ESTADISTICA

III
 DISEÑO EN
BLOQUES
ALEATORIZAD
OS
DISEÑO EN BLOQUES
ALEATORIZADOS
• Planteamiento
 ANALISIS DEL DISEÑO ALEATORIZADO EN BLOQUES

Es un diseño de dos factores de los cuales uno es el tratamiento (k) y el otro factor es el
bloque (n)
Se utiliza cuando las unidades experimentales (N) pueden agruparse en subgrupos
homogéneos llamados bloques (n) de tal manera que las diferencias observadas se deban en
gran parte a los tratamientos (k).
CARACTERISTICAS:
1. Cada tratamiento (k) aparece un número igual de veces en cada bloque. Cada bloque (n)
contiene todos los tratamientos (k).
2. Presenta una clasificación de 2 vías bloque (n) – tratamiento (k).
3. Cada observación Xij constituye una muestra aleatoria independiente de una población
definida por una combinación dada de bloque (n) y tratamiento (k); donde i = 1, 2, 3,
……..n y j = 1, 2, 3, 4…….k
ANOVA DEL DISEÑO ALEATORIZADO EN
BLOQUES
Fuente de
Variación SC CM Rv

Entre SCE=[] - k-1 CME= Fo=Rv =

tratamientos

Bloques SCB=[]- n-1 CMB=

Dentro de CMD=
tratamientos SCD = SCT- SCE - SCB (k-1)(n-1)

Total SCT=[]-
N-1 CMT=
SCT= = N
 DISEÑO ALEATORIZADO EN BLOQUES
• Ejercicio: Unos investigadores llevaron a cabo un experimento para
evaluar la efectividad de 4 medicamentos diferentes empleados en el
alivio o eliminación de los síntomas depresivos de los pacientes.
• Los investigadores deseaban eliminar los efectos de la duración de la
enfermedad, por lo que se seleccionaron al azar 4 pacientes de cada
una de las 3 categorías de duración de la enfermedad (corta,
mediana, larga) y luego asignaron al azar cada uno de los pacientes a
los 4 tratamientos.
• La medida que tomaron fue la diferencia entre los puntajes obtenidos
por los pacientes antes y después de la aplicación en una prueba para
medir la depresión. Con α=5%, efectuar el Anova y enuncie
conclusiones en los términos técnicos del problema.
DISEÑO ALEATORIZADO EN
BLOQUES
MEDICAMENTOS (tratamientos) K = 4

A B C D
DURACION DE
LA
ENFERMEDAD Corta 12 11 16 15
(bloques)
n= 3 Mediana 10 13 15 17

Larga 8 8 10 10
DISEÑO ALEATORIZADO EN
BLOQUES
A B C D TOTAL

Corta 12 11 16 15 54

Mediana 10 13 15 17 55

Larga 8 8 10 10 36

Tamaño nA=3 nB=3 nc=3 nD=3 N=12

Total TA=30 TB=32 TC=41 TD=42 T = 145

Media A =10 B =10,67 C =13,67 =14

D
 DISEÑO ALEATORIZADO EN
BLOQUES
• SCT = SCE + SCB + SCD
• SCT = []-=N = = 104,916

• SCE = [] - = [] - = 37,58 (Medicamentos)

• SCB = [] - = [] - = 57,16 (Duracion)

• SCD = 104,916 – 37,58 - 57,16 = 10,176 (Error)

 ANOVA DEL DISEÑO ALEATORIZADO EN
BLOQUES
Fuente de SC CM Rv
Variación
Entre SCE=[]-=37,58 K-1=4-1=3 CME==12,53 Rv= = 7,39
Medicamentos

Duración SCB=[]-=57,16 n-1=3-1=2 CMB==28,58

Dentro de (k-1)(n-1)= CMD==1,696

Medicamentos SCD=SCT-SCE-CB=10,18 (4-1)(3-
1)=6
SCT=[]- CMT==9,536=s2
Total N-1=12-1=11
SCT==104,92
 DISEÑO ALEATORIZADO EN BLOQUES
• Planteamiento de hipótesis:
• Ho: µA= µB= µC= µD
• Ha: µA ≠ µB ≠ µC ≠ µD
Regla de decisión:

Acepto Ho si Fo < Fc

Rechazo Ho si Fo>=Fc

El valor del Fc se tiene de Fc [α;k-1;(k-1)(n-1)]Fc [0.05;3;6] = 4,76

Dado que Fo > Fc (7,39 > 4,76) se Rechaza Ho y se concluye que después de aislar, bloquear o eliminar la variabilidad producto d

duración de la enfermedad, se concluye que existen diferencias significativas entre la efectividad media de al menos dos
 DISEÑO ALEATORIZADO EN
BLOQUES
• Ejercicio 2: Un supervisor de producción quiere comparar los tiempos
medios para montar un equipo electrónico según tres diferentes
métodos de montaje A1, A2, A3. Se escogieron a seis montadores
para el experimento. Se mandó a cada persona a montar el equipo
con cada método y se registraron los tiempos de montaje (en
minutos) para cada uno. Se distribuyen aleatoriamente los métodos
de montaje en sucesión para cada montador. Los datos se encuentran
en la tabla anexa. Realice un análisis de varianza para los datos
utilizando α= 0,05.
 DISEÑO ALEATORIZADO EN
BLOQUES
MONTADOR
Secuencia 1 2 3 4 5 6
montaje
A1 20,2 22,6 19,2 22,5 18,7 21,5
A2 23,7 24,1 22,6 24,3 20,2 21,5
A3 21,4 23 22,9 22 19,8 20,1
PRUEBA NO PARAMETRICA PARA EL DISEÑO
EN BLOQUES
• Si se incumple al menos uno de los supuestos
( normalidad, homocedasticidad o de
independencia), el contraste de la hipótesis de
que las K muestras proceden de una misma
población o de poblaciones con la misma
tendencia central no puede realizarse mediante
el análisis de la varianza.
 PRUEBA O TEST DE FRIEDMAN
• En este caso puede utilizarse una prueba no paramétrica
denominada “prueba o test de Friedman”

• AUTOR: Milton Friedman fue un estadístico, economista e

intelectual estadounidense ganador del Premio Nobel de
Economía de 1976. Profesor en la Universidad de Chicago,
fue uno de los fundadores de la Escuela de Economía de
Chicago, una escuela económica neoclásica defensora del
libre mercado.
 Milton Friedman
• Nació el 31 de julio de 1912 en Brooklyn, Nueva York.
• Milton Friedman falleció el 16 de noviembre de 2006 a la edad de 94
años de un ataque cardiaco en un hospital de San Francisco.

Hijo de inmigrantes judíos (provenían de Bessarabia, perteneciente a

la monarquía del Danubio, hoy Moldavia); tras la muerte de su padre
debió, con apenas quince años, ocuparse de su propio sustento.
 Milton Friedman
• Fundador de la teoría monetarista, según la cual las fuerzas
del libre mercado son más eficientes que la intervención
pública a la hora de fomentar un crecimiento económico
estable sin tensiones inflacionistas.

• Su teoría del consumo en base al ingreso permanente ha

tenido una gran influencia en los análisis macroeconómicos y
de impactos de políticas económicas, en la formulación de
modelos econométricos y en los pronósticos del consumo.
 PRUEBA O TEST DE FRIEDMAN
• Esta prueba puede utilizarse en aquellas situaciones en las que se seleccionan
n grupos (bloques) de K elementos de forma que los elementos de cada
grupo sean lo más parecidos posible entre sí, y a cada uno de los elementos
del grupo se le aplica uno de entre k ''tratamientos'', o bien cuando a cada
uno de los elementos de una muestra de tamaño n se le aplican los K
''tratamientos''.

