Diseño Cuadrado Latino

UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE CIENCIAS AGRARIAS

ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA
EN INDUSTRIAS ALIMENTARIAS
DISEÑO CUADRADO LATINO: DCL
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
El agrupamiento de las unidades experimentales en dos direcciones (filas y

columnas) y la asignación de los tratamientos al azar en las unidades, de tal forma
que en cada fila y en cada columna se encuentren todos los tratamientos constituye
un diseño cuadrado latino.Un cuadrado latino es una matriz de n×n elementos, en
la que cada casilla está ocupada por uno de los n símbolos de tal modo que cada
uno de ellos aparece exactamente una vez en cada columna y en cada fila.
pág. 1
Las siguientes matrices son cuadrados latinos:
Los cuadrados latinos se dan como una Tabla de multiplicar (Tabla Cayley) de
quasigrupos. Estos tienen su aplicación en el diseño de experimentos.
El nombre de Cuadrados Latinos se origina con Leonhard Euler quién utilizó

caracteres Latinos como símbolos.
Un cuadrado latino se dice que está reducido (o normalizado o de forma

estandarizada) si la primera fila y la primera columna están en orden natural. Por
ejemplo, el primer cuadrado está reducido, porque la primera fila y la primera
columna son 1, 2, 3.
Es posible hacer un cuadrado latino permutando (reordenando) las filas y las

columnas.
II. OBJETIVOS
 Conocer más acerca del diseño en cuadrados latinos
pág. 2
 Resolver ejercicios mediante el método del diseño en cuadrado latino
III. MARCO TEORICO
Diseños en cuadrados latinos
Los diseños en cuadrados latinos son apropiados cuando es necesario controlar

dos fuentes de variabilidad. En dichos diseños el número de niveles del factor
principal tiene que coincidir con el número de niveles de las dos variables de
bloque o factores secundarios y además hay que suponer que no existe interacción
entre ninguna pareja de factores. Supongamos que el número de niveles de cada
uno de los factores es K. El diseño en cuadrado latino utiliza K2 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 filas 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 sólo una en cada fila y en cada
columna.
Características:
1. Las que se distribuyen en grupos, bajo dos criterios de homogeneidad

dentro de la fila y dentro de la columna y heterogeneidad en otra forma.
2. En cada fila y en cada columna, el número de unidades es igual al número
de tratamientos.
3. Los tratamientos son asignados al azar en las unidades experimentales
dentro de cada fila y dentro de cada columna.
4. El número de filas = número de columnas = número de tratamientos.
pág. 3
5. Los análisis estadísticos T-student, Duncan, Tuckey y en pruebas de

contraste se procede como el diseño completo al azar y el diseño de
bloques. La desviación estandar de la diferencia de promedios y la
desviación estandar del promedio, están en función del cuadrado medio
del error experimental.
El nombre de cuadrado Latino se debe a R.A. Fisher [The Arrangement of

Field Experiments, J.
Ministry Agric., 33: 503-513 (1926)]. Las primeras Aplicaciones fueron en el

campo agronómico, especialmente en los casos de suelos con tendencias en
fertilidad en dos direcciones.
Formación de cuadrados latinos
Suponga 4 tratamientos A,B,C y D, con estos tratamientos se pueden formar 4

cuadros diferentes llamadas típicas o estandar (en la primera fila y en la primera
columna se tiene la misma distribución).
De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros
diferentes.
pág. 4
La siguiente tabla permite relacionar el número de cuadros en función del

tamaño.
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.
- Debido a que el número de hileras y columnas debe ser igual al de

tratamientos, el número de tratamientos es limitado.
Restricciones
- Un tratamiento cualquiera debe estar solamente una vez en una columna.
- El análisis de varianza.
- El diseño permite partir la variación total en 4 componentes:
pág. 5
Hileras Error experimental
Columnas Tratamientos
- Las fórmulas de trabajo son como sigue:

