UNIVERSIDAD NACIONAL AGRARIA DE

LA SELVA
ESCUELA DE POSGRADO
MAESTRIA EN CIENCIAS AGRICOLAS
MENCION: AGRICULTURA SOSTENIBLE

CURSO: ESTADISTICA AVANZADA

DISEÑO DE BLOQUES COMPLETAMENTE AL AZAR Y
FACTORIALES

DOCENTE : Dr. Vicente Pocomucha Poma

Maestrante: Yurico Victoria Rodriguez Figueroa
 DISEÑO DE BLOQUES
COMPLETAMENTE AL AZAR

¿QUE ES?

Considera el efecto de un factor

por bloques, que a su vez están
constituidos por tratamientos.
 CARACTERÍSTICAS DE DBCA
DBCA completo: Un diseño experimental de bloques al azar esta completo
cuando cada bloque tiene el mismo número de tratamientos. Ejemplos de
bloques: Lote de materia prima, turno, día, operador máquina, método, etc.
.
Las unidades experimentales se agrupan en b bloques.

Se definen los k tratamientos que se van a aplicar a las n unidades

experimentales.

Las unidades experimentales de cada bloque se sortean para la

asignación a cada tratamiento.

Se define la variable a medir

 DISEÑO DE BLOQUES
COMPLETAMENTE AL AZAR
Se considera tres fuentes de variabilidad

Factor de
tratamiento

Factor de
Bloques

El error aleatorio
MODELO ESTADÍSTICO

Cuando se decide utilizar un DBCA, el

experimentador piensa que cada medición será
el resultado del efecto del tratamiento donde se
encuentre, del efecto del bloque al que
pertenece y de cierto error que se espera sea
aleatorio. El modelo estadístico para este
diseño está dado por:
 MODELO ESTADÍSTICO

{
𝑌 𝑖𝑗= 𝜇+𝜏 𝑖 +𝛾 𝑗 +𝜀 𝑖𝑗 ; 𝑖=1,2 , … , 𝑘
𝑗=1,2 , … , 𝑏
ARREGLO DE LOS DATOS DE
DBCA
 HIPÓTESIS A PROBAR

ANOVA
FUENTE DE SUMA DE GRADO DE CUADRADO Fo Valor-p
VARIABILIDA CUADRADOS LIBERTAD MEDIO
D
Tratamientos

Bloques

Error    

Total      
 EJEMPLO DE DBCA
Una empresa maquiladora de ensamble, desea controlar activamente en el
experimento a los operadores que realizarán el ensamble, lo que da lugar al
siguiente diseño en bloques completos al azar. Se ha encontrado que puede ser
posible que dependiendo del tipo de operador será el tiempo de ensamble. Para
esto se realizan las pruebas de ensamblaje, ensamblando una pieza por cada uno
de los cuatro métodos, con cuatro operadores.

OPERADOR OPERADOR OPERADOR OPERADOR

método
1 2 3 4
A 6 9 7 8
B 7 10 11 8
C 10 16 11 14
D 10 13 11 9
 PLANTEAMIENTO DEL
PROBLEMA
Hipótesis
H0: u1=u2=u3=u4
Nivel de significancia
H1: u1u3u4
Ho: El tiempo promedio de los métodos son
Factor: Método de
iguales
ensamble
H1:Al menos dos de los métodos son
Métodos: A, B, C, y D
diferentes en cuanto al tiempo promedio
Bloques: tipo de
que requieren.
operador
Variable de respuesta:
Ho: El tiempo promedio de los operadores
tiempo de ensamble
son diferentes
H1:Al menos dos de los operadores son
diferentes en cuanto al tiempo promedio.
 DATOS

b Operador 4
Se obtiene la suma de
k Métodos 4 cada uno de los
N Total 16 métodos

OPERADO OPERADO OPERADO OPERADOR

método TOTAL
R1 R2 R3 4
A 6 9 7 8 30
B 7 10 11 8 36
C 10 16 11 14 51
D 10 13 11 9 43
TOTAL 33 48 40 39 160
Se obtiene la suma de
cada uno de los
bloques Se suman todos los valores
de las unidades
experimentales
 OPERAD OPERAD OPERAD OPERADO
método TOTAL
OR 1 OR 2 OR 3 R4
A 6 9 7 8 30
B 7 10 11 8 36
C 10 16 11 14 51
D 10 13 11 9 43
TOTAL 33 48 40 39 160
2
𝑏
𝑌 𝑘
160
2
𝑆𝐶 𝑇 = ∑ ∑ 𝑌 𝑖𝑗 − =( 6 +7 +10 …….+9 ) −
2 2 2 ..
2 2
=108
𝑗=1 𝑖=1 𝑁 16
 ANOVA

SUMA DE GRADOS DE CUADRADO

FUENTE F p
CUADRADO LIBERTAD MEDIO

METODOS 61,5 3 20,5 10,25 0,003

OPERADORES 28,5 3 9,5 4,75 0,03
ERROR 18 9 2    
TOTAL 108 15      

GRADOS DE
LIBERTAD
 Conclusión

p< ===Ho se rechaza

0,003 <0,05 Ho se rechaza MÉTODOS

Existe suficiente evidencia para rechazar Ho es decir, es decir que al menos dos de los
métodos son diferentes en cuanto al tiempo promedio que requieren.

