REPBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD DE ORIENTE NCLEO ANZOTEGUI ESCUELA DE INGENIERA Y CIENCIAS APLICADAS DEPARTAMENTO DE SISTEMAS INDUSTRIALES ESTADISTICA II

Profesor: Jos Elas Gonzlez.

Integrantes: Malaver, Jos CI: 21.514.740 Maldonado, Jonatan CI: 20.106.224 Pante, Hctor CI: 19.316.516 Rivero, Francisco CI: 20.762.999

Barcelona, 22 de Marzo de 2013.

INTRODUCCION
En este trabajo se conocern los diseos que utilizan ms de una variable de bloque para reducir el error experimental. As, si se consideran simultneamente dos variables de bloque, un diseo completo en bloques aleatorizados consistira en formar un bloque para cada combinacin de niveles de dichas variables y despus aplicar todos los niveles del factor principal en cada uno de los bloques obtenidos. Por ejemplo, supongamos un experimento en el que se quiere estudiar el efecto de distintos tipos de semilla en el rendimiento del trigo y se considera que en dicho rendimiento tambin pueden influir los tipos de abonos e insecticidas empleados. Para realizar dicho estudio, es posible utilizar un diseo completo en bloques aleatorizados, donde el factor principal es el tipo de semilla y las variables de bloque los tipos de abono e insecticida. El diseo en cuadrados latinos de estos diseos es el de fraccin; es decir, seleccionar una parte del diseo completo de forma que, bajo ciertas hiptesis generales, permita estimar los efectos que interesan. Uno de los diseos en bloques incompletos aleatorizados ms importante con dos factores de control es el modelo en cuadrado latino, dicho modelo requiere el mismo nmero de niveles para los tres factores. En este informe se van estudiar adems del diseo en cuadrado latino, todas sus caractersticas, aplicaciones y clculos a utilizar, e incluso conoceremos otros diseos relacionados con l, como son los cuadrados greco-latinos que utilizan tres variables de bloque y los cuadrados de latinos replicados que se pueden considerar como una variante de los cuadrados latinos. En primer lugar, estudiaremos el diseo en cuadrado latino.

CUADRADO LATINO
Un diseo en cuadrado latino es un diseo de un factor tratamiento con K niveles y K2 unidades experimentales agrupadas en K bloques fila y K bloques columna, de forma que unidades experimentales de un mismo bloque fila son semejantes, unidades experimentales de un mismo bloque columna son semejantes y unidades experimentales de distintos bloques fila y distintos bloques columna son sustancialmente diferentes. En un diseo de experimentos completo de tres factores, todos ellos con K niveles, necesita K3 observaciones, nmero elevado si K es grande. Un diseo ms eficaz que solo utiliza K2 observaciones para el mismo problema es el cuadrado latino. Este modelo se basa en aprovechar la simetra del experimento factorial seleccionando un conjunto de condiciones experimentales con la condicin de que cada nivel de un factor aparezca una vez con cada uno de los niveles de los otros factores.

PARA QUE SIRVEN LOS CUADRADO LATINO

El diseo de cuadrado latino se puede utilizar si se verifican las siguientes condiciones: 1. Es un diseo de experimentos con tres factores. 2. Los tres factores tienen el mismo nmero de niveles: K. 3. No hay interacciones entre los tres factores. El diseo en cuadrado latino est especialmente indicado para estudiar un factortratamiento con K niveles y con dos factores-bloque de K bloques cada uno. Este diseo se basa en el concepto de cuadrado latino que es el siguiente Un cuadrado latino K K es una disposicin de K letras en una matriz K K de forma que todas las letras aparecen una vez en cada fila y una vez en cada columna. Por ejemplo, un cuadrado latino 3 3 es el siguiente A B C B C A C A B Tabla 1. Cuadrado latino 3 3. Un cuadrado latino es un cuadrado latino estndar cuando las letras de la primera fila y de la primera columna estn dispuestas en orden alfabtico. Un cuadrado latino es un cuadrado latino cclico si las letras de cada fila se generan cclicamente de la anterior segn el orden alfabtico.