ANDEVA
Fuentes de SC GL CM F
Variación
Hileras SYi²/n-FC n-1 SCH/GL CMH/CME
Columnas SYj²/n-FC n-1 SCC/GL CMC/CME
Tratamientos SYk²/n-FC n-1 SCT/GL CMT/CME
Error exp. por diferencia (n-1)*(n-2) SCE/GLE
Total Sy²ij-FC n²-1
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
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
PASOS PARA OBTENER UN CUADRADO LATINO ALEATORIZADO
1. Partir de un cuadrado latino estándar del tamaño requerido: Supongamos que

necesitamos un cuadrado 4*4 y arbitrariamente hemos seleccionado el planteado
anteriormente, donde se observa el orden alfabético de las letras en la primera fila y
la primera columna;
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.
• 1: Quiere decir que la primera columna permanece como estaba.
• 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
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)
Filas t–1 F=ΣY

2
/t -TC SCF= F / (t - 1)
.j.
Columnas t–1 C=ΣY
2
/t -TC SCC= C / (t - 1)
..k
Error (t-1)(t-2) E =Tot - T - F - C SCE= E / (t-1)(t-2)
Total 2 2
t -1 Tot =ΣΣ y ijk
-TC
pág. 8
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
Aquí el juego de hipótesis a probar sería:

Ho = μA = μB = μC = μD
Ha = μi ≠ μj para cualquier “i” diferente de “j”.
El análisis de varianza queda: (Tarea: Verificarlo)
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.
SUPUESTOS EN UN DISEÑO DE CUADRADOS LATINOS

Para que el análisis de varianza en un diseño de cuadrados latinos tenga validez, deben
cumplirse los mismos supuestos mencionados para el diseño de bloques al azar: Normalidad,
Homocedasticidad e Independencia; adicionalmente debe cumplirse el supuesto de aditividad
entre filas, columnas y tratamientos, es decir, no debe haber interacción entre los mismos.
Respecto a la normalidad y la independencia, el procedimiento es el mismo que en el caso de
un diseño completamente al azar y de un diseño en bloques al azar, la normalidad se evaluará
pág. 10
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:
Las unidades experimentales se podrían considerar efectos “columna” y los períodos de

tiempo se consideran como efectos “fila”, por lo que nuevamente se está en presencia de un
doble “bloqueo” y cada unidad experimental recibe en orden aleatorio todos los tratamientos;
aquí es importante señalar que debido al uso repetido de la misma unidad experimental con
diferentes tratamientos, debe existir absoluta certeza de la No Existencia de efectos residuales
de los tratamientos, si no es así, entonces debe utilizarse un período de descanso entre cada
par de períodos consecutivos.
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
Cada observación del experimento es expresado como una relación lineal de los efectos
involucrados ( tratamiento, fila y columna ), así:
Y ij(k) =µ+Fi +C j +τ(k)+errorij(k) i,j,k=1,2,...,n
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
Yij(k) = Observación en la unidad experimental
El subíndice (k) indica que tratamiento k fue aplicado en la u.e.
El modelo esta compuesto por n2 ecuaciones, una para cada observación.
Estimación de parámetros.
El número de parámetros a estimar es igual a 3n+1 y la estimación puede resolverse por

mínimos cuadrados del error, máxima verosimilitud u otro método, en nuestro caso se
utilizara el método de mínimos cuadrados del error.
La función a minimizar es:
2
2
∑∑error = ∑∑(Y ij(k) -µ- Fi -C j -τ(k) )
ij(k)
La solución constituye el conjunto de estimadores de los parámetros del modelo, dado

por:
pág. 12
(µˆ,Fˆ i ,Cˆ j ,τˆk ) para i,j,k = 1,2,...,n
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
La solución son los estimadores mínimos cuadráticos:
µˆ =Y ..
Fˆ i =Y i. -Y ..
Cˆ=Y .j -Y ..
τˆ(k) =Y (k) -overlineY ..
y el error en cada u.e. es:
Errorij(k) =Y ij(k) -Y i. -Y .j -Y (k)+2Y ..
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:
∑∑(Y ij(k) -µˆ )2 = ∑∑Fˆ2+∑∑Cˆ2+∑∑τˆ 2 +∑∑error 2

