Diseño de bloques • Cuando se quieren comparar ciertos tratamientos o estudiar el efecto

de un factor. El resto son factores de bloques que tienen una

importancia secundaria en la investigación experimental.
• Ejemplo: cuando se quieren comparar varias máquinas donde cada
máquina es manejada por un operador diferente y se sabe que éste
tiene una influencia en el resultado. En esta situación el factor
operador debe tomarse en cuenta si se quiere comparar a las
máquinas de manera justa.
• A los factores adicionales al factor de interés que se incorporan de
manera explícita en un experimento comparativo se les llama factores
de bloque. Éstos tienen la particularidad de que no se incluyen en el
experimento porque interese analizar su efecto, sino como un medio
para estudiar de manera adecuada y eficaz al factor de interés.
• Opciones para anular el efecto operador: El mismo operador trabaje
en todas las máquinas o que cada operador trabaje en cada una de
las máquinas (bloqueo).
• Factores de bloqueo: Son las variables adicionales al factor de interés
que se incorporan de manera explícita en un experimento
comparativo para no sesgar la comparación.

Prof. Carlos Torres N.

Fuente: Gutiérrez, H., & De la Vara, R. (2008).
Caso un factor: 4 métodos de ensamble, sin análisis de bloques.
• Los factores de bloque tienen la
particularidad de que no se incluyen en el
experimento porque interese analizar su
efecto, sino como un medio para estudiar de
manera adecuada y eficaz al factor de interés.
• Para el caso de analizar cuatro tipos de
métodos de ensamble, la inclusión de los
operadores es un medio y no un fin para
lograr una comparación adecuada y eficaz de
las máquinas.
• En un diseño en bloques completos al azar (DBCA) se
consideran tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloque y el error aleatorio (son
factores que provocan variabilidad en los datos).
• Los factores de bloqueo que aparecen en la práctica son:
turno, lote, día, tipo de material, línea de producción,
operador, máquina, método, etc.
• El modelo estadístico para este diseño está dado por:

• Donde:
Yij es la medición que corresponde al tratamiento i y al
bloque j (tabla 4.1);
µ es la media global poblacional;
Tau i es el efecto debido al tratamiento i,
Gama j es el efecto debido al bloque j, y
Epsilon ij es el error aleatorio atribuible a la medición Yij.
• Se supone que los errores se distribuyen de manera
normal con media cero y varianza constante Sigma2 [N(0,
Sigma2)], y que son independientes entre sí.
En cualquiera de estas hipótesis la afirmación a probar es que la respuesta
media poblacional lograda con cada tratamiento es la misma para los k
tratamientos y que, por lo tanto, cada respuesta media m i es igual a la media
global poblacional, m.
De manera alternativa, es posible afirmar que todos los efectos de
tratamiento sobre la variable de respuesta son nulos, porque cuando el efecto
ti = mi – m = 0, entonces necesariamente la respuesta media del tratamiento
es igual a la media global (m i = m).
Comparación de cuatro métodos de ensamble
• Un equipo de mejora investiga el efecto de cuatro
métodos de ensamble A, B, C y D, sobre el tiempo
de ensamble en minutos. En primera instancia, la
estrategia experimental es aplicar cuatro veces los
cuatro métodos de ensamble en orden
completamente aleatorio (las 16 pruebas en orden
aleatorio).
• Los tiempos de ensamble obtenidos se muestran
en la tabla 3.1. Si se usa el diseño completamente
al azar (DCA), se supone que, además del método
de ensamble, no existe ningún otro factor que
influya de manera significativa sobre la variable de
respuesta (tiempo de ensamble).
• Ahora se va a controlar activamente en el
experimento a los operadores que realizarán el
ensamble, lo que da lugar al siguiente diseño en
bloques completos al azar.
Camino para diseño de bloques
Diseñar experimento:
• DDE > Procedimientos DOE Heredados > Crear Diseño > Diseño Nuevo
• Un Solo Factor Categórico > Aceptar
• N° de Variables de respuesta: 1 > Aceptar
• Factor A: Nombre: Operador Método
N° de Niveles: 4 ojo…
En la viñeta Etiquetas, cambiar los números por las letras.. A,B,C y D.
> Aceptar
• Nombre para a variable de respuesta: Tiempo de Ensamble > Aceptar
• Seleccionar Bloques aleatorios (1 facto de bloqueo)
• Número en Replicar Diseño: 0
• Seleccionar Aleatorizar y en Número de bloques: 4
>Aceptar
• En Libro de Datos, ingresar los valores para la variable de respuestas
Tiempo de ensamble.
Analizar experimento:
• DDE > Procedimientos DOE Heredados > Analizar Diseño - Analizar Diseño
• Datos: Tiempo de Ensamble > Aceptar
Matriz de diseño rectificada
• De esta tabla se observa que para los métodos se obtuvo un valor-p = 0.003 < a = 0.05, por lo que se rechaza la
hipótesis Ho de que el tiempo medio poblacional de los métodos de ensamble son iguales, y se acepta que al
menos dos de los métodos son diferentes en cuanto al tiempo promedio que requieren.
• De la misma manera para operadores, como su valor-p = 0.030 < a = 0.05, el factor de bloques (operadores)
también afecta, es decir, existen diferencias entre los operadores en cuanto al tiempo promedio.
Caso Cinco tipos de insecticida
Se quiere demostrar el efecto de un tipo de insecticida sobre el % de concentración, teniendo en
cuenta un posible efecto de los operarios en el proceso.
Diseño de Bloques en Statgraphics aplicado para analizar el factor insecticida utilizando el bloqueo
de operarios. https://www.youtube.com/watch?v=KjBM-16f69I

