo que
complicaba la asignación de los tratamientos de un punto a otro, de ahí que el bloque permitía la
partición de la variabilidad inherente en el campo experimental después de la asignación
de los tratamientos en las siguientes componentes:

❖ Diferencias entre tratamientos: variación entre tratamientos.

❖ Variación dentro de bloques.
❖ Variación entre bloques.

De esta forma nació el concepto de diseño en bloques completos aleatorizados (DBCA). El

término “bloque” es usado más ampliamente para referirse a un grupo de UEs que tienen un
conjunto de características que “provocan” un problema efectivo de respuesta, una vez que han
sido aplicados los tratamientos.

3
El DBCA busca básicamente determinar diferencias entre tratamientos, en los que cada uno de
estos es aplicado a distintas UEs en cada uno de los bloques; por tal razón, el número de UE por
bloques es constante, por ejemplo t.

Por consiguiente, en los DBCA las UE a las que se aplican los tratamientos son subdivididas en
grupos homogéneos llamados bloques, de tal manera que el número de unidades experimentales
dentro de un bloque es igual al número (o a un múltiplo de este) de tratamientos en estudio.

Una vez caracterizados los bloques, se asignan los tratamientos en forma aleatoria a las UE
dentro de cada bloque. Es necesario hacer notar que en este arreglo cada uno de los tratamientos
aparece en todos los bloques y cada bloque recibe todos los tratamientos.

En muchos trabajos de tipo experimental, el DBCA es más ventajoso que el DCA, ya que como
el objetivo de este DBCA es aislar y eliminar del término de error la variación atribuible a los
bloques, con el fin de asegurar que las mediciones hechas sobre las UEs que reciben un
determinado tratamiento estén libres de los efectos del bloque. En este sentido, la eficacia del
diseño depende de la capacidad de conseguir bloques homogéneos de unidades experimentales.
Esta capacidad depende del conocimiento de los investigadores acerca del material experimental.

Cuando el diseño se utiliza apropiadamente, el CME en la tabla ANOVA se reduce y mejora la

probabilidad de rechazar la hipótesis nula.

Una de las ventajas del DBCA es la flexibilidad cuando no se hace restricción sobre el número
de tratamientos o sobre el número de aplicaciones (número de veces con que una UE recibe un
tratamiento) en el experimento.

Además, algunas complicaciones que podrían surgir en el transcurso de un experimento son

fáciles de controlar cuando se utiliza este diseño. Tiene como desventaja que no es adecuado
cuando se tiene un número grande de tratamientos o cuando los bloques completos presentan
una considerable variabilidad.

4
Tomando en consideración lo anterior se analizará el siguiente caso:

Lee atentamente el siguiente caso y resuelve según lo que se te pide:

En el diseño del proceso para obtener biodiesel, se desea probar el efecto que tienen 5 solventes
diferentes útiles para la extracción del aceite. Además de los solventes, se está suponiendo que
también puede influir la prensa usada en este proceso. Se decide utilizar un diseño en bloques
aleatorizados, considerando las distintas prensas como bloques. El laboratorio dispone de 4
prensas a las que asigna los 5 solventes en orden aleatorio. Los resultados obtenidos, en ml
obtenidos, se muestran en la tabla:

De acuerdo con la información anterior, desarrolla cómo sería el diseño de experimentos

adecuado. Identifica todos los elementos del diseño que elegiste.

En este caso se analiza la ANOVA (Análisis de la varianza)

El cual es un test estadístico básico para el estudio del efecto de uno o más factores (Cada uno
con uno, dos o más niveles) Sobre la media que es una variable.

Es muy utilizado cuando se desea comparar las medias de tres o más grupos.

