Reporte

INSTITUTO TECNOLÓGICO SUPERIOR
MÚZQUIZ
Estadística Inferencial II
Unidad 5
DISEÑO DE BLOQUES
Ing. Jesús Rafael Sesatty Sáenz
Santamaría Guadalupe López Riojas
Ingeniería En Gestión Empresarial 5.2
A Miércoles 4 De Diciembre Del 2019

Estadística Inferencial ll Unidad 5: Diseño de Bloques
ÍNDICE
METODOLOGÍA DEL DISEÑO EXPERIMENTAL DE BLOQUES AL AZAR ....................... 1
DISEÑO DE EXPERIMENTOS FACTORIALES......................................................................... 6
DISEÑO DE CUADRADOS LATINOS ......................................................................................... 9
DISEÑO DE CUADRADOS GRECOLATINOS......................................................................... 16
NETGRAFÍA ................................................................................................................................... 20
METODOLOGÍA DEL DISEÑO EXPERIMENTAL DE BLOQUES AL

AZAR
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor,
es deseable que las posibles diferencias se deban principalmente al factor de interés
y no a otros factores que no se consideran en el estudio. Cuando esto no ocurre y
existen otros factores que no se controlan o nulifican para hacer la comparación, las
conclusiones podrían ser afectadas sensiblemente.
En un diseño en bloques completos al azar (DBCA) se consideran tres fuentes de

variabilidad:
 El factor de tratamientos
 El factor de bloque
 El error aleatorio
es decir, se tienen tres posibles ¨culpables¨ de la variabilidad presente en los datos.

La palabra completo en el nombre del diseño se debe a que en cada bloque se
prueban todos los tratamientos, o sea, los bloques están completos. La
aleatorización se hace dentro de cada bloque; por lo tanto, no se realiza de manera
total como en el diseño completamente al azar.
Metodología:
Modelo estadístico:
Cuando se decide utilizar un DBCA, el experimentador piensa que cada medición

será el resultado del efecto del tratamiento donde se encuentre, del efecto al que
pertenece y de cierto error que se espera sea aleatorio. El modelo estadístico para
este diseño está dado por:
Yij = µ + ti + ßj + Ԑij
Donde:
 Yij = Son las observaciones obtenidas la j-ésima vez que se repite el

experimento, con el tratamiento i-ésimo.
1
 µ = Media general.
 ti = Efecto del tratamiento i.
 ßj = Efecto del Bloqueo j.
 Ԑij = Efecto del error experimental que se presenta al efectuar la j-ésima
observación del i-ésimo tratamiento.
Hipótesis a probar:
La hipótesis de interés es la misma para todos los diseños comparativos, y está

pada por:
𝐻0: 𝜇1 = 𝜇2 = 𝜇3 … 𝜇𝑘 = 𝜇
𝐻1: 𝜇1 ≠ 𝜇2 ≠ 𝜇3 … 𝜇𝑘 ≠ 𝜇
Análisis de varianza:
La hipótesis dada se prueba con un análisis de varianza con dos criterios de

clasificación, porque se controlan dos fuentes de variación: el factor de tratamientos
y el factor de bloque. En la tabla 3.2 se muestra el aspecto del ANOVA para diseño
DBCA.
Utilidad:
2
Se usa con la finalidad de tener comparaciones precisas entre los tratamientos bajo
estudio. Utilizar bloques es una forma de reducir y controlar la varianza del error
experimental para aumentar la precisión Cualquier factor que afecte la variable
respuesta y que varíe entre las u.e. aumentará la varianza del error experimental y
disminuirá la precisión de las comparaciones.
Factores como peso, edad de los animales y parcelas alejadas son ejemplos de
variables externas a los tratamientos que pueden incrementar la variación entre las
observaciones de la variable respuesta.
Ejemplo:
con el fin de probar cuatro niveles diferentes de pollinaza, como fuente proteica en
raciones para novillos, se llevó a cabo un estudio, en el cual, debido al peso inicial
de los novillos, fue necesario efectuar un control. Los resultados se incluyen a
continuación.
Hipótesis
Ho: Ti = Tj Ho: Bi = Bj
Ha: Ti ǂ Tj Ha: Bi ǂ Bj
3
4
Por lo anterior, y debido a que Fc es mayor que F Tabulada, es posible decidir e

rechazo de la Hipótesis nula, sin embargo, será necesario efectuar más pruebas
estadísticas con el propósito de elaborar conclusiones específicas.
5
DISEÑO DE EXPERIMENTOS FACTORIALES

