Professional Documents
Culture Documents
Nuestro objetivo es tener comparaciones precisas entre los tratamientos bajo estudio.
Utilizar bloques es una forma de reducir y controlar la varianza del error experimental
para tener mayor precisión.
En el diseño completamente al azar se supone que las u.e. son relativamente homogéneas
con respecto a factores que afectan la variable de respuesta. Sin embargo, algunas veces
no tenemos disponibles suficiente número de u.e. homogéneas.
Cualquier factor que afecte la variable de respuesta y que varíe entre u.e. aumentará la
varianza del error experimental y disminuirá la precisión de las comparaciones.
Factores como la edad y el peso de los animales, diferentes lotes de material, sexo de las
personas y parcelas alejadas son ejemplos de variables externas a los tratamientos que
pueden incrementar la variación entre las observaciones de la variable de respuesta.
Una buena elección del criterio de bloqueo resulta en menorvariación entre las u.e.
dentro de los bloques comparada con la variación entre u.e. de diferentes bloques.
Generalmente los criterios de bloqueo son:
El diseño de bloques (completos) al azar implica que en cada bloque hay una sola
observación de cada tratamiento. El orden en que se “corren” los tratamientos dentro de
cada bloque es aleatorio (restricción en la aleatorización).
El modelo estadístico para este diseño es:
үіј= µ + τi + βj + ǫij i = 1, . . ., t j = 1, . . ., b
Se supone que los efectos de tratamientos y bloques son aditivos. La aditividad significa
que no hay interacción entre tratamientos y bloques. Es decir, la relación entre los
tratamientos es la misma en cada uno de los bloques.
Ejemplo
http://www.dpye.iimas.unam.mx/patricia/indexer/bloques.pdf
http://es.slideshare.net/iorifoar/ejercicios-diseo-de-bloques-completos-al-azar-ejercicio-1
Diseño de experimentos factoriales
Por ejemplo, con dos factores y dos niveles en cada factor, un experimento factorial tendría
en total cuatro combinaciones de tratamiento, y se le denominaría diseño factorial de 2×2.
Para ahorrar el espacio, los puntos en un experimento factorial de dos niveles se abrevian
a menudo con las cadenas de más y signos de menos. Las secuencias tienen tantos símbolos
como factores, y sus valores dictan el nivel de cada factor: − para el primer (o bajo) llano, y
+ para el segundo (o alto) llano. Los puntos en este experimento se pueden representar
como − − , + − , − + , y + + .
Los puntos factoriales se pueden también abreviar cerca (1), a, b, y el ab, donde la presencia
de una letra indica que el factor especificado está en su alto (o en segundo lugar) nivel y la
ausencia de una letra indica que el factor especificado está en su (o primero) nivel bajo (por
ejemplo, “a” indica que el factor A está en su alto ajuste, mientras que el resto de los
factores están en su ajuste del punto bajo (o primero)). (1) se utiliza indicar que todos los
factores están en sus (o primero) valores más bajos.
Para poder finalmente obtener un modelo estadístico que nos indique el valor de respuesta
al modificar los factores.
Ejemplo
En un experimento realizado para determinar cuál de 3 sistemas de misiles distintos es preferible,
se midió la tasa de combustión del propulsor para 24 arranques estáticos. Se emplearon 4 tipos de
combustible diferentes y el experimento generó observaciones duplicadas de las tasas de
combustión para cada combinación de los tratamientos.
Los datos, ya codifi cados, se presentan en la tabla 14.3. Pruebe las siguientes hipótesis:
a) H0: no hay diferencia en las tasas medias de combustión del propulsor cuando se emplean
diferentes sistemas de misiles, b) H0 : no existe diferencia en las tasas medias de combustión de
los 4 tipos de propulsor, c) H0 : no hay interacción entre los distintos sistemas de misiles y los
diferentes tipos de propulsor.
Solución: 1. a) H0: α1 = α2 = α3 = 0.
b) H0 : β1 = β2 = β3 = β4 = 0.
c) H0 : (αβ)11 = (αβ)12 = · · · = (αβ)34 = 0.
https://es.wikipedia.org/wiki/Dise%C3%B1o_factorial