p< ===Ho se rechaza

0,03 <0,05 Ho se rechaza OPERADORES

Existe suficiente evidencia para rechazar Ho, es decir que existe diferencias entre los
operadores en cuanto al tiempo promedio.
 Conclusión
Hipótesis Ho se rechaza
H0: A=B Son significativas
H1: A

a-b 1,5 < 2,26 No significativo

a-c 5,25 < 2,26 significativo
a-d 3,25 < 2,26 significativo
b-c 3,75 < 2,26 significativo El tratamiento A es
b-d 1,75 < 2,26 No significativo diferente del C Y D y el
c-d 2< 2,26 No significativo tratamiento B es diferente
de C. El método A es el
mejor y requiere menos
tiempo para el ensamble
que los métodos C y D
 DISEÑO DE
Este tipo de diseño
FACTORIALES
se utiliza para experimentos con dos o más factores,
dado que en general son los más eficientes para ello. En este diseño se
investiga todas las combinaciones posibles entre los niveles de los factores.

DISEÑO FACTORIAL COMPLETO 2K

Son denominados diseño factorial 2k los diseños en los cuales cada uno de los
factores cuenta con dos niveles, es decir cuando se realiza un experimento con
un número de factores k en el que cada uno de estos solo puede adoptar dos
niveles. Estos niveles podrían ser cuantitativos o cualitativos y una réplica
completa de tal diseño requiere que realizar 2k combinaciones.
Este diseño describe como realizar los experimentos de la forma más
adecuada para conocer simultáneamente qué efecto tienen k factores sobre
una respuesta y descubrir si interaccionan entre ellos
Además, estos diseños presentan diferentes ventajas en relación a otros tipos de diseños

 No es necesario un gran número de experimentos por cada uno de los factores a

estudiar.
 Las observaciones producidas por los diseños se pueden interpretar utilizando el
sentido común, la aritmética elementar y los gráficos por ordenador.
 Cuando se trata de factores cuantitativos se puede determinar una dirección
prometedora para una mayor experimentación.
 Es posible aumentar los diseños cuando se necesita una exploración más
focalizada.
 Es posible realizarlos de forma secuencial, de forma que una vez realizada una
ronda del diseño factorial se puede montar una nueva para realizar una
investigación más específica.
Como hemos mencionado, en este diseño se realizan todas las combinaciones
posibles entre los efectos, para ello se crea la matriz de diseño. En ella se utilizan
los signos – y + para ambos niveles de un factor y se realiza de la siguiente forma:
en la primera columna se alternan los signos comenzando por el -. En la segunda
columna se alternan los signos de dos en dos, en la tercera de cuatro en cuatro, en
la cuarta de ocho en ocho y así sucesivamente. Siempre comenzando con el signo
-.
Estos modelos pueden ser sin réplica o con ellas, es decir puede realizarse una sola vez
cada una de las combinaciones obteniendo solamente una respuesta para cada una de
las combinaciones o pueden realizarse el número de veces que se considere necesario
obteniendo así más de una respuesta para cada combinación, en este caso habrá que
tener en cuenta ambas respuestas
El modelo más sencillo para el diseño factorial 2k es el modelo 22 , sin réplica, el cual
cuenta con dos factores de dos niveles cada uno. Estos factores por ejemplos podrían
ser A y B, los cuales tienen cada uno dos niveles a los que trabajar, alto y bajo
denominados arbitrariamente. Las unidades experimentales se obtienen tomando las
cuatro posibles combinaciones de ambos factores y replicándolo n veces, con n > 1.
Por convención el efecto de un factor se denota con su letra mayúscula y los
niveles con + y -, para alto y bajo, obtendremos las siguientes respuestas para
las posibles combinaciones:

Así se podrán calcular los efectos principales de cada uno de los factores y de
sus combinaciones, como:
Las conclusiones de estos efectos dependerán de que es lo que miden, se examina su
magnitud y su dirección con el fin de poder determinar cuáles serán los niveles que
causan el efecto deseado en nuestro experimento, así como si estos efectos son de
importancia o pueden despreciarse

Además de cada factor también se puede realizar un análisis de varianza, para ello
se calculan los contrastes de los factores, o también llamados los efectos totales con
las Ecuaciones 5, 6 y 7. La suma de los cuadrados de los contrastes, la cual muestra
información sobre la importancia de los efectos principales o combinaciones, es igual
al cuadrado del contraste dividido por el número de observaciones en cada total
multiplicado por la suma de cuadrados de los coeficientes del contraste, como se
muestra en las Ecuaciones 9, 10 y 11. [7].
Además de los cálculos mencionados en este tipo de diseño es muy importante la
interpretación de las gráficas correspondientes a los efectos de los factores, así como
las de las combinaciones entre estos.