Un experimento factorial completo es un experimento cuyo diseño consta de dos o
más factores, cada uno de los cuales, con distintos valores o niveles, cuyas
unidades experimentales cubren todas las posibles combinaciones de esos niveles
en todos los factores. Este tipo de experimentos permiten el estudio del efecto de
cada factor sobre la variable respuesta, así como el efecto de las interacciones entre
factores sobre dicha variable.
Por ejemplo, con dos factores y dos niveles en cada factor, un experimento factorial
tendría en total cuatro combinaciones de tratamiento, y se le denominaría diseño
factorial de 2×2.
Si el número de combinaciones en un diseño factorial completo es demasiado alto

para su procesamiento, puede optarse por un diseño factorial fraccional, en el que
se omitan algunas de las combinaciones posibles.
Metodología:
Si se trata de un diseño factorial, los tratamientos se forman combinando los niveles

de los factores en estudio, de manera que el efecto del tratamiento τi se considera
a su vez compuesto de los efectos de los factores y sus interacciones. Por ejemplo,
si son dos factores en estudio se tiene:
τi = τkl = αk + γl + ξkl
Tratamiento = factor A + factor B + interacción AB
Haciendo una equivalencia entre los valores de i y los de k y l suponiendo que el

factor A tiene K niveles y el factor B L: i k l
1 1 1
2 1 2
3 1 3
… … …
t k l
6
Y el modelo resultante es:
yklj = µ + αk + γl + ξkl + βj + ǫklj
Utilidad:
La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de

que el efecto de un factor cambie según los niveles de otros factores, esto es, que
los factores interactúen, o exista interacción.
También se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta

o variable dependiente, esto es, se quiere encontrar la combinación de niveles de
los factores que producen un valor óptimo de la variable dependiente.
Si se investiga un factor por separado, el resultado puede ser diferente al estudio

conjunto y es mucho más difícil describir el comportamiento general del proceso o
encontrar el óptimo.
Ejemplo:
Un ingeniero está diseñando una batería para usarse en un aparato que estará
sujeto a variaciones extremas de temperatura. Tiene tres opciones para el material
de la placa para la batería, y como sabe que la temperatura afecta la vida de la
batería decide probar tres temperaturas: 15◦F, 70◦F, 125◦F.
Se prueban 4 baterías en cada combinación de material y temperatura y las 36

pruebas (3 × 3 × 4) se corren en orden aleatorio (completamente al azar).
Los datos son vida (en horas) de las baterías.
7
El ingeniero quiere contestar las siguientes preguntas:
1. Qué efectos producen el material y la temperatura en la vida de la batería?
2. Existe un material que produzca uniformemente más larga vida a la batería sin
importar la temperatura? Diseño completamente al azar, experimento balanceado,
completo, factores fijos.
Una observación por celda. Suponga un experimento con dos factores A con a
niveles y B con b niveles y una sola repetición en cada celda (tratamiento). El
modelo con interacción es: yij = µ + τi + βj + (τβ )ij + ǫij i = 1, . . ., a j = 1, . . ., b
σ 2 no se puede estimar, por lo tanto, no hay prueba para los efectos principales a
menos que no haya interacción, y entonces el modelo es:
yij = µ + τi + βj + ǫij
Este es el caso de bloques al azar.
El Diseño Factorial General. Balanceado
El diseño factorial de dos factores se puede generalizar a tener p factores:
A con a niveles
B con b niveles
..............
En general, habrá abc · · · n observaciones si hay n repeticiones del experimento

completo. Debe haber por lo menos 2 repeticiones (n ≥ 2) para poder calcular σˆ 2
si todas las posibles interacciones están incluidas en el modelo.
8
DISEÑO DE CUADRADOS LATINOS

En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se estudia
un factor de tratamientos, por lo que se tienen cuatro fuentes de variabilidad que
pueden afectar la respuesta observada, estas son:
 Los tratamientos
 El factor de bloque I (renglones)
 El factor de bloque II (columnas)
 El error aleatorio
Se llama cuadro latino por dos razones: es un cuadro debido a que tiene la
restricción adicional de que los tres factores involucrados se prueban en la misma
cantidad de niveles, y es latino 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 aspecto de los datos se muestra en la siguiente tabla.
Metodología:
El modelo estadístico para describir el comportamiento de las observaciones está

dado por:
Donde Yijl es la observación del tratamiento i, en el nivel j, del factor renglón y en el

nivel l del factor columna; £ijl es el error atribuible a dicha observación. De acuerdo
con este modelo, la variabilidad total presente en los datos se puede descomponer
como:
9
y los grados de libertad correspondientes son:
El ANOVA para el diseño en cuadro latino se muestra en la tabla 3.4. En él se prueba

