INGENIERÍA EN

BIOTECNOLOGIA AMBIENTAL

9 "A y B"

BIOMETRÍA Y DISEÑOS UNIDAD 2

EXPERIMENTALES INTRODUCCION A
DISEÑOS
Presentado por: EXPERIMENTALES
Raúl Benavides Lara Ph.D.

Clase No.14
Riobamba
O17- M18
__________CONTENIDOS_____________
2.6 DISEÑO DE BLOQUES
• Diseño de Bloques Completos Al Azar
(DBCA)
• Diseño en Cuadro Latino (DCL)
• Diseño en Cuadro Grecolatino (DCGL)
A.- DISEÑO DE BLOQUES COMPLETOS AL AZAR
(DBCA)
• Al comparar ciertos tratamientos, es posible que las diferencias se deban
principalmente al factor de interés, y no a otros, no considerados en el estudio.
• Cuando esto no ocurre, y existen otros factores que no se pueden controlar o
nulifican al hacer comparaciones, las conclusiones serían afectadas
sensiblemente.

Eje: Al comparar varias máquinas, si cada una es manejada por un operador

diferente, y si esto tiene influencia en el resultado, entonces es claro que
este factor debe tomarse en cuenta si se quiere hacer una comparación
justa.
Un operador más hábil puede hacer ver a su máquina (aunque sea la peor)
como la de mejor desempeño, esto impide una comparación adecuada.
• Para evitar estos sesgos hay 2 maneras de anular el posible efecto de otro
factor (en este caso operador)
1) Lo lógico, utilizar el mismo nivel (operador en las 4 máquinas), la cual es
una estrategia no siempre aconsejable.
2) Bloquear para anular este efecto, en este caso, cada operador trabaje
durante el experimento con cada una de las máquinas. 3
i) Factores de Bloque
• Son variables adicionales al factor de interés que se incorporan
explícitamente en un experimento para no sesgar la comparación.

Eje: Además de los operadores pueden existir otros

factores de bloque que deban controlarse durante el
experimento para lograr una comparación adecuada de
las máquinas: el tipo de material, lotes, tipo de
producto, día, turno, etc.

ii) Bloque completo

• En el DBCA se refiere a que en cada
bloque se prueban todos los
tratamientos.

iii) Fuentes de variabilidad

• En un DBCA, se consideran tres fuentes de variabilidad: el factor de
tratamientos, de bloque y el error aleatorio 4
 iv) Modelo Estadístico e Hipótesis - DBCA
• El modelo estadístico para este diseño esta dado por: Yij = μ + τi + ϒj + εij

Yij = medición que corresponde al

tratamiento i y al bloque j
μ = media global poblacional
τi = efecto del tratamiento i, y
Yj = efecto debido al bloque j, y
εij = error atribuible a la medición Yij
• Hipótesis a probar

HO : μ1 = µ2= …= µK= µ HO : τ1 = τ2= …= τK= 0

HA : μi ≠ µj ≠ para algún i ≠ j HA : τi ≠ 0 para algún i (τi = μi - μ)

• Estas hipótesis prueban que la media poblacional de cada tratamiento, es la misma

para todos los k tratamientos y que, por lo tanto, cada respuesta media μi es igual
a la media global poblacional, μ.
• De manera alternativa, es posible afirmar que todos los efectos de tratamiento
sobre la variable de respuesta son nulos, (si τi = μi – μ=0, necesariamente
μi=μ) 5
v) Tabla ANOVA para DBCA

𝑏 𝑘
𝑌2. .
𝑆𝐶𝑇 = 𝑌𝑖𝑗2 −
𝑁
𝑗=1 𝑖=1

𝑘
𝑌2𝑖. 𝑌2. .
𝑆𝐶𝑇𝑅𝐴𝑇 = − 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − SCTRAT - SCB
𝑏 𝑁
𝑖=1
𝑘
𝑌2. 𝑗 𝑌2. .
𝑆𝐶𝐵 = −
𝑘 𝑁 6
𝑖=1
Ejemplo 1, aplicación de DBCA 1: En la comparación de los 4 métodos de
ensamble, se va a controlar activamente a los operadores que realizarán el
ensamble, dando lugar a un DBCA

La variable de respuesta son los minutos en que se realiza el ensamble. Para

comparar los cuatro métodos se plantea la hipótesis:
HO : μA= µB= µC= µd= µ
HA : μA≠ µB ≠ µC ≠ µd ≠ µ

7
 3,86
https://www.uv.es/ceaces/scrips/tablas/taf.htm
• Se observa que para los métodos se obtuvo • De la misma manera para operadores,
un valor-p = 0.003 < α = 0.05 como su valor-p = 0.030 < α = 0.05.
• Por lo que se rechaza la hipótesis Ho de que • Es decir, existen diferencias entre los
el tiempo medio poblacional de los métodos operadores en cuanto al tiempo
de ensamble son iguales, y se acepta que al promedio
menos dos de los métodos son diferentes en
cuanto al tiempo promedio requerido. 8
 vi) Comparación de Medias de
Tratamiento en el DBCA.
• De manera similar para el ANOVA de un factor se utiliza
las graficas y pruebas de “Comparaciones o pruebas de
rango múltiples”