% de Operarios
Concentración
Tipo de 1 2 3
Insecticida
1 4,39 1,41 2,9
2 1,94 0,88 0,00
3 1,57 1,53 3,23
4 0,00 4,00 1,98
5 2,42 5,08 2,56
Ejemplos utilizando Statgraphics

• Diseño de Bloques en Statgraphics aplicado para analizar el factor insecticida utilizando el

bloqueo de operarios. https://www.youtube.com/watch?v=KjBM-16f69I
• Diseño de Bloques en Statgraphics caso rendimiento de detergentes en cuatro Lavadoras.
https://www.youtube.com/watch?v=oF9N5hjqsf0
• Diseño de Cuadrado Latino, con STATGRAPHICS. Análisis de resistencia a la compresión con 4
Técnicas de mezclado v/s Operarios https://www.youtube.com/watch?v=s9dN7i5nc10
• Cuadrado Latino, materias de tres Proveedores con tres inspectores y tres escalas de medición
https://www.youtube.com/watch?v=Xz6dx3NzIPk
• Cuadrado Latino, desgates de 4 Neumáticos, en 4 Carros y 4 posiciones de las ruedas. https://
www.youtube.com/watch?v=KCoRejFSzCg
• Análisis de Diseño de Cuadrado Greco-Latino en STATGRAPHICS https
://www.youtube.com/watch?v=xtc7iZmNGEQ
Diseño en cuadro latino
• En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se estudia un factor de
tratamientos, por lo que se tienen cuatro fuentes de variabilidad que pueden afectar la respuesta
observada, éstas son: los tratamientos, el factor de bloque I (columnas), el factor de bloque II
(renglones) y el error aleatorio.
• Se llama cuadro latino por dos razones: es un cuadro debido a que tiene la restricción adicional
de que los tres factores involucrados se prueban en la misma cantidad de niveles, y es latino
porque se utilizan letras latinas para denotar a los tratamientos o niveles del factor de interés.
• La hipótesis a probar, la misma que en los diseños comparativos, es que las medias de los
tratamientos es la misma.
Ejemplo 4.2
Comparación de cuatro marcas de llantas.

• Una compañía de mensajería está interesada en

determinar cuál marca de llantas tiene mayor
duración en términos del desgaste.
• Para ello se planea un experimento en cuadro latino,
en el que se comparan las cuatro marcas de llantas
sometiéndolas a una prueba de 32 000 kilómetros de
recorrido, utilizando cuatro diferentes tipos de auto y
las cuatro posiciones posibles de las llantas en el auto.
• Así, el factor de interés es el tipo de llanta o marca, y
se controlan dos factores de bloques: el tipo de carro
y la posición de la llanta en el carro.
• Estos factores de bloques se controlan ya que, por
experiencia, se sabe que el tipo de carro y la posición Los valores asociados a cada letra indican la diferencia
de desgaste de los neumáticos antes y después de
de la llanta tienen efecto en el desgaste de la misma. recorrer los 32.000 km, de modo que valores altos
indican mayores desgastes.
Interpretación de estos resultados en Gutiérrez y De
la Vara (2008, p. 112).
Datos para cuadro latino, caso comparación de cuatro marcas de
llantas, usando datos de Youtube

Carros
Posición 1 2 3 4
1 A: 17 B: 13 C: 9 D: 9
2 B: 14 A: 14 D: 11 C: 13
3 C: 12 D: 14 A: 13 B: 12
4 D: 11 C: 10 B: 8 A: 3
• No cualquier arreglo de letras
latinas en forma de cuadro es un
cuadro latino.
• La regla fundamental es que cada
letra debe aparecer sólo una vez en
cada renglón y en cada columna.
• Cuadro latino estándar: en el que
en la primera columna y en el
primer renglón aparecen las letras
en orden alfabético.
• Por ejemplo, un cuadro latino
estándar de tamaño cuatro está
dado por:
 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 En el caso donde se comparan cuatro métodos de ensamble
cantidad de niveles, de aquí que se pueda escribir y se tiene el factor de bloque operador, se podrían tener
como un cuadro (véase tabla 4.8); además, se dos factores de bloque adicionales: orden en el se hace el
utilizan letras latinas para denotar a los ensamble y lugar donde se hace. De acuerdo con esto, el
tratamientos y letras griegas para nombrar a los diseño en cuadro grecolatino se observa en la tabla 4.10.
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.
ANOVA para diseño en el cuadro grecolatino de la tabla 4.10
Fuente: Gutiérrez y De la Vara (2008, p. 81)