la hipótesis sobre los efectos de tratamiento del factor renglón y del factor columna.
Otra vez, la hipótesis fundamental es la de los tratamientos; las otras dos
proporcionan un adicional al objetivo inicial y permiten comprobar la relevancia de
controlar los factores de bloque.
Selección y aleatorización de un cuadro latino. No cualquier arreglo de letras

latinasen forma de cuadro es cuadro latino, la regla fundamental es que cada letra
debe aparecer sólo una vez en cada renglón y en cada columna. Un cuadro latino
estándar es aquel en el que en la primera columna y en el primer renglón aparecen
las letras alfabético. Por ejemplo, un cuadro latino estándar de tamaño cuatro está
dado por:
Existen además los siguientes tres cuadros latinos de dimensión cuatro:
10
Para cuatro tratamientos se pueden construir un total de 576 cuadros latinos delos
cuales cuatro son estándar. La selección del diseño debería ser elegir uno al azar
delos 576 posibles; no obstante, es prácticamente imposible construirlos a todos
para seleccionar uno al azar. Sin embargo, ocurre que, dado un cuadro latino,
cualquier intercambio de columnas o de renglones es también cuadro latino, por eso
la estrategia de selección y aleatorización recomendada en la práctica es la
siguiente:
 Se construye el cuadro latino estándar más sencillo.

 Se aleatoriza el orden de los renglones (o columnas) y posteriormente se
aleatoriza el orden de las columnas (o renglones).
 Por último, los tratamientos a comparar se asignan en forma aleatoria a las
letras latinas.
El cuadro latino tiene dos restricciones a la aleatorización debido a los dos factores
de bloque, lo que implica que a la hora de correr el experimento no hay ningún
margen de aleatorización. Es decir, se puede correr por columna o por renglón
según convenga. Lo que no es correcto es hacer todas las pruebas de un
tratamiento, y luego todas las de otro, y así sucesivamente, puesto que se puede
introducir ruido adicional debido a factores no controlables que cambian con el
tiempo.
Utilidad:
Este diseño se utiliza para conducir experimentos en condiciones heterogéneas

dónde las propiedades cambian en dos direcciones como ocurre en la toma de
muestras para análisis de laboratorio, donde las condiciones cambian entre planta
y planta (una dirección) y de hoja a hoja por tamaño o posición en la misma planta
(otra dirección).
11
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.
Ejemplo:
Comparación de cuatro marcas de llantas. Una compañía de mensajería está

interesada en 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 cuatro marcas de llantas sometiéndolas a una prueba de 32 000
kilómetros de recorrido, utilizando cuatro diferentes tipos de auto y las cuatro
posiciones posibles de las llantas en el auto. Así, el factor de interés es el tipo de
llantas o marca, y se controlan dos factores de bloque: el tipo de carro y la posición
de la llanta en el auto. Estos factores de bloque se controlan ya que, por experiencia,
se sabe que el tipo de carro y la posición de la llanta tienen efecto en el desgaste
de la misma.
La elección del cuadro latino a utilizar se hace antes de obtener los datos. Para ello,
a partir de un cuadro latino inicial se aleatorizan las columnas y los renglones;
después, las diferentes marcas de llantas se asignan de manera aleatoria a las
letras latinas que denotan los niveles del factor de interés
Las pruebas se hacen al mismo tiempo con choferes, a quienes se les instruye para
que manejen de manera similar sobre el mismo terreno para los cuatro auto móviles.
Al hacer las pruebas de los cuatro autos al mismo tiempo se evita el efecto del
ambiente en el desgaste; asimismo, el conductor y el tipo de terreno podrían influir,
pero se considera suficiente mantenerlos lo más homogéneo posible durante el
experimento. El diseño y los datos observados se muestran en la tabla anterior. Se
mide la diferencia máxima entre el grosor de la llanta nueva y el grosor de la llanta
12
después de recorrido los 32 000 kilómetros. Obviamente, a mayor diferencia en

grosor mayor desgaste. Las unidades de medición son milésimas de pulgada
13
Además de la ausencia de observaciones atípicas o aberrantes. Como se observa

en la figura 3.6, el supuesto de normalidad se cumple al caer los residuos o puntos
¨más o menos en línea recta¨ (Grafica de probabilidad normal).
También se cumple el supuesto de varianza constante de acuerdo a la gráfica de

residuos vs valor ajustado, y en la gráfica de residuos vs orden de observación, en
la que los residuos se ubican aleatoriamente dentro de una banda horizontal; su
dispersión vertical es la misma a lo largo de los gráficos.
14
No se comprobó el supuesto de independencia porque no se conoce el orden en

que se realizaron las mediciones del desgaste.
15
DISEÑO DE CUADRADOS GRECOLATINOS

