AO DE LA CONSOLIDACIN DEL

MAR DE GRAU

DISEO CUADRADO
LATINO Y GRECOLATINO
FACULTAD:
Facultad de Ingeniera

ESCUELA ACADMICA PROFESIONAL:

Ingeniera Civil

ASIGNATURA:
ESTADSTICA APLICADA

DOCENTE:
POMAPE, Aracelli

ALUMNAS:
GUTIERREZ CORONADO, Keyla.
MINCHN ZAVALETA, Betzy.
VILLANUEVA BAZN, Jhoselyn.

SEMESTRE ACADMICO:
2016 I

CICLO:
III A

Cajamarca, 4 Junio del 2016

1.- DISEO CUADRADO LATINO
1.1-Descripcin del modelo:
Los diseos en cuadrados latinos son apropiados cuando es necesario
controlar dos fuentes de variabilidad. En dichos diseos el nmero de niveles
del factor principal tiene que coincidir con el nmero de niveles de las dos
variables de bloque o factores secundarios y adems hay que suponer que no
existe interaccin entre ninguna pareja de factores.

Supongamos que el nmero de niveles de cada uno de los factores es K . El

diseo en cuadrado latino utiliza K 2 bloques, cada uno de estos bloques
corresponde a una de las posibles combinaciones de niveles de los dos factores
de control. En cada bloque se aplica un solo tratamiento de manera que cada
tratamiento debe aparecer con cada uno de los niveles de los dos factores de
control.

Si consideramos una tabla de doble entrada donde las las y las columnas
representan cada uno de los dos factores de bloque y las celdillas los niveles del
factor principal o tratamientos, el requerimiento anterior supone que cada
tratamiento debe aparecer una vez y slo una en cada la y en cada columna.

Recibe el nombre de cuadrado latino de orden K a una disposicin en las y

columnas de K letras latinas, de tal forma que cada letra aparece una sola vez
en cada la y en cada columna.

A continuacin vamos a dar una forma simple de construccin de

cuadrados latinos. Se parte de una primera la con las letras latinas ordenadas
alfabticamente

Columna 1 Columna 2 Columna 3

Fila 1 Columna
A k B C K

Las sucesivas las se obtienen moviendo la primera letra de la la anterior a la

ltima posicin (construccin por permutacin cclica), el cuadrado as obtenido
es un cuadrado latino estndar. Un cuadrado latino se denomina estndar
cuando las letras de la primera la y la primera columna estn ordenadas
alfabticamente. A parte de los cuadrados latinos as obtenidos existen otros
cuadrados latinos diferentes, estndares y no estndares. En el Apndice B se
muestran algunos cuadrados latinos estndares para los rdenes 3, 4, 5, 6, 7, 8
y 9.
 El procedimiento para construir un diseo en cuadrado latino es el siguiente:

1. Plantear:
Ho: Los procesos no difieren significativamente en efectividad.
Las medias de las poblaciones son todas iguales.
Ha: Los procesos difieren significativamente en efectividad.
Las medias de las poblaciones no son todas iguales
2. Elegir Si rechazamos Ho al finalizar la prueba, entonces la probabilidad de
haber tomado una decisin errnea, es decir la probabilidad de que Ho sea en
realidad cierta, es una probabilidad menor que .
En particular le asignaremos a el valor de 0.05 = 5%
3. Calcular las sumas de las filas y columnas del siguiente cuadrado:

1 2 ......... M sumas
columnas:
filas:
1 X11 X12 X1M X1
2 X21 X22 X2M X2
......
......
M XM1 XM2 XMM XM
Sumas X1 X2 XM X

Adems:
X1= suma de valores del primer tratamiento
X2= suma de valores del segundo tratamiento
X3= suma de valores del tercer tratamiento
etc.
4. Construir la siguiente tabla ANDEVA :