El cuadrado latino 3 3 de la Tabla 5.5 es estndar y cclico. Existe un nico cuadrado latino 3 3 estndar, sin embargo hay cuatro cuadrados latinos 4 4 estndar que se presentan en la Tabla 5.6. Cuadro 1 Cuadro 2 Cuadro 3 Cuadro 4

A B C D A B C D A B C D A B C D B C D A B A D C B A D C B D A C C D A B C D A B C D B A C A D B D A B C D C B A D C A B D C B A

Tabla 2. Cuatro posibles cuadrados latinos 4 4 estndar. Para cualquier nmero de tratamientos K existe siempre al menos un diseo en cuadrado latino estndar cclico. Obsrvese que si en un diseo en cuadrado latino se ignora el bloque columna se tiene un diseo en bloques completamente aleatorizado (el bloque fila es el factor bloque) y, anlogamente, si se ignora el bloque fila se tiene un diseo en bloques completamente aleatorizado (el bloque columna es el factor bloque). Adems se trata de un diseo equireplicado: cada tratamiento aparece un mismo nmero K de veces en el diseo.

CUALES SON LOS FUNDAMENTOS ESTADISTICO Y MATEMATICOS MODELO ESTADSTICO

Tabla 4.

Tanto la hiptesis nula como la alternativa, siguen siendo las mismas, a saber:

Cada observacin del experimento es expresado como una relacin lineal de los efectos involucrados (tratamiento, fila y columna ), as:

yij(k)l
Para i, j, k = 1, 2, , n 0.0015 0.0112 Con 12 las restricciones:

ij(k)l

y l = 1, 2, , r

i 1

j 1

k1

l 1

Donde:

yij(k)l

es el resultado del bloque i-simo, i = 1,...,K del factor bloque B

del bloque j-simo, j = 1,...,J del factor-bloque B , y del nivel k-simo del factor T . Se denota la k entre parntesis, para indicar que este ndice no se elige sino que viene condicionado por el par ij.

es un parmetro general para todas las observaciones llamado media global.

i es el efecto de la i-sima fila o rengln (X).

j es el efecto de la j-sima columna (Y).

k es el efecto del k-simo tratamiento o bloque latino. l es el efecto de la l-sima repeticin.

es la variable aleatoria independiente normal con ij(k)l varianza comn 2. (Es el error experimental).

Ntese que por los efectos de los renglones y los efectos de las columnas se entienden los efectos de las dos variables extraas y que se incluyen los efectos de la repeticin como una tercera variable extraa. k est entre parntesis ya que para un diseo de Cuadro Latino dado, k es automticamente determinada cuando i y j se conocen.

Hiptesis Nula de que no existe diferencia en la eficacia de n tratamientos. Tambin se p comprobar si las dos variables extraas tienen algn efecto sobre el fenmeno que se est considerando.

alt repeticiones puede ser importante si las partes del experimento , que representan los Cuadros Latinos individuales, fueron realizados en distintos das, a diferentes temperaturas, etc. Las frmulas a aplicar son:

SSE = SST SS(Tr) SSR SSC SS(Rep) Donde: SCT, suma total de cuadrados. SCF, suma de cuadrados debida al efecto fila. SCC, suma de cuadrados debida al efecto columna. SCL, suma de cuadrados debida a la letra latina. SCR, suma de cuadrados del error. Ti.. total de las r.n observaciones en todos los i-simos renglones. T.j. total de las r.n observaciones en todas las j-simas columnas. T..ltotal de las n2 observaciones en todos las l-simas repeticiones. T(k)total de las r.n observaciones relativas a los j-simos tratamientos. T es el gran total de las r.n2 observaciones. Lo que lleva al siguiente cuadro de anlisis: Fuente de Grados de Variacin libertad Tratamientos n 1 Rengln n 1 Columna n 1 Repeticin Error Total r 1 (n-1)(r.n+r-3) r.n2 - 1 Suma de cuadrado s SS(Tr) SSR SSC SS(Rep) SSE SST Tabla 5.

