INTRODUCCION

El diseo completamente al azar (DCA) es aplicable

en casos en los que en que se espera que la nica
fuente de variabilidad sea debida a los tratamientos.

En aquellos casos en los que se puede identificar de

antemano otras fuentes, de variacin, que no
constituyen el objetivo de la investigacin, estas
deben ser controladas por el experimentador
mediante la formacin de bloques

La idea es agrupar las observaciones en los distintos

bloques de modo que sean lo mas homogeneas
dentro del bloque y heterogeneas entre bloques. En
estos casos se utiliza el DBCA
 INTRODUCCION
Al diseo que controla una fuente de variacin
adicional a los tratamientos se le conoce como
diseo en bloques completos al azar (DBCA) o
diseos de bloques completos aleatorizados.

Esto puede ocurrir por ejemplo en experimentos en el

terreno en los que se sabe que las parcelas
adyacentes suelen presentar resultados mas
homogneos entre si que las parcelas mas separadas
o en donde los datos se toman por das, y en donde
se sabe que los resultados pueden diferir entre los
distintos das. La evaluacin de mquinas(factor de
inters) y operarios (factor de bloque).
 INTRODUCCION
El diseo en bloques completos al azar
(DBCA) se llama as porque en cada
bloque se prueban todos los
tratamientos de manera aleatoria.

Se supone que no hay efecto de

interaccin entre el factor de bloque y
el factor tratamientos, es decir que el
efecto de un factor no depende del
nivel del otro.
FAMILIA DE DISEOS PARA
COMPARAR TRATAMIENTOS
Son respectivamente:

- Diseo completamente al azar (DCA)

- Diseo en bloques completos al azar
(DBCA)
- Diseo en cuadro Latino (DCL)
- Diseo en cuadro Grecolatino (DCGL)
 La diferencia entre ellos es el numero
de factores de bloque que se
controlan durante un experimento.

La comparacin de los tratamientos

en cuanto la repuesta media se hace
mediante la hiptesis:

H0: 1 = 2 = = k =
HA : i j para algn i diferente de j
 Factores de bloque
Son los factores adicionales al factor de inters
que se incorporan de manera explicita en un
experimento comparativo.

Estos tienen la particularidad de que no se

incluyen en el experimento porque interese
estudiar su efecto, sino como un medio para
estudiar de manera mas adecuada y eficaz al
factor de inters.

Con frecuencia ocurre que para lograr una

comparacin adecuada es necesario incorporar
en el experimento factores de bloque.
 FAMILIA DE DISEOS PARA COMPARAR
TRATAMIENTOS
Diseo Factores Tcnica estadstica Modelo estadstico
de
bloque

Diseo 0 ANOVA con UN Yi = + i + i

completamente criterio de
al azar clasificacin
Diseo en 1 ANOVA con DOS Yij = + i + j + ij
bloques criterios de
completos al clasificacin
azar
Diseo en 2 ANOVA con TRES Yijk = + i + j + k + ijk
cuadro latino criterio de
clasificacin
Diseo en 3 ANOVA con CUATRO Yijkl = + i + j + k + l+ ij
cuadro criterio de
grecolatino clasificacin
Notacin: Y la variable de salida, , la media global i, el efecto del tratamiento i-simo, el error
aleatorio, y j, k , y l son los efectos de tres factores de bloque.
 Diseo Completamente Diseo en Bloques
al Azar Completos al Azar
METODO DE EMSAMBLE METODO DE ENSAMBLE
A B C D
A B C D
6 7 11 10
8 9 16 12 Operador 1 6 7 10 10
7 10 11 11 2 9 10 16 13
8 8 13 9 3 7 11 11 11
4 8 8 14 9