PRENSA
Solvente A B C D
1 87 86 88 83
2 85 87 95 85
3 90 92 95 90
4 88 97 98 88
5 99 96 91 90
Promedio 89.8 91.6 93.4 87.2 90.5

5
La ANOVA nos permite ver si hay diferencias significativas entre estos 4 grupos

Supuestos del Análisis de la Varianza (ANOVA)

Aleatoriedad de las muestras

Independencia de las variables
Normalidad de las distribuciones
Igualdad de la varianza entre grupos (Homocedasticidad)

Inferencia mediante ANOVA

H0: 𝜇1 = 𝜇2 = ⋯ 𝜇𝑘 (Las medias de las poblaciones, tratamientos, grupos son iguales)

H1: No todas las 𝜇𝑗 son iguales.

6
 Tabla ANOVA
Suma de Grados de Cuadrado
Fuente de variación F
cuadrados libertad medio

Tratamientos 181.500 4 45.375 3.9314

Bloques 105.000 3 35.000 3.0325
Error 138.500 12 11.542
Total 425.000 19
(Valor crítico) Fα,k-1,(k-1)(r-1) = 3.2591667

p-valor= 0.0289441

Prensa (bloque)
Solvente A B C D Suma(xi .)= Promedio

1 87 86 88 83 344 83

2 85 87 95 85 352 85

3 90 92 95 90 367 90
4 88 97 98 88 371 88

5 99 96 91 90 376 90
Suma(x.j)= 449 458 467 436

1810
Suma total(x..)=

7
Conclusiones

Se rechaza la hipótesis nula. Existe diferencias entre los métodos de prensa A, B, C Y D

Se rechaza la hipótesis nula ya que si se encontró diferencia por los tipos de solventes
que se han ocupado en las diferentes prensas.

Se acepta la hipótesis nula no tiene ningún efecto en las prensas o algún número
significativo

En relación con lo anterior podemos obtener la comparación por pares acorde al método LSD

8
La diferencia de la media poblacional no es significativa

ANÁLISIS DE VARIANZA
Promedio de
Origen de las Suma de Grados de los Valor crítico
variaciones cuadrados libertad cuadrados F Probabilidad para F
Filas 181.5 4 45.375 3.931407942 0.028944082 3.259166727
Columnas 105 3 35 3.032490975 0.070931076 3.490294819
Error 138.5 12 11.54166667
Total 425 19

Análisis de varianza de dos factores con una sola muestra por grupo

RESUMEN Cuenta Suma Promedio Varianza

1 4 344 86 4.666666667
2 4 352 88 22.66666667
3 4 367 91.75 5.583333333
4 4 371 92.75 30.25
5 4 376 94 18
Prensa A 5 449 89.8 29.7
Prensa B 5 458 91.6 25.3
Prensa C 5 467 93.4 15.3
Prensa D 5 436 87.2 9.7

9
10
Referencias Bibliográficas

Hidalgo, U. A. D. E. de. (s/f.). Diseño de experimentos y su aplicación en la industria. Haga clic

para ver más opciones [Archivo PDF]. Recuperado 26 de octubre de 2022, de
https://www.uaeh.edu.mx/scige/boletin/sahagun/n1/e1.htm

Melo, O, López, L y Melo, S. (2020). Diseño de experimentos: métodos y aplicaciones. Haga

clic para ver más opciones [Archivo PDF]. Recuperado de
http://ciencias.bogota.unal.edu.co/fileadmin/Facultad_de_Ciencias/Publicaciones/Imagenes/Port
adas_Libros/Estadistica/Diseno_de_Experimentos/DisenodeExperimentos.pdf

Gutiérrez, H., De la Vara Salazar, R. (2012). Análisis y diseño de experimentos. Haga clic para
ver más opciones [Archivo PDF]. Recuperado de
https://gc.scalahed.com/recursos/files/r161r/w19537w/analisis_y_diseno_experimentos.pdf

Cálculos en Excel
https://docs.google.com/spreadsheets/d/1j4mfbcbZYE2mrpO9Kb2GV91xQiTDgvnEJLg0Et4blqg
/edit?usp=sharing

11