FUENTE DE GRADOS SUMA DE CUADRADOS (SC) CUADRADOS

VARIACIN DE MEDIOS (CM)
LIBERTAD
Filas M-1 X12 /M + SC FILAS / (M-1)
 X22 /M +
X3 2 /M +
+.......
- X2/M2
Columnas M-1 X12 /M + SC COLUMNAS /
(M-1)
X22 /M +
X3 2 /M+
+.......
- X2/ M2
Tratamientos M-1 X12 /M +
X22 /M + SCTRATAM / (M-1)
X3 2 /M+
+.......
- X2/ M2
Error (M-1) (M- X112 + X122 + X132 +........ SC ERROR / (M-1)
2) (M-2)
X212 + X222 + X232 + ..
X312 + X322 + X332 +........
- (X12/ M + X22 /M + X3 2 /M+
....... )
Total M2-1

Adems:
F calc. = CM trat / CM error
F terica= F 1- , M-1, (M-1) (M-2)

5. Si Fcalc. mayor que F terica rechazar Ho. (aceptar Ha)

Si Fcalc. menor o igual que F terica aceptar Ho.
1.2- Ejemplos:
1.2.1- Un investigador quiere evaluar la productividad de cuatro variedades de
aguacate y decide realizar el ensayo en un terreno que posee un gradiente de
pendiente de oriente a occidente y adems, diferencias en la disponibilidad de
Nitrgeno de norte a sur, para controlar los efectos de la pendiente y la
disponibilidad de Nitrgeno, utiliz un diseo de cuadrado latino, las variedades
son: A, B, C y D, los datos corresponden a la produccin en kg/parcela.

Disponibilidad de Pendiente Y.j.

Nitrgeno 1 2 3 4
1 D A C B
785 730 700 595
2 A B D C
855 775 760 710
3 C D B A
950 885 795 780
4 B C A D
945 950 880 835
Y
.
Aqu el juego de hiptesis a probar sera:
Ho = A = B = C = D

Ha = i j para cualquier i diferente de j.

El anlisis de varianza queda:

F de V GL S de C CM FC P value
Tratamientos 3 5556.25000 1852.08333 98.78 < 0.005
Nitrgeno (Filas) 3 92518.75000 30839.58333
Pendiente 3 52556.25000 17518.75000
(Columnas)
Error 6 112.5000 18.7500
Total 15 150743.7500

A partir de la cul se rechaza la hiptesis nula y se concluye que existen por lo menos
dos variedades de aguacate con diferentes niveles de produccin, para evaluar entre
quienes est la diferencia debe realizarse una prueba de comparacin de medias, esto
te queda de tarea.
 1.2.2- "Evaluacin del sistema de riego por exudacin utilizando cuatro variedades
de meln, bajo modalidad de siembra, SIMPLE HILERA.". Se desea probar el
comportamiento de tres variedades hbridas de meln y uno estndar. (Tesis).- autor
Alberto ngeles L.

Variedades: V1 :
Hbrido
V2 : Hbrido Mark.
V3 : Hbrido Topfligth.
V4 : Hbrido Hales Best Jumbo.
Hiptesis: Ho : Efecto de variedades de melon en
estudio es nulo.
H1 : Al menos dos variedades tienen efectos distintos.

Datos: Rendimiento en Kgs. por parcela.

C1 C2 C3 C4
C1 C2 C3 C4 F1 V1 V2 V3 V4

F1 45 50 43 35 F2 V4 V3 V2 V1
29 53 41 63 F3
F2 Solucion:V2 V4 V1 V3
37 41
C1 41 C2 63 C3 F4 C4 Y.j
F3
F138 40 35 41 V3 V1
173 V4 V2
F4 F2 45 50 43 35
186
29 53 41 63
F3 37 41 41 63 182
F4 38 40 35 41 154
Yi. 149 184 160 202 695

V1 V2 V3 V4
189 169 197 140 695

Estimacin de parmetros :
: 695/16 = 43.4375
1 : 189/4 43.4375 = 3.81 ; 2 : -1.18 ; 3 : 7.57 ; 4 : -8.4375
c1 : 149/4 43.4375 =-6.1875 ;c2 : 2.5625 ; c3 : -3.4375 ; c4 :7.0625
f1 : 173/4 43.4375 = -0.1875 ; f2 : 3.0625 ; f3 : 2.0625 ; f4 : -4.9375
CALCULO DE SUMAS DE CUADRADOS