Cuadrados Medios MS(Tr)=SS(Tr)/(n-1) MSR=SSR/(n-1) MSC=SSC/(n-1) MS(Rep)=SS(Rep)/(r-1) MSE=SSE/[(n-1).( r.n+r3)

F MS(Tr)/MSE MSR/MSE MSC/MSE MS(Rep)/ MSE

TABLA ANOVA
Una comparacin simultnea: ANOVA. Necesitamos poder comparar simultneamente todas las medias. El test que lo permite es el test ANOVA (de ANalysis Of VAriance). Como su nombre indica, compara varianzas aunque lo que contrastamos sean medias. Para ello parte de 3 requisitos previos: Independencia: las K muestras son independientes. Normalidad: Homocedasticidad:

La tabla ANOVA: Todo se reduce a obtener el valor del estadstico que bajo las condiciones inciales de independencia, normalidad y homocedasticidad, se distribuye como una Fk1,nk. La comparacin con el valor terico correspondiente nos dira si debemos aceptar o rechazar H0. Un mtodo computacional conocido como tabla ANOVA facilita los clculos. Se trata de disponer en forma de tabla ciertas cantidades que conducen a la obtencin de F. El mtodo esta incorporado en los paquetes estadsticos ms habituales. De la descomposicin de la variabilidad se obtiene la tabla ANOVA (Tabla 6) de donde se deducen los siguientes contrastes: CUADRO DEL ANLISIS DE LA VARIANZA MODELO CUADRADO LATINO Grados Cuadrados de libertad medios Suma de Cuadrados scBF = K
i i 2

Fuente de Variacin Bloques (B ) Bloques (B ) Factor T (T )

scmB K-1 scmB

j 2

= (scmB ) / (scmR) = (scmB ) / (scmR) = (scmB ) / (scmR)

scBC = K-1 K
j

scTL = K
k 2

scmT = K-1

scR = Residual
i 2 j eij(k)

scmR = (K-1)(K-2) scmG =

scG = Global
i j 2

K -1 segn p = P( segn p = P( segn p = P( < < < ) ) )

Rechazar H0( Rechazar H0( Rechazar H0(

) ) )

: : :

1 1 1

= = =

2 2 2

= ... = = ... = = ... =

k, K, K,

Tabla 6. Cuadro del anlisis de la varianza para un diseo de cuadrado latino.

CARACTERSTICAS DE UN CUADRADO LATINO

1) Las unidades experimentales 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 nmero de unidades es igual al nmero de tratamientos. 3) Los tratamientos son asignados al azar en las unidades experimentales dentro de cada fila y dentro de cada columna. 4) El nmero de filas = nmero de columnas = nmero de tratamientos. 5) Los anlisis estadsticos T-student, Duncan, Tuckey y en pruebas de contraste se procede como el diseo completo al azar y el diseo de bloques. 6) La desviacin estndar de la diferencia de promedios y la desviacin estndar del promedio, estn en funcin del cuadrado medio del error experimental.

