Unidad III

Diseño experimental con bloques al

azar y diseños factoriales.

3.1. Diseños en bloques completos al azar.

3.2. Diseño en cuadrado latino.
3.3. Diseño en cuadrado grecolatino.
Diseños en bloques completos al azar.

Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un

factor, es deseable que las posibles diferencias se deban principalmente al
factor de interés y no a otros factores que no se consideran en el estudio.

Cuando esto no ocurre y existen otros factores que no se controlan o

nulifican para hacer la comparación, las conclusiones podrían ser afectadas
sensiblemente.
Por ejemplo.
supongamos que se quieren comparar varias máquinas, si cada máquina es
manejada por un operador diferente y se sabe que éste tiene una influencia en
el resultado, entonces es claro que el factor operador debe tomarse en cuenta
si se quiere comparar a las máquinas de manera justa.

Un operador más hábil puede hacer ver a su máquina (aunque ésta sea la
peor) como la que tiene el mejor desempeño, lo cual impide hacer una
comparación adecuada de los equipos.
Para anular el efecto operador en la comparación consiste en que cada
operador trabaje durante el experimento con cada una de las máquinas.

Esta estrategia es la más recomendable, ya que utilizar a todos los operadores

con todas las máquinas permite tener resultados de la comparación que son
válidos para todos los operadores.

Esta forma de nulificar el efecto de operadores, recibe el nombre de bloqueo.

  
Factores de bloque Diseño en bloques
Factores adicionales al factor de interés que
se incorporan de manera explícita en un
experimento comparativo. NO se incluyen en
completos al azar el experimento porque interese analizar su
efecto, sino como un medio para estudiar de
(DBCA) manera adecuada y eficaz al factor de
interés.

¨culpables¨ de la variabilidad
presente en los datos

Factor de Factor de
Error aleatorio bloque tratamiento

Los factores de bloqueo que

aparecen en la práctica son:

Tipo de Línea de
Turno Lote Día Operador Maquina método
material producción
 Modelo estadístico
En el diseño de bloques el factor de interés es el tratamiento pero se
incluye el factor bloque para estimar su influencia aunque es de
importancia secundaria.

Hipótesis a probar
La hipótesis de interés es la misma para todos los diseños
comparativos, y está pada por

Tanto para el factor de interés como para el factor bloque

Análisis de varianza

La hipótesis dada se prueba con un análisis de varianza con

dos criterios de clasificación, porque se controlan dos fuentes
de variación: el factor de tratamientos y el factor de bloque
Ejemplo
Recordemos el caso de los cuatro métodos de ensamble

Si queremos considerar el factor bloque (es decir las personas)

entonces pasa a ser un análisis de varianza con dos factores y se
expresa de la siguiente manera:
 El factor tratamiento (que es el de interés) se indica por fila
 El factor bloque (operador) se indica en columnas
 Análisis de varianza de dos factores con una sola muestra por grupo
RESUMEN Cuenta Suma Promedio Varianza
A 4 29 7.25 0.91666667
B 4 34 8.5 1.66666667
C 4 51 12.75 5.58333333
D 4 42 10.5 1.66666667

Operador 4 34 8.5 5.66666667

4 45 11.25 12.9166667
4 39 9.75 3.58333333
4 38 9.5 5.66666667

ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de los cuadrados F Probabilidad Valor crítico para F
Filas 69.5 3 23.16666667 14.8928571 0.000777464 3.862548358
Columnas 15.5 3 5.166666667 3.32142857 0.070586185 3.862548358
Error 14 9 1.555555556

Total 99 15
De esta tabla se observa que para los métodos de ensamble se obtuvo un
valor de F de 14.89 y F critica de 3.86 por lo que se rechaza la 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
medio

En el caso de los operadores, como el valor de F (3.32) , se acepta la

hipótesis nula, el factor de bloque (operadores) no afecta, es decir, no
existen diferencias entre los operadores en cuanto al tiempo promedio.
De esta tabla se observa que para los métodos se obtuvo un valor-p = 0.001 < α=0.05, por lo que
se rechaza la H_0 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 medio que se
requiere.

Para los operadores, como su valor-p = 0.071 α=0.05, se acepta la hipótesis nula. El factor de
bloque (operadores) no afecta, es decir, no existen diferencias entre los operadores en cuanto al
tiempo promedio
 Comparación de parejas de medias de tratamiento
en el DBCA.
 Cuando se rechaza la hipótesis de igualdad de los cuatro tratamientos, es natural preguntarse cuáles de
ellos son diferentes entre sí. Para averiguarlo se utiliza alguna de las pruebas especificas.

donde b es el número de bloques, que hace las veces de número de réplicas, y (k-1)(b-1) son los
grados de libertad del
 
De aquí que en el ejemplo de los cuatro métodos de ensamble tenemos que
= = 2.26 (valor buscado en tablas de T de estudent)
Al comparar esta diferencia mínima significativa con los datos se obtiene la siguiente tabla:
A= B
1=2=3=4
B=D
 FISHER

2=3 2 = 1 =4
3 =1 1=4=5
Hacer de tarea
Diseño en cuadrado 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
tres fuentes de variabilidad que pueden afectar la respuesta
observada, éstas son:
 

• Los tratamientos
• El factor de bloque I (renglones)
• El factor de bloque II (columnas)
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.
Sean A, B, C, …, K, los k tratamientos a comparar, por lo tanto ambos
factores de bloques tienen también k niveles cada uno.
Selección y aleatorización de un cuadro latino

No cualquier arreglo de letras latinas en forma de cuadro es cuadro latino, la

regla fundamental es que cada letra debe aparecer sólo una vez en cada
renglón y en cada columna.