Termino de correccin TC = 695 /16 = 30189.1

SC(Total) = 45 + 50 + . . . 41 - TC = 1359.9375
SC(Filas) = (173 + + 154 ) / 4 - TC = 152.18750
SC(Columna) = ( 149 + + 202 ) / 4 TC = 426.18750
SC(Melon) = ( 189 + + 140 ) / 4 TC = 483.68750
SC(error) = SC(total) SC(filas) SC(columnas) = 297.8750
Promedio = 695 /16 = 43.438
CM (error) = SC(error) / [(t-1)(t-2)] = 49.6458
CV = Raiz (CM error) *100 / Promedio = 16.2 % Analisis de Variancia:

Fuente Gl S.C. C.M. Fc Pr > F

FILA 3 152.1875 50.7291 1.02 0.4466

COLUMNA 3 426.1875 142.0625 2.86 0.1264
MELON 3 483.6875 161.2291 3.25 0.1022
Error 6 297.8750 49.6458
Total 15 1359.9375

Se acepta la Hp, a un riesgo de rechazar la Hp de 0.05

Por lo tanto, no existe diferencias en el rendimiento de las variedades de melon tratadas con
el sistema de riego por exudacin.

El coeficiente de variacin es de 16% aceptable para evaluacin en campo.

El rendimiento promedio del meln en condiciones experimentales resulto 43.3 kilos por
parcela experimental.

El rendimiento por hibrido fue el siguiente :

V1 : Hbrido Misin 47.3 kilos

V2 : Hbrido Mark. = 42.3 kilos
V3 : Hbrido Topfligth. 49.3 kilos
V4 : Hbrido Hales Best Jumbo. = 35.0 kilos
Segn los resultados experimentales no existen diferencias estadsticas entre las
variedades ; las diferencias se dan a un riesgo mayor de 0.10, esto significa que muy
posible existen diferencias pero en este experimento no fue posible detectar por los
pocos grados de libertad para el error, lo recomendable cuando se prueba un testigo, se
recomienda tener mas repeticiones, en un cuadrado latino pequeo, lo recomendable es
doblar el numero de parcelas del testigo ; esto significa tener en forma ficticia 5
variedades en 5 filas y 5 columnas y los grados de libertad para el error serian
4x3 = 12. En el anlisis de variancia se realiza en forma normal, y para las pruebas
estadsticas utilizar contrastes o dunnett. Si son pocos los tratamientos y hay
inseguridad en los resultados, realizar el ajuste de bonferroni u otro ajuste de
probabilidades (ver ejemplos de agrcola)

1.2.3- A n de ilustrar el anlisis de la varianza de los diseos en cuadrado latino,

consid- eremos la situacin de referencia, en la que se ha realizado el experimento con la
aleator- izacin correspondiente y hemos designado por las letras (A, B, C, D) a los
tratamientos. As, el cuadrado latino resultante junto con las observaciones obtenidas,
dan lugar al Ejem- plo 5-1, que se muestra en la siguiente tabla, a la que se han aadido
las las y columnas necesarias para su resolucin.

Tabla 1-1 Datos para el ejemplo 1.2.3

Insecticidas
2
i i i i yi.. yi..
Abonos 1 2 3 4
a C D B A
1
a B A C D 22 484
2 15 16 18 23
72 5184
a D C A B
3 18 12 12 10
52 2704
a A B D C
4 14 13 16 14
57 3249
y.j 54 49 50 50 203 11621
y2j.. 2916 2401 2500 2500 10317
2
yij(.) 794 633 740 834 3001

Tabla 1-2

y..h 2
Letra Observaciones y..h
latinaA 3 16 12 14 45 2025
B 4 15 10 13 42 1764
7 18 12 14 51 2601
C
203 10615

Las sumas de cuadrados necesarias para el anlisis de la varianza se calculan

como sigue:
 y la suma de cuadrados del error se obtiene por diferencia

La tabla ANOVA correspondiente a este modelo es

Tabla 1-3. Anlisis de la varianza para los datos del Ejemplo 1.2.3

Fuentes de Suma de Grados de Cuadrados % Explicado

variacin cuadrados libertad medios Fexp
E. la (Abonos) E. 329.6875 3 109.89583 47.523 77.49 %
colum. (Insect.) E.
trat. (Semillas) 3.6875 3 1.22917 0.532 0.87 %
Residual 13.8750 6 2.31250
TOTAL 425.4375 15 96.74 %

Si realizamos el contraste al 5 % y comparamos los valores de las Fexp con el valor

de la F terica (F0,05;3,6 = 4,7571), se concluye que son signicativos los efectos de los
abonos y semillas, pero no lo son los efectos de los insecticidas.