APLICACIONES DEL MODELO EN CUADRADO LATINO

El estadstico ingls Ronald Fisher se vali del uso de los cuadrados latinos para mejorar significativamente los mtodos agrcolas, cuando se hallaba investigando la eficacia de los fertilizantes en el rendimiento de las cosechas. Busc la manera de plantar cosechas en similares condiciones de suelo de modo que la calidad de la tierra no fuese un factor indeseable que influyese en el rendimiento de la cosecha. Si bien la nica manera de asegurarse de tener condiciones idnticas de tierra era utilizar siempre el mismo suelo, en la prctica esto es casi imposible, pues se deberan desenterrar y volver a plantar las cosechas varias veces. Por otra parte, aunque s se pudiera hacer esto ltimo, las condiciones meteorolgicas seran otro factor indeseable. Para evitar esto, por ejemplo en un caso en que se tuviese un campo cuadrado dividido en 16 parcelas, se puede concebir un cuadrado latino en que la descripcin del campo sea tal que la calidad del suelo vare vertical y horizontalmente. Entonces se aplican al azar los 4 fertilizantes (a, b, c, y d) con la sola condicin de que hay un nico tipo de fertilizante en cada fila y en cada columna. De esta manera se busca eliminar la variacin de la calidad de tierra. Si hubiese otro factor que pudiese influir en el rendimiento, por ejemplo, el momento del da (A, B, C, D) en que se aplica el tratamiento, entonces puede utilizarse un cuadrado latino ortogonal al anterior donde se identifiquen dichos momentos del da. De esta manera cada pareja momento-fertilizante se aplicar en una nica parcela.

EJEMPLO APLICACIONES DE CUADRADO LATINO 4 EJEMPLOS

EJEMPLOS: EJEMPLO 1: Suponer que se efectan repeticiones del experimento de soldadura empleando el siguiente arreglo:

Los resultados, que sealan el nmero de kilogramos fuerza de tensin requeridos para separar los puntos soldados, fueron como se indica a continuacin:

Analizar el experimento como un Cuadro Latino y probar con un nivel de significacin de 0.01 si existen diferencias en los mtodos, en los operadores, los fundentes o las repeticiones. 1) 1 2 3 1 2 3 1 2 3 1 2= 0 Hiptesis Alternativa: no todas las iguales a 0. 2) Nivel de significancia: =0.01. 3) Para tratamientos, renglones y columnas se rechaza Ho si F > 7.56 (este valor corresponde a F0.01 con 1 2 Para repeticiones se rechaza Ho si F > 10.0 (este valor corresponde a F0.01 con
1 2

4) Clculos: n = 3 r = 2 T1.. = 81 T2.. = 79.5 T3.. = 75.5 T.1. = 70.0 T.2. = 92.0 T.3 . = 78.0 T..1 = 119.5 T..2 = 120.5 T(A) = 87.5 T(B) = 86.5 T(C) = 66.0 T = 240.8 yij(k)l2 = 3304.5 C = 2402 / 18 = 3200.0

SST = 142 + 16.52 ++ 11.52 3200.0 = 104.5 SS(Tr) = ( 87.52 + 86.52 + 66.02 ) / 6 3200.0 = 49.1 SSR = ( 812 + 79.52 +79.52 ) / 6 3200.0 = 0.2 SSC = ( 702 + 922 +782 ) / 6 3200.0 = 41.2 SSE = 104.5 49.1 0.2 - 41.2 = 13.8 La Tabla queda: Fuentes de Variacin Tratamientos (Mtodos) Renglones (Operadores) Columnas (Fundentes) Repeticiones Error Total

Grados de Suma de Media F Libertad Cuadrados Cuadrada 2 49.1 24.6 17.6 2 2 1 10 17 0.2 41.3 0.1 13.8 104.5 0.1 20.6 0.1 1.4 0.1 14.7 0.1

5) En lo que respecta a tratamientos (mtodos) y a columnas (fundentes) dado que F = 17.6 y 14.7 sobrepasan a 7.56 se rechazan las Hiptesis Nulas correspondientes. Para renglones (operarios) dado que F = 0.1 no excede a 7.56, no se rechaza Ho. En otras palabras, se concluye que las diferencias en los mtodos y en los fundentes, pero no en los operadores y las repeticiones, afectan a la resistencia mecnica de la soldadura. Ms an, la prueba del Rango Mltiple de Duncan da el siguiente patrn de decisin, con = 0.01: Mtodo C Mtodo B Mtodo A Media 11.0 14.4 14.6 En consecuencia, se concluye que el Mtodo C produce uniones con soldaduras ms dbiles que los Mtodos A y C.

