Professional Documents
Culture Documents
EN INDUSTRIAS ALIMENTARIAS
I. INTRODUCCION:
Los cuadrados latinos han sido estudiados durante siglos, su origen se remonta
por lo menos a los alrededores del año 1000 en los que las comunidades árabes e
indias los utilizaban como amuletos o talismanes. La primera definición formal la
dio Leonhard Euler en 1779 [4], que estaba interesado en dar solución al Problema
de los 36 oficiales. Dicho problema consiste en ver si es posible colocar en un
cuadrado de tamaño 6x6, a treinta y seis oficiales de seis regimientos diferentes y
que de cada regimiento haya uno de cada uno de los seis distintos grados, de forma
que no coincidan dos oficiales del mismo rango o del mismo regimiento en
ninguna fila y en ninguna columna. Asimismo, L. Euler utilizó letras del latín y
del griego como elementos de tales cuadrados, llamándolos cuadrados greco-
latinos o cadrados latinos ortogonales, cuyo aspecto se muestra en el siguiente
ejemplo:
Aα Bβ Cγ Aα Bγ Cδ Dβ
Cβ Aγ Bα Bβ Aδ Dγ Cα
Cγ Dα Aβ Bδ
Bγ Cα Aβ
Dδ Cβ Bα Aγ
pág. 1
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Los cuadrados latinos se dan como una Tabla de multiplicar (Tabla Cayley) de
quasigrupos. Estos tienen su aplicación en el diseño de experimentos.
II. OBJETIVOS
pág. 2
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Características:
pág. 3
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros
diferentes.
pág. 4
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Ventajas
- Controla las fuentes de variación en las dos direcciones: hileras y columnas,
es decir< extrae del error experimental la variación debida a tratamientos,
hileras y columnas.
Desventajas
- Se pierden grados de libertad en el error experimental, sacrificando la
precisión del diseño experimental.
Restricciones
- El análisis de varianza.
pág. 5
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Columnas Tratamientos
Ejemplo:
Hileras Columnas Yi Yi² Yk Yk²
1 2 3 4
1 A B C D 28.7 823.7 A 27.8 772.8
6.3 6.8 7.5 8.1
2 D A B C 32.7 1069.3 B 30.3 918.1
8.9 7.5 7.9 8.4
3 C D A B 27.7 767.3 C 33.3 1108.9
7.5 8.0 6.0 6.2
4 B C D A 37.8 1428.8 D 35.5 1260.3
9.4 9.9 10.5 8.0
Yi 32.1 32.2 31.9 30.7 126.9 4089.1 4060.1
Yj² 1030.4 1036.8 1017.6 942.5 4027.3
===>
SYi² = 4089.1
SYk² = 4060.1
SYj² = 4027.3
SY²ij = 1031.5
pág. 6
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
ANDEVA
Fuentes de variación SC GL CM F
Hileras 4089/4-1006 = 15.79 4-1 = 3 5.2658 88.37
Columnas 4027/4-1006 = 0.3575 4-1 = 3 0.1192 2.00
Tratamientos 4060/4-1006 = 8.53 4-1 = 3 2.8458 47.76
Error exp. 0.3575 (4-1)(4-2) = 6 0.0596
Total 1031-1006 = 25.05 4² - 1 = 15
2. Aleatorizar todas las columnas del cuadrado elegido: Para este efecto existen tablas de
permutaciones o simplemente se elige un orden aleatorio (con ayuda de la calculadora
o de tablas de números aleatorios) de las “t” columnas; para este caso, con ayuda de
la calculadora se encontraron los valores: 1,3,4.
• 3: Entonces, la que antes era la tercera columna, ahora pasa a ser la segunda.
• 4: La que inicialmente era la cuarta columna, ahora pasa a ser la tercera, por descarte,
entonces, la que originalmente era la segunda columna, ahora pasa a ser la cuarta, con
lo que el cuadrado quedaría:
A C D B
B D A C
C A B D
D B C A
pág. 7
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
3. Aleatorizar todas las filas del cuadrado encontrado: Nuevamente, con ayuda de la
calculadora, el orden aleatorio encontrado fue: 3, 4, 1.