Observamos, en la columna correspondiente al % explicado, que el coeciente de

deter- minacin del modelo es R2 = 0,9674, siendo el efecto ms importante el
referente al tipo de abono que explica un 77.49 % de la variabilidad presente en el
experimento.

2.- DISEO GRECOLATINO

2.1- INTRODUCCIN
En los arreglos por bloques se pueden analizar cuatro factores (tres de bloqueo y uno de
tratamientos) introduciendo un cuarto factor o bloque en un cuadro latino. A este cuarto
factor o bloque se le denomina griego, ya que se utilizan letras griegas para identificar
sus niveles; a la adicin de un cuarto factor en un cuadrado latino se le denomina diseo
en cuadro grecolatino
Las caractersticas del DCGL son:
- Es un diseo con cuatro factores a k niveles
- Requiere k2 observaciones
- Cada nivel de un factor aparece una vez con cada nivel de los otros factores

2.2- DISEO EN CUADRO GRECOLATINO

Con el diseo en cuadro grecolatino se controlan tres factores de bloque, adems del
factor de tratamientos. Se llama cuadro grecolatino porque los cuatro factores
involucrados se prueban en la misma cantidad de niveles que en el cuadro latino, cada
letra (latina y griega) debe aparecer solo una vez en cada rengln y en cada columna.
Adems, cada par de letras debe aparecer solo una vez en todo el arreglo.
El DCGL se utiliza para la eliminacin de tres fuentes de variabilidad perturbadora: en
este tipo de cuadro, cada variable (representada por renglones, columnas, letras latina o
letras griegas) est distribuida equitativamente respecto a las otras variables.
DATOS DE UN DCGL
A continuacin se muestra el aspecto de los datos en un DCGL:

Columnas
1 2 3 4
A B D
1 C
B A D C
2
Filas
C D A
3 B

D C B A
4

El modelo estadstico que describe a las mediciones en un cuadro grecolatino esta dado
por:
Y ijm = + i + j + l + m+ ijlm

Donde:

- Y ijm es la observacin o respuesta que se encuentra en el tratamiento i (i-

sima letra latina), en la fila j, en la columna l y en la m-sima letra griega.

 - i es el efecto del tratamiento, j es el efecto de la fila j.
- l representa el efecto de la columna l.

- m representa el efecto de la m-sima letra griega, que son los niveles del

tercer factor de bloque.

- El trmino ijlm representa el error aleatorio atribuible a la medicin Y ijm .

HIPTESIS DE INTERS
La hiptesis de inters es la misma para todos los diseos comparativos, y esta dada por:
H 0 : 1=2==k =

H 1 : i = j para algn i j

La hiptesis fundamental es la de los tratamientos; las otras dos (las hipotesis de los bloques)
proporcionan un adicional al objetivo inicial y permiten comprobar la relevancia de coontrolar
los factores de bloqueo.
La diferencia que deben tener las medias entre s para concluir que los tratamientos o los
bloques son diferentes lo determina el analisis de varianza (ANOVA). Este analisis calcula el
valor estadistico F0 que sera comparado contra un valor F que sera establecido por
medio del uso de las tablas de distribucion F.

CONCLUSIONES
Las conclusiones se obtienen en base a los valores obtenidos de F:

Si F0 > F entonces se acepta la H 0 por lo tanto;

Todos los tratamientos son iguales.

Todos los bloques son iguales.

Si F0 < F entonces se rechaza la H 0 por lo tanto;

Al menos uno de los tratamientos es diferente.

Al menos uno de los bloques es diferente.