EJEMPLO 2: Evaluacin del sistema de riego por exudacin utilizando cuatro variedades de meln, bajo modalidad de siembra, SIMPLE HILERA.". Se desea probar el comportamiento de tres variedades hbridas de meln y uno estndar Variedades: V1 : Hbrido Mission V2 : Hbrido Mark. V3 : Hbrido Topfligth. V4 : Hbrido Hales Best Jumbo. Hiptesis : 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 F1 45 F2 29 F3 37 F4 38 C2 50 53 41 40 C3 43 41 41 35 C4 35 63 63 41 C1 F1 V1 F2 V4 F3 V2 F4 V3 C2 V2 V3 V4 V1 C3 V3 V2 V1 V4 C4 V4 V1 V3 V2

Solucin: C1 C2 C3 C4 Y.j F1 45 50 43 35 173 F2 29 53 41 63 186 F3 37 41 41 63 182 F4 38 40 35 41 154 Yi.149 184 160 202 695 V1 V2 V3 V4 189 169 197 140 695 Estimacin de parmetros: : 695/16 = 43.4375 1 : 189/4 43.4375 = 3.81 ; 2 : -1.18 ; 3 : 7.57 ; 4 : -8.4375 c1 : 149/4 43.4375 =-6.1875 ;c2 : 2.5625 ; c3 : -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 correccin TC = 695 /16 = 30189.1

SC(Total) = 45 + 50 + . . . 41 - TC = 1359.9375 SC(Filas) = (173 + + 154 ) / 4 - TC = 152.18750 SC(Columna) = ( 149 + + 202 ) / 4 TC = 426.18750 SC(Melon) = ( 189 + + 140 ) / 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 = Raz (CM error) *100 / Promedio = 16.2 % Anlisis 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 meln tratadas con el sistema de riego por exudacin. El coeficiente de variacion es de 16% aceptable para evaluacin 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: Hbrido Mission 47.3 kilos V2: Hbrido Mark. = 42.3 kilos V3: Hbrido Topfligth. 49.3 kilos V4: Hbrido Hales Best Jumbo. = 35.0 kilos

EJEMPLO 3: En este apartado se desarrolla un problema de diseo de experimentos de cuadrado latino. El enunciado del problema es el siguiente: Se quiere estudiar la posible influencia de los aditivos de combustible (factor tratamiento, T ) en la reduccin de xidos de nitrgeno en las emisiones de los automviles (variable respuesta) controlando la influencia del conductor (factor-bloque B ) y del tipo de coche (factor-bloque, B ). Se consideran cuatro conductores: C1, C2, C3, C4. Cuatro tipos de coche: Seat, Ford, Opel, Renault. Cuatro aditivos de combustible: A1, A2, A3, A4. Los resultados del experimento diseado segn la tcnica del cuadrado latino son los de la tabla adjunta, tambin se presenta el cuadrado latino utilizado. Qu conclusiones se deducen del experimento?. Seat C1 C2 C3 C4 21 A1 23 A4 15 A2 17 A3 Ford 26 A2 26 A3 13 A4 15 A1 Opel 20 A4 20 A1 16 A3 20 A2 Renault 25 A3 27 A2 16 A1 20 A4

Cuadrado Latino 1 2 4 4 3 1 2 4 3 3 1 2 Solucin.