• 3: La que en el último cuadrado era la tercera fila, ahora pasa a ser la primera.
• 4: La que era la cuarta fila, ahora se convierte en la segunda.
• 1: La primera fila debe ser ahora la tercera y por descarte, la segunda fila pasa a ser la
cuarta, quedando el siguiente cuadrado, que sería el definitivo:
C A B D
D B C A
A C D B
B D A C
ANÁLISIS DE VARIANZA
Para realizar el análisis de varianza se requieren los siguientes términos:
Y... = ΣΣ Yijk = Gran total
Yi.. = Total del tratamiento “i”
Y.j. = Σ Yijk = Total de la fila “j”
Y..k = Σ Yijk = Total de la columna “k”
Tabla de Anova
F de V GL Suma de Cuadrados FC
cuadrados medios
Tratamientos t–1 2
T = ΣY i../t -TC SCT= T/ (t - 1)
pág. 8
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Donde:
F de V: Fuente de Variación
GL: Grados de libertad
t : Número de tratamientos = Número de filas = Número de columnas
2 2
TC: Término de corrección = Y ... / t
Nota 1: Así como en el diseño de bloques al azar, el efecto de los bloques no se evaluaba, en
el diseño de cuadrados latinos, los efectos de filas y columnas tampoco se evalúan, pues por
diseño se espera que existan diferencias entre ellas.
Nota 2: Los grados de libertad del error también se pueden calcular como la diferencia entre
los grados de libertad totales y los grados de libertad de las otras fuentes de variación
(tratamiento, filas y columnas).
EJERCICIO:
Aquí deben plantear un experimento que ustedes consideren se debe evaluar bajo un diseño
de cuadrados latinos, como siempre, deben indicar, quién es el factor con sus niveles, la
unidad experimental, la variable respuesta y quienes son las fuentes de variación “filas” y
“columnas”. Deben hacer la aleatorización del cuadrado latino, luego van a suponer los datos
de la variable respuesta y los deben analizar con el alfa que deseen.
EJEMPLO:
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
además, diferencias en la disponibilidad de Nitrógeno de norte a sur, para controlar los
efectos de la pendiente y la disponibilidad de Nitrógeno, utilizó un diseño de cuadrado latino,
las variedades son: A, B, C y D, los datos corresponden a la producción en kg/parcela.
pág. 9
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
A partir de la cuál se rechaza la hipótesis nula y se concluye que existen por lo menos dos
variedades de aguacate con diferentes niveles de producción, para evaluar entre quienes está
la diferencia debe realizarse una prueba de comparación de medias, esto te queda de tarea.
pág. 10
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
con ayuda del programa SAS y la prueba de Shapiro – Wilk y la independencia se garantizará
con la asignación aleatoria de los tratamientos a las unidades experimentales.
En el caso del supuesto de homocedasticidad, para el diseño de cuadrados latinos se presenta
el mismo problema de índole computacional que habíamos mencionado para el diseño de
bloques al azar, pues los programas estadísticos actuales son incapaces de evaluar el supuesto
en cualquier diseño diferente al completamente al azar, razón por la cual se debe asumir que
el supuesto se cumple.
DISEÑOS “CROSS-OVER”
Un diseño muy parecido al de cuadrados latinos, es el diseño “cross-over” o “change-over”
o de intercambio, donde por poca disponibilidad de unidades experimentales, cada unidad
experimental recibe en diferentes momentos de tiempo todos los tratamientos a evaluar; esta
situación en el contexto agropecuario rara vez se presenta con material vegetal por lo que
prácticamente se limita a ensayos donde las unidades experimentales son animales. Un
esquema de un diseño “cross-over” es el siguiente:
Aquí siempre el número de períodos de tiempo será igual al número de tratamientos, pero no
existe restricción respecto al número de unidades experimentales, se podrían tener más
unidades experimentales (una especie de Rectángulo latino) pero siempre el número total de
unidades experimentales deberá ser un número múltiplo del número de tratamientos, de tal
manera que en cada período de tiempo, cada tratamiento aparezca el mismo número de veces.