ANLISIS DE VARIANZA (ANOVA) PARA DCGL

Fuente de F
Grados de libertad Cuadrado
variabilidad Suma de cuadrados (SC) calculado
(gl) medio (CM)
(FV) (F0)

Tratamientos (k) SCk=

( A 2+ B2 +C 2+ ) FCglk=k1 CMk=
SCk
F0 =
CMk
Letras latinas k glk CME
 Bloques (b1) SCb 1=
y 2i
FC glb 1=k1 CMb 1=
SCb 1 CMb 1
F=
Columnas k glb 1 0 CME

Bloques (b2) SCb 2=

y 2j
FC glb2=k1 CMb 2=
SCb 2 CMb 2
F=
Filas k glb 2 0 CME

Bloques (b3) SCb 3=

( 2 + 2+ 2+ )
glb 3=k1
FC
SCb 3 CMb 3
CMb 3= F0 =
Letras griegas k glb3 CME
SCE
Error (E) glE=( k3)(k31) CME=
SCE =SCT SCkSCb 1SCb2SCB
glE

Total (T) SCT = y 2ij glT =k 21

Donde:
2
( y J )
k = tratamientos b = bloques FC=
k2

2.3 EJEMPLOS:
2.3.1- Se realiza un experimento para probar el efecto que tiene el factor de materia
prima y de los operadores para la explosividad de la dinamita. Tambin se considera el
factor de la formula (A, B, C, D, E) y las lneas de ensamblaje ( , , , , ).

Los resultados se muestran en la siguiente tabla:

Lotes de materia Operadores
prima 1 2 3 4 5
A 24 B 20 C 19 D 24 E 24
1
B 17 C 24 D 30 E 27 A 36
2
C 18 D 38 E 26 A 27 B 21
3
D 26 E 31 A 26 B 23 C 22
4
E 22 A 30 B 20 C 29 D 31
5

SOLUCIN
El primer paso es realizar el clculo de las sumatorias correspondientes:
Operadores
 Lotes de
materia 1 2 3 4 5 y j y 2j y 2ij
prima
A 24 B 20 C 19 D 24 E 24
1 111 12321 2489

B 17 C 24 D 30 E 27 A 36
2 134 17956 3790

C 18 D 38 E 26 A 27 B 21
3 130 16900 3614

D 26 E 31 A 26 B 23 C 22
4 128 16384 3326

E 22 A 30 B 20 C 29 D 31
5 132 17424 3586

yi 107 143 121 130 134 635

y 2i 80985
11449 20499 14641 16900 17956 81395
y 2ij 2349 4281 3013 3404 3758 16805

A 143 A 2 20499

B 101 B 2 10201

C 112 C2 12544
2 1822
D 149 D2 22201135 5

E2 16900 119
14161
E 130

82295122
2 14884

121 2 14641

138 2 19044
El segundo paso es calcular los componentes del
80955
ANOVA para obtener F0:

2
( yJ )
FC= =16129
k2
SCk=
( A 2+ B2 +C 2+ D 2+ E 2 )
FC=330
k

SCb 1=
y 2i
FC=150
k

SCb 2=
y 2j
FC=68
k

SCb 3=
( 2 + 2+ 2+ 2 + 2) FC =62
k

2
SCT = y ij FC =676

SCE=SCT SCkSCb 1SCb2SCb 3=66

glk=k1=4
glb 1=k1=4
glb 2=k1=4
glb 3=k1=4
glE=( k3 )( k1 )=8

glT =k 21=24

SCk
CMk= =82.5
glk

SCb 1
CMb 1= =37.5
glb 1

SCb 2
CMb 2= =17
glb 2

SCb 3
CMb 3= =15.5
glb3

SCE
CME= =8.25
glE

CMk
F0 = =10
CME
 CMb 1
F0 = =4.54
CME

CMb 2
F0 = =2.06
CME

CMb 3
F0 = =1.87
CME

ANOVA

FV SC gl CM F0
Tratamientos (Frmula)
330 4 82.5 10
Letras latinas
Operadores (Bloque I)
150 4 37.5 4.54
Columnas
Materia prima (Bloque
II) 68 4 17 2.06
Filas
Lneas de ensamblaje
62 4 15.5 1.87
Letras griegas
Error 66 8 8.25
Totales 66 24