• PRESENTACION DE LA INFORMACION

• Los datos se disponen en una tabla en la que en cada fila se

recogen las respuestas de los n elementos de cada grupo a los K
tratamientos y se presentan así:
 PRUEBA DE FRIEDMAN (presentación de la
información)
Grupo\
Tratamiento 1 2 ... j ... k

1 X11 X12 ... X1j ... X1k

... .... .... ... .... ... ....
i Xi1 Xi2 ... Xij ... Xik
... ... ... ... ... ... ...
n Xn1 Xn2 ... Xnj ... Xnk
 PRUEBA DE FRIEDMAN
• La hipótesis nula que se contrasta es que las respuestas asociadas a cada
uno de los ''tratamientos'' tienen la misma distribución de probabilidad
frente a la hipótesis alternativa de que por lo menos la distribución de una
de las respuestas difiere de las demás.
• Para poder utilizar esta prueba las respuestas deben ser variables continuas
y estar medidas por lo menos en una escala ordinal.
• A las observaciones de cada fila se les asignan rangos de menor a mayor
desde 1 hasta K; donde 1 es el mejor, o lo mejor o el preferido; el 2 es el
siguiente preferido y así hasta completar K.
• A continuación, se suman los rangos asignados a cada columna,
siendo Rj la suma correspondiente a la columna j-ésima.
• La prueba de Friedman determina si las Rj observadas difieren
significativamente del valor esperado bajo la hipótesis nula.
 PRUEBA DE FRIEDMAN
• El estadístico de prueba es:
 TEST DE FRIEDMAN
• Ejercicio
• En la feria de las flores de un municipio, para participar en el
reinado de belleza se requería que las candidatas tuvieran
nombre de alguna flor; de todas las inscritas y después del
proceso respectivo se identifican las 5 finalistas las cuales
son evaluadas en la preferencia de sus nombres por un
jurado de 7 jueces. La información recolectada se presenta
en la tabla adjunta; a un nivel de confianza del 95 % aplicar el
test de Friedman y enuncie conclusiones.
 PRUEBA DE FRIEDMAN
• Si Ho es cierta y el número de columnas y/o de filas es
moderadamente grande la distribución de Fr se aproxima a una chi-
cuadrado con (k – 1) grados de libertad; de forma que se rechaza la
hipótesis nula para valores de Fr superiores al valor crítico para el
nivel de significación fijado.

• Ejercicio
 Test de Friedman (ejercicio)
Juez/Nombre Azucena Rosa Jazmín Margarita Violeta

1 3 4 1 5 2
2 4 5 3 1 2
3 2 4 5 3 1
4 3 4 5 2 1
5 4 5 1 2 3
6 2 4 1 5 3
7 3 1 4 2 5
RA=21 RR=27 RJ=20 RM=20 RV=17
 Test de Friedman (ejercicio)
• Cálculo del estadístico de prueba

• Fr = [] - 3n(k+1)

• Fr = [212+272+202+202+172] - (3*7)(5+1) = 3,086

 Test de Friedman (Ejercicio)
• Planteamiento de hipótesis
• Ho: No hay diferencias significativas en el nombre sobre la preferencia de las
reinas.
• Ha: Si hay diferencias significativas en el nombre sobre la preferencia de las
reinas.
• Regla de decisión:
• Acepto Ho si Fr < X2c
• Rechazo Ho si Fr ≥ X2c
• X2c[0,05; 4]=9,49

• Como Fr( 3.086) < X2c (9.49)Acepto Ho, y se concluye que no hay diferencias
significativas en el nombre sobre la preferencia de las reinas.
• Taller de clase

•PRUEBA DE VALORACION
SENSORIAL (sabor)
•UNA APLICACIÓN DEL TEST DE
FRIEDMAN
TIPOS DE SABORES
 Test de Friedman (Taller- clase)
Producto: papa frita Factor : sabor
Juez/Sabor POLLO NATURAL LIMON BBQ MAYONESA

1
2
3
4
5
6
7
RP= RN= RL= RB= RM=
Test de Friedman (ejercicio)
• Cálculo del estadístico de prueba

• Fr = [] - 3n(k+1)

• Fr = [ 2
+ 2
+ 2
+ 2
+ 2
] - (3*7)(5+1) =

• Fr =
Test de Friedman (Ejercicio)
• Planteamiento de hipótesis
• Ho: No hay diferencias significativas en el sabor sobre la preferencia de las
papas.
• Ha: Si hay diferencias significativas en el sabor sobre la preferencia de las
papas.
• Regla de decisión:
• Acepto Ho si Fr < X2c
• Rechazo Ho si Fr ≥ X2c
• X2c[0.05; 4]=9,49