3 2 1 4

Estimacin de los parmetros. Se obtienen los siguientes estimadores: Estimaciones

i 23 i

.i
19 20

3 4

j -1

..k
18 22 -2 2

24

15 18 .. =

-5 -2

19 22

-1 2

21 19

1 -1

= 20

Los residuos del modelo son: Residuos Seat C1 1 A1 C2 1 A4 Ford 1 A2 1 A3 Opel Renault -1 A4 -1 A3 -1 A1 -1 A2 1 A1 1 A4

C3 -1 A2 -1 A4 1 A3 C4 -1 A3 -1 A1 1 A2

Tabla ANOVA. Utilizando las estimaciones y residuos obtenidos se obtiene la siguiente tabla ANOVA Tabla ANOVA Fuentes de variacin Factor conductor Factor coche Factor aditivo Variab. Explicada Residual Global

Suma de Grados de Varianza cuadrados libertad 216 24 40 280 16 296 3 3 3 9 6 15 72 8 13'33 2'66 19'73

p - valor 27 0'0007 3 0'1117 5 0'0452

De esta tabla se deducen los siguientes contrastes: 1. El contraste de la hiptesis: el factor (aditivo) no influye. Se realiza por el estadstico

se tienen dudas acerca de si aceptar o no esta hiptesis ya que su p-valor 0'05. Es el contraste ms interesante ya que se contrasta la posible influencia del factor tratamiento en el que se est interesado.

2. El contraste de la hiptesis: el factor

(conductor) no influye.

Se rechaza esta hiptesis de no influencia del factor conductor. 3. El contraste de la hiptesis: el factor (coche) no influye.

Se acepta, a un nivel inferior razonable (< 0'11) la no influencia del factor coche. De los contrastes anteriores se deduce que ha sido conveniente bloquear el tipo de conductor pero no conviene bloquear el tipo de coche. Se puede eliminar el factor coche, basta con sumar la fila correspondiente al factor coche con la fila de la variabilidad residual, aunque se pueden hacer crticas al diseo resultante. Se obtiene la siguiente tabla ANOVA Tabla ANOVA 2 Fuentes de Variacin Factor conductor Factor aditivo Variab. Exp. Total Residual Global

Suma de. Cuadrados 216 40 256 40 296

Grados libertad 3 3 6 9 15

Varianza 72'00 13'33 4'44 19'73

p - valor 16'20 0'0006 3'00 0'0877

Trabajando con un nivel de significacin de factor tratamiento tipo de aditivo.

= 0'05 se acepta la no influencia del

EJEMPLO 4: Se probaran 5 raciones respecto a sus diferencias en el engorde de novillos. Se dispone de 20novillos para el experimento, que se distribuyen en 4 bloques (5 novillos por bloque) con base a sus pesos, al iniciar la prueba de engorde. Los 5 tratamientos (raciones) se asignaron al azar dentro de cada bloque. Los novillos ms pesados se agruparon en un bloque, en otro se agruparon los 5 siguientes ms pesados y as sucesivamente. Se obtuvieron los siguientes datos:

CONCLUSIONES
- La utilizacin de cuadrado latino para la resolucin de problemas estadsticos requiere de muchas herramientas como lo son la formulacin y verificacin de hiptesis, la tabla anova, estimacin de parmetros, residuos, entre otros. - Un cuadrado latino se dice que est reducido (o "normalizado" o "de forma estandarizada") si la primera fila y la primera columna estn en orden natural. Por ejemplo, el primer cuadrado est 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. - Un inconveniente que presentan a veces estos diseos es el de requerir excesivas unidades experimentales para su realizacin. Un diseo en bloques completos con un factor principal y dos factores de bloque, con K1, K2 y K3 niveles en cada uno de los factores, requiere K1 K2 K3 unidades experimentales. - Podemos evidenciar cuadrados latinos presentes en nuestro da a da. El popular rompecabezas Sudoku es un caso especial de cuadrado latinos; toda solucin de un Sudoku es un cuadrado latino. Un Sudoku impone una restriccin adicional a los subgrupos de 33, estos slo deben contener los dgitos del 1 al 9 en la versin estndar. El rompecabezas conocido como Diamante 16 (Diamond 16 Puzzle) ilustra un concepto generalizado de la ortogonalidad de los cuadrados latinos: el cuadrado ortogonal o "Matrices ortogonales.