El tercer paso es la obtencion del F:

Calculo de F
Tratamientos glk, glE = 4, 8 F0.5 ( 4,8 )=3.84

Bloque I glb1, glE = 4, 8 F0.5 ( 4,8 )=3.84

Bloque II glb2, glE = 4, 8 F0.5 ( 4,8 )=3.84

Bloque III glb3, glE = 4, 8 F0.5 ( 4,8 )=3.84

El cuarto paso es graficar los valores de F0 y F

El quinto paso es obtener las conclusiones:
- Tratamientos
F0 =10>3.84=F se rechaza la H0 por lo tanto al menos una de las frmulas
ocasiona diferencias en la explosividad de la dinamita.
- Bloque I
F0 =4.54 >3.84=F se rechaza la H0 por lo tanto al menos una de los
operadores influye en la explosividad de la dinamita.
- Bloque II
F0 =2.06<3.84=F se acepta la H0 por lo tanto los lotes de materia prima no
estn causando diferencias en la explosividad de la dinamita.
- Bloque III
F0 =1.87<3.84=F se acepta la H0 por lo tanto las lneas de ensamblaje no
influyen en explosividad de la dinamita.

2.3.2- El rendimiento de un proceso qumico fue medido usando 5 lotes de materia

prima, 5 concentraciones de cido, 5 tiempos de reposo (A, B, C, D, F) y 5
concentraciones de catalizador ( , , , , ), se utiliz el cuadro grecolatino que se
presenta a continuacin. Analice los datos y obtenga las conclusiones para una
probabilidad de 0.05%.
SOLUCIN
A.O.: El rendimiento de un proceso vara segn el tiempo de reposo
Ho: las medias de tiempo de reposo no varan
H1: las medias de tiempo son diferentes
Nivel de significancia: 0.05
Estadstico de prueba: F de Fisher

Operadores
Lotes de
materia 1 2 3 4 5 y j y 2j y 2ij
prima
A 26 B 16 C 19 D 16 E 12
1 89 7921 1693

B 18 C 21 D 18 E 11 A 20
2 88 7744 1610

C 20 D 12 E 16 A 25 B 13
3 86 7396 1594

D 15 E 15 A 22 B 14 C 17
4 83 6889 1419

E 10 A 24 B 17 C 17 D 14
5 82 6724 1450

yi 89 88 92 83 76 428

y 2i 36674
7921 7744 8464 6889 5776 36794
y 2ij 1725 1642 1714 1487 1198 7766
 A 117 A 2 13689

B 78 B 2 6084
2
C C 8836
94
2 5625
83 2 6889
D 75 D

E2 4096 84
7056
E 64

38330 91
2 8281

82 2 6724

ANOVA 88 2 7744
FV SC gl CM F0
36694
Procesos de fabricacin 338.6 4 13.63
84.660
4 3
cido 31.44 4 2.86 1.260
Lote 7.44 4 1.86 0.299
Letras griegas 11.44 4 7.86 0.460
Error 49.68 8 6.21
438.6
Totales 24
4

Calculo de F
Tratamientos glk, glE = 4, 8 F0.5 ( 4,8 )=3.84

Bloque I glb1, glE = 4, 8 F0.5 ( 4,8 )=3.84

Bloque II glb2, glE = 4, 8 F0.5 ( 4,8 )=3.84

Bloque III glb3, glE = 4, 8 F0.5 ( 4,8 )=3.84

Conclusiones:
- Tratamientos
F0 =13.633>3.84=F se rechaza la H0 por lo tanto al menos uno de las
tiempos de reposo ocasiona diferencias en el rendimiento de un proceso qumico.
- Bloque I
 F0 =1.260<3.84=F se acepta la H0 por lo tanto al menos una de las
concentraciones de cido no influye en el rendimiento de un proceso qumico.
- Bloque II
F0 =0.299<3.84=F se acepta la H0 por lo tanto los lotes de materia prima
no estn causando diferencias en el rendimiento de un proceso qumico.
- Bloque III
F0 =0.460<3.84=F se acepta la H0 por lo tanto las concentaciones de
catalizador no Influyen en el rendimiento de un proceso qumico.