• Como Fr( ) X2c (9.49) Ho, y se concluye que hay diferencias

significativas en el sabor sobre la preferencia de las papas.
Test de Friedman (ejercicio)
• EJEMPLO 2: Un problema grave para los agricultores, relacionado con la sequía, es la
proliferación de aflatoxina, una sustancia altamente toxica producida por mohos y que
contamina el maíz cultivado. En los niveles superiores de contaminación, la aflatoxina
puede ser peligrosa para la salud animal y posiblemente la humana. (Funcionarios de la
FDA han establecido un límite máximo de 20 partes por millón de aflatoxina como
seguro para la comercialización interestatal).
• Se han inventado tres productos para aspersión, A,B y C que pueden controlar la
aflatoxina en los campos de maíz. Para determinar si existen diferencias entre las
aspersiones, se escogieron 10 mazorcas de maíz al azar de un campo contaminado y
cada una se dividió en tres trozos de igual tamaño. Después, se asignaron las
aspersiones aleatoriamente a los trozos de cada mazorca de maíz, estableciendo así un
diseño de bloques aleatorizados.
• La tabla anexa presenta la cantidad (en partes por millón) de aflatoxina presente en las
muestras de maíz después de la aspersión. A un nivel de significancia α= 0.05, utilice la
prueba de Friedman para determinar si hay diferencias entre las distribuciones de
probabilidad de las cantidades de aflatoxina presentes con las tres aspersiones.
Test de Friedman (ejercicio)
Mazorca ASPERSION
A B C
1 21 23 15
2 29 30 21
3 16 19 18
4 20 19 18
5 13 10 14
6 5 12 6
7 18 18 12
8 26 32 21
9 17 20 9
10 4 10 2
 Test de Friedman (ejercicio)
ASPERSION
MAZORCA A B C
1 2 3 1
2 2 3 1
3 1 3 2
4 3 2 1
5 2 1 3
6 1 3 2
7 2,5 2,5 1
8 2 3 1
9 2 3 1
10 2 3 1
RA=19,5 RB=26,5 RC=14
Test de Friedman (ejercicio)
• Calculo del estadístico de prueba

• Fr = [] - 3n(k+1)

• Fr = [ 19,52 + 26,52 + 142] - (3)(10)(3+1) = 7,85

Test de Friedman (Ejercicio)
• Planteamiento de hipótesis
• Ho: No hay diferencias significativas entre las distribuciones de probabilidad de los
niveles de aflatoxina presentes en las tres aspersiones
• Ha: Si hay diferencias significativas entre las distribuciones de probabilidad de los
niveles de aflatoxina presentes en las tres aspersiones
• Regla de decisión:
• Acepto Ho si Fr < X2c
• Rechazo Ho si Fr ≥ X2c
• X2c[0,05; 2]= 5,995

• Como Fr( 7,85 ) > X2c (5,995) Rechazo Ho , y se concluye que Si hay diferencias significativas
entre las distribuciones de probabilidad de los niveles de aflatoxina presentes en las tres aspersiones
 Test de Friedman (Ejercicio-taller de
clase)
• Ejercicio 3:
• En un experimento para estudiar la forma en que diferentes anestésicos
afectan la concentración de epinefrina del plasma, se seleccionaron diez
perros y se les midió la concentración mientras se encontraban bajo el
influjo de los anestésicos, isoflurano, halotano y ciclopropano
(“Sympathoadrenal and Hemodynamic Effects of Isoflurane, Halothane
and Cyclopropane in Dogs” Anesthesiology, 1974, pp. 465-470).
• Utilizando el test de Friedman pruebe a un nivel de significación del
0.05 para ver si hay efecto significativo del anestésico sobre la
concentración de epinefrina del plasma en los perros.
 Test de Friedman (Ejercicio 3)

ANESTESICOS PERRO

1 2 3 4 5 6 7 8 9 10
ISOFLURA 0,28 0,51 1,0 0,39 0,29 0,36 0,32 0,69 0,17 0,33
NO

HALOTAN 0,3 0,39 0,63 0,38 0,21 0,88 0,39 0,51 0,32 0,42
O

CICLOPRO 1,07 1,35 0,69 0,29 1,24 1,53 0,49 0,56 1,02 0,30
PANO