vii) Efecto de Bloque

• El ANOVA también proporciona una prueba para el efecto de los bloques
HO : ϒ1 = ϒ 2= …= ϒ K= 0
HA : ϒ i ≠ 0 para algún bloque j
• En el caso de rechazarse Ho, se acepta que el efecto de que al menos un
bloque es diferente de cero.
• Esta no es una prueba F exacta, sino aproximada (debido a la restricción de
aleatorización). pero si es significativa, esto implica que el factor de bloques tiene
influencia sobre la variable de respuesta, y debe ser tomado en cuenta para
mejorar la calidad de ésta.
• Sin embargo, en la práctica se recomienda su interpretación, porque evidencia a
favor o en contra de que valió la pena el esfuerzo de controlar el factor de bloque.
9
• Si se hacen las comparaciones dos a dos con la prueba LSD, se encuentra
que el operador 1, es estadísticamente diferente al operador 2; los demás
son iguales.
Aclaraciones
• La restricción de aleatorización se debe al hecho de que no se
aleatoriza el orden de las corridas experimentales en relación a los
bloques.
• El experimento supone que sólo se aleatoriza el orden de las corridas
dentro de cada bloque, lo cual evita sesgos en la comparación de los
tratamientos, pero no en la comparación de los bloques.
• Si fuera de interés el estudio del factor de bloque al mismo nivel del
factor de tratamientos, entonces se debería correr el experimento
aleatorizado completamente el orden de todas las combinaciones
posibles entre bloques y tratamientos. Si ése fuera el caso y suponiendo
que sea posible aleatorizar por completo, el resultado sería un diseño
factorial k × b, que se presenta en el próximo tema del curso.
• En el DBCA, no existe efecto de interacción (Es cuando dos factores
interactúan, es decir, cuando el efecto de uno depende del nivel del otro)
entre el factor de bloque y el factor de tratamientos

10
 B. DISEÑO EN CUADRO LATINO (DCL)
• En este diseño se controlan dos (2) factores de bloque y se estudia un (1) factor
de tratamientos, por lo que se tienen cuatro (4) fuentes de variabilidad que
pueden afectar la respuesta observada, éstas son: los tratamientos, el factor de
bloque I (filas), el factor de bloque II (columnas) y el error aleatorio.
• Se llama cuadro latino por 2 razones: 1) tiene la restricción adicional de que los tres
factores involucrados se prueban en la misma cantidad de niveles, y 2) 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.

• El DE necesita al menos tres subíndices, ejemplo: la respuesta Y313 se generó en el

tratamiento tres (C), en el primer nivel del factor renglón y tercer nivel del factor
columna. 11
i) Selección y aleatorización de un cuadro latino

12
ii) Tabla ANOVA para DCL

13
Ejemplo 2, aplicación DCL: consideremos que se ha realizado un experimento
con la aleatorización correspondiente, y se ha designado por las letras (A, B, C, D)
a los tratamientos.
El cuadrado latino resultante junto con las observaciones obtenidas, se muestra en
la siguiente tabla, a la que se han añadido las filas y columnas necesarias para su
resolución.
Cuadro Latino

Tabla ANOVA DCL

14
 Ejercicio 1: trabajo autónomo: Comparación de cuatro marcas de llantas.
• Interesa 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 4 marcas
de llantas sometiéndolas a una prueba de 32.000 kilómetros de recorrido, utilizando 4
diferentes tipos de auto y las 4 posiciones posibles de las llantas en el auto.
• Así, el factor de interés es el tipo de llanta o marca, y se controlan dos factores de
bloques: el tipo de carro y la posición de la llanta en el carro.
• Se controlan estos factores, por la experiencia de que los mismos tienen efecto en el
desgaste.

• La elección del cuadro latino se hace antes de obtener los datos.

• A partir de un cuadro latino se aleatorizan las columnas y renglones
• Después, a las diferentes marcas se asignan de manera aleatoria las letras latinas
que denotan los niveles del factor de interés
• Las pruebas se hacen al mismo tiempo con choferes (se les instruye para que
manejen de manera similar sobre el mismo terreno para los cuatro automóviles)
• Al hacer las pruebas de los 4 autos al mismo tiempo se evita el efecto del ambiente
en el desgaste (el conductor y el tipo de terreno podrían influir, pero se considera
suficiente mantenerlos lo más homogéneos posible durante el experimento).
• Se mide la diferencia máxima entre el grosor de la llanta nueva y el grosor de la
llanta después de haber recorrido los 32 000 kilómetros.
• Las unidades de medición son milésimas de pulgada.
15
 Cuadro
Latino

ANOVA

COMPARACION MULTIPLES
RESULTADOS
Aplicación LSD

16
 VALIDEZ DEL MODELO
Normalidad

Varianzas
Constantes

Independencia

17
 C.- DISEÑO EN CUADRO GRECOLATINO (DCGL)
• Este diseño controla tres factores de bloque, además del factor de
tratamientos.
• Se llama cuadro grecolatino porque los cuatro factores involucrados; y por
que 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; y cada par de letras debe aparecer
sólo una vez en todo el arreglo.
• En la tabla se presenta el aspecto de los datos del diseño en cuadro latino de
dimensión k = 4.

18
i) Modelo estadístico
• El modelo estadístico que describe a las mediciones en un cuadro
grecolatino está dado por

• La variabilidad total presente en los datos se puede partir de la manera

usual como

• Para k tratamientos, los grados de libertad correspondientes a cada suma

son

19
ii) Tabla ANOVA para DCGL

20
 Ejercicio 2: trabajo autónomo: En el caso de los cuatro métodos de ensamble y se tiene
el factor de bloque operador, se podrían tener dos factores de bloque adicionales: orden en el
se hace el ensamble y lugar donde se hace. De acuerdo con esto, el diseño en cuadro
grecolatino se observa en la tabla

Cuadro
Grecolatino

ANOVA

21