Diseo en Diseo en Cuadro

Cuadro Latino Grecolatino
OPERADOR OPERADOR
1 2 3 4 1 2 3 4

Orden 1 C=10 D= 14 A=7 B=8 Orden 1 C = 7 B= 10 D=14 A = 8

del 2 B=7 C = 18 D= 11 A=8 Del 2 B = 8 C=11 A= 10 D=15
ensamble 3 A=5 B = 10 C = 11 D=9 ensamble 3 A = 9 D=12 B = 7 C= 15
4 D=10 A = 10 B = 12 C = 14 4 D = 9 A = 8 C=18 B= 16
 VENTAJAS DEL DBCA
El agrupamiento aumenta la precisin
del experimento.
No hay restricciones en el numero de
bloques.
Si se pierden los datos de un bloque, se
puede omitir sin que afecte el anlisis.
El anlisis estadstico es simple.
 DESVENTAJAS
Cuando la variabilidad de datos es grande
el error tambin.
Si hay interaccin entre bloques y
tratamientos, se incluye en el error
experimental.
Si no hay diferencia entre bloques, hay
perdida de precisin en relacin con el
DCA por el descenso de grados de
libertad del error.
 ALEATORIZACION Y
CROQUIS EXPERIMENTAL

Tratamientos asignados en forma

aleatoria dentro de cada bloque.
Ejemplo: tres soluciones diferentes estn siendo estudiadas para evaluar
su efectividad en el retardo del crecimiento de bacterias en contenedores
de leche de 5 gal. Los anlisis son hechos en un laboratorio y slo tres
ensayos pueden efectuarse en un da dado. Debido a que los dias pueden
ser una fuente de variabilidad, el investigador utiliza un DBCA. Las
observaciones fueron tomadas en cuatro das y los datos (en UFC) se
muestran en la tabla.

DIAS
solucin 1 2 3 4
1 13 22 18 39
2 16 24 17 44
3 5 4 1 22
 MODELO ADITIVO
Esta dado por:
LINEAL
Yij = +i + j + ij

i = 1,,t j = 1,,b

Yij : rendimiento observado de i - simo tratamiento, j -

simo bloque.
: efecto media general.
i : efecto i-simo tratamiento.
j : efecto j-simo bloque.
ij: error experimental.
t: nmero de tratamientos.
b: nmero de bloques.

Ejemplo de bacterias
SUPUESTOS DEL MODELO
ESTADISTICO
Aditividad.
Linealidad: relaciones lineales.
Normalidad: errores con distribucin
normal.
Independencia: resultados
independientes entre s.
Homogeneidad de varianzas: diferente
poblaciones de diferentes tratamientos
tienen iguales varianzas.
No interaccin entre bloques y
tratamientos.
ANALISIS DE VARIANZA
El modelo de variabilidad se
descompone en explicaciones dadas
por:
1. Tratamientos.
2. Bloques.
3. Error.
Var(total) = var(tratamientos) + var(bloques) + var(error)

La variabilidad se cuantifica por la suma de

cuadrados
 suma de cuadrados

b k

SC(total) = Yij2 Y..2

j=1 i=1 N

SC(tratamientos) = Yi.2/b Y..2

i=1 N

SC(bloques) = Y.j2/K Y..2

i=1 N

SC(error) = SC(total) SC(tratamientos) SC(bloques)

 CUADRO ANoVA
FUENTES DE GRADOS DE SUMA DE CUADARADO Fc.
VARIACION LIBERTAD CUADRADOS MEDIOS
(G.L.) (SC) (CM)

TRATAM. K-1 SC(trat) SC(trat) CM(trat)

gl(trat) CM(Error)

BLOQUES b1 SC(bloques) SC(bloques) CM(bloques)

gl(bloques) CM(Error)

ERROR (k-1)(b-1) SC(error) SC(error)

EXPERIMENTAL gl(error)

TOTAL kb 1=N-1 SC(total)

 VALORES ESPERADOS DE
LOS CUADRADOS MEDIOS

Fc = CM(trat)
CM(error)
Si Fc mayor que F(tabla)
la hiptesis nula se
rechaza.