Un cuadro latino estándar es aquel 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:
Para cuatro tratamientos se pueden construir un total de 576 cuadros
latinos de los cuales cuatro son estándar.
 Modelo estadístico (ANOVA)

El ANOVA para el diseño en cuadro latino se prueba la hipótesis sobre los

efectos de tratamiento del factor renglón y del factor columna.
==

Otra vez, la hipótesis fundamental es la de los tratamientos; las otras dos

proporcionan un adicional al objetivo inicial y permiten comprobar la relevancia
de controlar los factores de bloque.
Ejemplo
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 llantas o marca, y se controlan dos factores de bloque:
 El tipo de carro
 Posición de la llanta en el auto.
La elección del cuadro latino a utilizar se hace antes de obtener los datos. Para
ello, a partir de un cuadro latino inicial se aleatorizan las columnas y los
renglones; después, las diferentes marcas de llantas se asignan de manera
aleatoria a las letras latinas que denotan los niveles del factor de interés

Tratamientos = Letras latinas

Bloque 1 = Filas
Bloque 2 = Columnas

Se mide la diferencia máxima entre el grosor de la llanta nueva y el grosor de la

llanta después de recorrido los 32 000 kilómetros. Obviamente, a mayor
diferencia en grosor mayor desgaste. Las unidades de medición son milésimas
de pulgada
Marca de la llanta
==

Posición de la llanta
==

Tipo de carro
==
Las letras A, B, C y D representan cuatro variedades de trigo; los renglones
representan cuatro diferentes fertilizantes; y las columnas 4 años diferentes. Los
datos de la siguiente tabla son los rendimientos para las cuatro variedades de
trigo, medidas en kilogramos por parcela. Se supone que las diversas fuentes
de variación no interactúan. Utilice un nivel de significancia de 0.05 para probar
la H_0; no hay diferencia en los rendimientos promedio de las cuatro variedades
de trigo
El departamento de matemáticas de una universidad desea evaluar las capacidades de
enseñanza de cuatro profesores. A fin de eliminar cualquier efecto debido a los diferentes cursos
de matemáticas y los diferentes horarios, se decide realizar un experimento con el uso de un
diseño de cuadros latinos en que las letras A, B, C y D representan a los cuatro diferentes
profesores. Cada profesor ensena una sección de cada de cuatro diferentes cursos
programados en cada uno de los cuatro diferentes horarios durante el día. Los datos muestran
las calificaciones asignadas por estos profesores a 16 estudiantes de aproximadamente igual
capacidad. Utilice un nivel de significancia de 0,05 para probar la hipótesis de que los diferentes
profesores no tienen efecto en las calificaciones.
Se comprueba el peso en gramos de un material de tres proveedores: A, B y
C, por tres diferentes inspectores: I, II y III, utilizando tres diferentes escalas:
1,2 y 3. El experimento se lleva a cabo como el siguiente cuadro latino:

Si hay diferencia en el proveedor c

Entre inspectors no/Entre escalas si
Diseño en cuadrado grecolatino
Con el diseño en cuadro grecolatino (DCGL) se controlan tres factores de bloque,
además del factor de tratamiento. 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 (ver tabla 3.5); 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.
Una compañía distribuidora ubicada en los suburbios está interesada en estudiar
la diferencia en costos (tiempo y gasolina) entre las cuatro rutas (A, B, C, D) que
llegan a la zona comercial, más importante para ellos, en el otro extremo de la
ciudad. Deciden correr un experimento en cuadro grecolatino controlando los
factores de bloque chofer, marca de vehículo (α,β,) y día de la semana. El
experimento se repite en dos semanas diferentes, en las cuales no hay días
festivos ni quincenas. Los costos observados en pesos se muestran en la
siguiente tabla:
a) Haga el análisis de varianza de este experimento
b) Realice las pruebas de comparaciones múltiples para los factores
significativos
c) Represente los tratamientos y factores de bloque usando gráficas de
medias y diagrama de dispersión.
d) ¿Cuál es la mejor ruta? ¿Cuál es la peor?
e) ¿Hay diferencias significativas entre los choferes? ¿Y entre el tipo o marca
de unidad?
El rendimiento de un proceso químico se midió utilizando cinco lotes de materia
prima, cinco concentraciones del ácido, cinco tiempos de procesamiento (A, B,
C, D y E) y cinco concentraciones del catalizador (α,β,γ,δ, ϵ). Se usó el
cuadrado grecolatino siguiente. Analizar los datos de este experimento (utilizar
α = 0,05) y sacar conclusiones.