El modelo a plantear y el análisis de los datos es igual que en el diseño de cuadrado latino.
Modelo estadístico.
pág. 11
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Cada observación del experimento es expresado como una relación lineal de los efectos
involucrados ( tratamiento, fila y columna ), así:
µ= efecto medio
(parámetro del modelo)
Fi = efecto de la fila i C j
= efecto de la columna j
τ(k) = efecto del tratamiento
k errorij(k) = error
experimental de la u.e. i,j
Estimación de parámetros.
2
2
∑∑error = ∑∑(Y ij(k) -µ- Fi -C j -τ(k) )
ij(k)
pág. 12
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
El sistema de ecuaciones que darán solución constituyen las ecuaciones normales, para
tener una única solución, se agregan al sistema las siguientes restricciones:
∑ ˆ ∑
F i =0 ; Cˆ j =0 ; ∑τˆi =0
µˆ =Y ..
Fˆ i =Y i. -Y ..
Cˆ=Y .j -Y ..
τˆ(k) =Y (k) -overlineY ..
Y i. : Promedio de la fila i
Y .j : Promedio de la columna j
Y (k) : Promedio del tratamiento k
Sumas de cuadrados
A partir del modelo estimado, la suma de cuadrados del total es descompuesto en suma
de cuadrados de tratamientos, filas, columnas y error experimental:
pág. 13
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Aplicación:
pág. 14
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
"Evaluación del sistema de riego por exudación utilizando cuatro variedades de melón,
bajo modalidad de siembra, SIMPLE HILERA.". Se desea probar el comportamiento de
tres variedades híbridas de melón y uno estándar. (Tesis).- autor Alberto Ángeles L.
Variedades: V1 : Híbrido
Mission V2 :
Híbrido Mark.
V3 : Híbrido Topfligth.
V4 : Híbrido Hales Best Jumbo.
C1 C2 C3 C4 C1 C2 C3 C4
F1 45 50 43 35 F1 V1 V2 V3 V4
F2 29 53 41 63 F2 V4 V3 V2 V1
F3 37 41 41 63 F3 V2 V4 V1 V3
F4 38 40 35 41 F4 V3 V1 V4 V2
Solución:
C1 C2 C3 C4 Y.j
F1 173 45 50 43 35
F2 186 29 53 41 63
F3 182 37 41 41 63
F4 154
38 40 35 41
Yi. 149 184 160 202 695
V1 V2 V3 V4
189 169 197 140 695 Estimacion de parametros :
µ : 695/16 = 43.4375
τ1 : 189/4 – 43.4375 = 3.81 ; τ2 : -1.18 ; τ3 : 7.57 ; τ4 : -
8.4375 c1 : 149/4 – 43.4375 =-6.1875 ;c2 : 2.5625 ; c3 : -
pág. 15
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
SC(Total) = 45 ² + 50 ² + . . . 41 ² - TC = 1359.9375
Analisis de Variancia:
Total 15 1359.9375
pág. 16
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
C1 C2 C3 C4 C5
F1 V1 V2 V3 V4 V5
F2 V4 V3 V2 V5 V1
F3 V2 V4 V5 V1 V3
F4 V3 V5 V1 V2 V4
F5 V5 V1 V4 V3 V2
Fila 4
Columna 4
pág. 17
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
Melon 4
Error 12
Total 24
Como los tratamiento V4 y V5 son los mismos, entonces la suma de cuadrados de Melon
debe ser descompuesta en :
Melon 4
V4, V5 vs V1, V2, V3 1
V4 vs V5 1
Entre V1, V2 , V3 2
Para el ejercicio de este proceso, suponga los siguientes totales de Variedades para el
ejemplo
V1 V2 V3 V4 V5 Y(k)
189 169 197 140 145 840
Este último resultado puede ser obtenido por diferencia del total de SC(Melón)
pág. 18
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
IV. BIBLIOGRAFIA
∗ García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de Experimentos. Análisis
de la Varianza.” Grupo Editorial Universitario.
pág. 19