i j (k) ij(k)
+ dobles productos
pág. 13
∑∑(Y ij(k) -µ)2 : Suma de cuadrados del total
∑∑Fˆ2 : Suma de cuadrados de filas

i
∑∑Cˆ2 : Suma de cuadrados de columnas

j
: Suma de cuadrados de tratamientos

2
∑∑error : Suma de cuadrados del error
ij(k)
Los dobles productos son iguales a cero.
Ejercicio. Probar las siguientes identidades:

2
SC Fila : ∑nFˆ2i= ∑ ni. - n..2
SC Columna:∑nCˆ2j= ∑ n.j - n..2
Aplicación:
pág. 14
"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.
Hipótesis : 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 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
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 corrección TC = 695 ² /16 = 30189.1
SC(Total) = 45 ² + 50 ² + . . . 41 ² - TC = 1359.9375
SC(Filas) = (173 ² + … + 154 ² ) / 4 - TC = 152.18750
SC(Columna) = ( 149 ² + … + 202 ² ) / 4 – TC = 426.18750
SC(Melon) = ( 189 ² + … + 140 ²) / 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 exudación.
pág. 16
El coeficiente de variacion es de 16% aceptable para evaluación en campo.

El rendimiento promedio del melon en condiciones experimentales resulto 43.3 kilos por
parcela experimental.
El rendimiento por hibrido fue el siguiente :
V1 : Híbrido Mission 47.3 kilos

V2 : Híbrido Mark. = 42.3 kilos
V3 : Híbrido Topfligth. 49.3 kilos
V4 : Híbrido Hales Best Jumbo. = 35.0 kilos
Según los resultados experimentales no existen diferencias estadísticas 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 pequeño, 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 analisis de variancia se realiza en forma normal, y para las pruebas estadísticas
utilizar contrastes o dunnett. Si son pocos los tratamientos y hay inseguridad en el
resultados, realizar el ajuste de bonferroni u otro ajuste de probabilidades (ver ejmplos de
agricolae)
Ejemplo : Suponga en este caso que la variedad V4 se dobla en el experimento y se

identifica como (V4 y V5), entonces un plan podria ser :
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
El análisis de variancia tendrá las siguientes fuentes y grados de libertad:
Fila 4
Columna 4
pág. 17
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
Supuestamente no debe haber diferencia estadística entre V4 y V5.
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
SC(Melón) = (189² + … + 145²) / 5 - 840 ² / 25 = 519.2

SC(V4, V5 vs V1, V2, V3) = (189+169+197)² / 15 + (140+145) ² / 10 - 840 ² / 25 =
433.5
SC(V4 vs V5) = 140² / 5 + 145 ² / 5 - (140 + 145 ) ² / 10 = 2.5
SC(V1, V2 , V3) = (189² +169² +197² ) / 5 - (189+169+197)² / 15 = 83.2
Este último resultado puede ser obtenido por diferencia del total de SC(Melón)
519.2 – (433.5 + 2.5) = 83.2
Para estos cálculos también puede utilizar los contrastes ortogonales.
V1 V2 V3 V4 V5 Suma Numerador Denominador SC

V4,V5 vs demás 2 2 2 -3 -3 255 65025 150 433.5
V4 vs V5 0 0 0 1 -1 -5 25 10 2.5
189 169 197 140 145 840
pág. 18
IV. BIBLIOGRAFIA
∗ García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de Experimentos. Análisis
de la Varianza.” Grupo Editorial Universitario.
∗ Lara Porras, A.M. (2000). “Diseño Estadístico de Experimentos, Análisis de la Varianza y

Temas Relacionados: Tratamiento Informático mediante SPSS” Proyecto Sur de Ediciones.
pág. 19