2.3.3- Se compara el rendimiento de tres procesos de fabricacin (A, B, C), en tres

condiciones experimentales ( , , ), tres das distintos con tres procedimientos de
medicin. El diseo y los resultados obtenidos se indican en el siguiente cuadro.
Nivel de significancia: 0.05
Estadstico de prueba: F de Fisher

Das
Mtodo y j y 2j y 2ij
1 2 3
A 10 B 13 C 11
1 34 1156 390

B8 C8 D 10
2 26 676 228

C9 D 11 E 10
3 30 900 302

yi 27 32 31 90

y 2i 2732
729 1024 961 2714
2
y ij 245 354 321 920

A 28 A2 784

B 32 B 2 1024
90031
C2

2
961
C 30
270831 961

28 2 784

2706
 ANOVA

FV SC gl CM F0
2.33E1
Tratamientos 2.67 2 1.33
3
4.09E1
Das 4.67 2 2.33
3
9.35E1
Mtodos 10.67 2 5.33
3
Condiciones 1.75E1
2 2 1
experimentales 3
Error 1.14E-13 2 5.7E-14
Totales 20 8

Calculo de F
Tratamientos glk, glE = 2, 2 F0.5 ( 2,2)=19

Bloque I glb1, glE = 2, 2 F0.5 ( 2,2)=19

Bloque II glb2, glE = 2, 2 F0.5 ( 2,2)=19

Bloque III glb3, glE = 2, 2 F0.5 ( 2,2)=19

Conclusiones:
- Tratamientos

F0 =2.23 1013 >19=F se rechaza la H0 por lo tanto al menos uno de los

procesos de fabricacin ocasiona diferencias en el rendimiento.
- Bloque I

F0 =4.09 1013 >19=F se rechaza la H0 por lo tanto en al menos uno de las

das el rendimiento es diferente.
- Bloque II

F0 =9.35 1013 >19=F se rechaza la H0 por lo tanto los procedimientos de

medicin influyen en el rendimiento.
- Bloque III

F0 =1.75 1013> 19=F se rechaza la H0 por lo tanto las condiciones

experimentales Influyen en el rendimiento.
Al parecer hay varianza en los tratamientos tanto como en los mtodos empleados para
los diferentes procesos de fabricacin.
2.3 APLICACIN:
El diseo de experimento comenz siendo aplicada a la agricultura, con el objetivo de
identificar las mejores condiciones de terreno, fertilizante, tipo de semilla, clima, etc.,
que permiten optimizar la cosecha de un determinado producto agrcola.
Posteriormente ya fue aplicada en otros campos, tales como en la industria y la
ingeniera, pues a travs de ella se pueden alcanzar objetivos muy importantes en la
optimizacin de los procesos realizados en estos campos; como por ejemplo:
Identificar los factores que realmente ejercen una influencia significativa en la
calidad de una obra civil terminada.
Jerarquizar estos factores por orden de importancia.
Identificar el punto ptimo de operacin de la obra civil.
Un claro ejemplo de la aplicacin del DCGL en la Ingeniera Civil seria al momento de
determinar la resistencia del hormign a partir de tiempo de fraguado, la temperatura a
la que est expuesto, los agregados y aditivos utilizados en su elaboracin, las
proporciones empeladas en su preparacin, etc.

Bibliografa utilizada
Anlisis de la Varianza. Grupo Editorial Universitario.
Garca Leal, J. & Lara Porras, A.M. (1998). Diseo Estadstico de
Experimentos.
Gutirrez, H. y De la Vara, R. nalisis y Diseo de Experimentos. Editorial
McGraw Hill. Segunda Edicin. 2004. 571 pg.
Jonson, R. Probabilidad y Estadstica para Ingenieros. Editorial Prentice Hall.
Quinta Edicin. 1994
Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos,
Anlisis de la Vari- anza y Temas Relacionados: Tratamiento Informtico
mediante SPSS Proyecto Sur de Ediciones.