Diseño Cuadrado Latino

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diseño Cuadrado Latino

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE CIENCIAS AGRARIAS

DISEÑO CUADRADO LATINO: DCL

El agrupamiento de las unidades experimentales en dos direcciones (filas y

Las siguientes matrices son cuadrados latinos:

El nombre de Cuadrados Latinos se origina con Leonhard Euler quién utilizó

Un cuadrado latino se dice que está reducido (o normalizado o de forma

Es posible hacer un cuadrado latino permutando (reordenando) las filas y las

 Conocer más acerca del diseño en cuadrados latinos

 Resolver ejercicios mediante el método del diseño en cuadrado latino

III. MARCO TEORICO

Diseños en cuadrados latinos

Los diseños en cuadrados latinos son apropiados cuando es necesario controlar

1. Las que se distribuyen en grupos, bajo dos criterios de homogeneidad

5. Los análisis estadísticos T-student, Duncan, Tuckey y en pruebas de

El nombre de cuadrado Latino se debe a R.A. Fisher [The Arrangement of

Ministry Agric., 33: 503-513 (1926)]. Las primeras Aplicaciones fueron en el

Formación de cuadrados latinos

Suponga 4 tratamientos A,B,C y D, con estos tratamientos se pueden formar 4

La siguiente tabla permite relacionar el número de cuadros en función del

- Debido a que el número de hileras y columnas debe ser igual al de

- Un tratamiento cualquiera debe estar solamente una vez en una columna.

- El diseño permite partir la variación total en 4 componentes:

Hileras Error experimental

- Las fórmulas de trabajo son como sigue:

PASOS PARA OBTENER UN CUADRADO LATINO ALEATORIZADO

1. Partir de un cuadrado latino estándar del tamaño requerido: Supongamos que

• 1: Quiere decir que la primera columna permanece como estaba.

Filas t–1 F=ΣY

Aquí el juego de hipótesis a probar sería:

SUPUESTOS EN UN DISEÑO DE CUADRADOS LATINOS

Las unidades experimentales se podrían considerar efectos “columna” y los períodos de

Y ij(k) =µ+Fi +C j +τ(k)+errorij(k) i,j,k=1,2,...,n

Yij(k) = Observación en la unidad experimental

El subíndice (k) indica que tratamiento k fue aplicado en la u.e.

El modelo esta compuesto por n2 ecuaciones, una para cada observación.

El número de parámetros a estimar es igual a 3n+1 y la estimación puede resolverse por

La función a minimizar es:

La solución constituye el conjunto de estimadores de los parámetros del modelo, dado

(µˆ,Fˆ i ,Cˆ j ,τˆk ) para i,j,k = 1,2,...,n

La solución son los estimadores mínimos cuadráticos:

y el error en cada u.e. es:

Errorij(k) =Y ij(k) -Y i. -Y .j -Y (k)+2Y ..

∑∑(Y ij(k) -µˆ )2 = ∑∑Fˆ2+∑∑Cˆ2+∑∑τˆ 2 +∑∑error 2

∑∑(Y ij(k) -µ)2 : Suma de cuadrados del total

∑∑Fˆ2 : Suma de cuadrados de filas

∑∑Cˆ2 : Suma de cuadrados de columnas

: Suma de cuadrados de tratamientos

Los dobles productos son iguales a cero.

Ejercicio. Probar las siguientes identidades:

SC Fila : ∑nFˆ2i= ∑ ni. - n..2

SC Columna:∑nCˆ2j= ∑ n.j - n..2

Hipótesis : Ho : Efecto de variedades de melon en estudio es

Datos: Rendimiento en Kgs. por parcela.

3.4375 ; c4 : 7.0625 f1 : 173/4 – 43.4375 = -0.1875 ; f2 :

CALCULO DE SUMAS DE CUADRADOS

Termino de corrección TC = 695 ² /16 = 30189.1

SC(Filas) = (173 ² + … + 154 ² ) / 4 - TC = 152.18750

SC(Columna) = ( 149 ² + … + 202 ² ) / 4 – TC = 426.18750

SC(Melon) = ( 189 ² + … + 140 ²) / 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 %