Con el diseño en cuadro grecolatino (DCGL) se controlan tres factores de bloque,
además del factor de tratamiento. Se llama cuadro grecolatino porque los cuatro
factores involucrados se prueban en la misma cantidad de niveles, de aquí que se
pueda escribir como un cuadro (ver tabla 3.5); además, 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. Además, cada par de letras debe
aparecer sólo una vez en todo el arreglo.
Metodología:
El modelo estadístico que describe a las mediciones en un cuadro grecolatino está

dado por:
Yijlm= µ + Ti +Yj + Sl +Pm + £ijlm
Donde Yijlm: es la observación o respuesta que se encuentra en el tratamiento i (i-

ésima letra latina), en el renglón j, en la columna l y en la m-ésima letra griega; Ti
es el efecto del tratamiento i, Yj es el efecto del renglón j, Sl representa el efecto de
la columna l y Pm representa el efecto de la m-ésima letra griega, que son los niveles
del tercer factor de bloque; el término £ijlm representa el error aleatorio atribuible a
la medición Yijlm.
Es importante no confundir las letras griegas del modelo que representan efectos,
con las letras griegas en el diseño que simbolizan a los niveles del tercer factor de
16
bloque. La variabilidad total presente en los datos se puede partir de la manera usual
como:
donde las sumas SC B1, SCB2 Y SCB3 miden la variabilidad debida a los factores
de bloque renglón, columna y de letras griegas, respectivamente. Para K
tratamientos, los grados de libertad correspondientes a cada suma son:
Un bosquejo del análisis de varianza se muestra en la tabla 3.6, en la cual se

prueban las hipótesis de igualdad de letras latinas (tratamientos), de renglones, de
columnas y de letras griegas.
Utilidad:
Los cuadrados greco-latino se utilizan en el diseño de experimentos, la

programación de torneos y la construcción de cuadrados mágicos.
Ejemplo:
En la obtención de un determinado producto químico se está interesado en

comparar 4 procedimientos. Se supone que en dicha obtención también puede
influir la temperatura, presión y tipo de catalizador empleado, decidiéndose realizar
un experimento en cuadrado greco-latino. Para ello, se consideran 4 niveles de cada
17
uno de estos factores. La tabla adjunta muestra el cuadrado greco-latino que resulta
elegido y las cantidades de producto obtenidas. En dicha tabla:
 Las filas representan el factor principal, procedimientos.

 Las columnas representan el factor temperatura.
 Las letras latinas representan el factor presión.
 Las letras griegas representan el factor tipo de catalizador.
Por otra parte, los totales y sus cuadrados para las letras latinas y griegas se
muestran en las tablas 5-12 y 5-13
Seguidamente calculamos las sumas de cuadrados:
18
y la suma de cuadrados del error:
SCR = SCT − SCF − SCC − SCL − SCG = 3,6875.
La tabla ANOVA para este diseño es la siguiente:
Si realizamos el contraste al 5 % y comparamos los valores de las Fexp con el valor

de la F teórica (F0,05;3,3 = 9,28), se concluye que se aceptan las hipótesis de
igualdad de efectos de columnas y de letra griega y se rechazan las hipótesis de
igualdad de efecto de filas y de letra latina. Es decir, son significativos los efectos
de los procedimientos y presión, pero no lo son los efectos de la temperatura y
catalizador
19
NETGRAFÍA
https://victoryepes.blogs.upv.es/2014/06/30/diseno-de-experimentos-por-bloques-
completos-al-azar/
https://www.academia.edu/19064401/ESTADISTICA_INFERENCIAL_II_LIBRO
http://ri.uaemex.mx/oca/view/20.500.11799/34302/1/secme-17390.pdf
http://www.dpye.iimas.unam.mx/patricia/indexer/factoriales.pdf
https://es.scribd.com/doc/28502129/DISENO-DE-CUADRADO-LATINO
http://wpd.ugr.es/~bioestad/wp-content/uploads/GrecoLatinos1.pdf
http://riotorto.users.sourceforge.net/R/doe_grec_lat/index.html
20

Reporte

Cargado por

Copyright:

Formatos disponibles

Reporte

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Reporte

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO SUPERIOR

Ing. Jesús Rafael Sesatty Sáenz

Santamaría Guadalupe López Riojas

Ingeniería En Gestión Empresarial 5.2

A Miércoles 4 De Diciembre Del 2019

DISEÑO DE EXPERIMENTOS FACTORIALES......................................................................... 6

DISEÑO DE CUADRADOS LATINOS ......................................................................................... 9

DISEÑO DE CUADRADOS GRECOLATINOS......................................................................... 16

METODOLOGÍA DEL DISEÑO EXPERIMENTAL DE BLOQUES AL

En un diseño en bloques completos al azar (DBCA) se consideran tres fuentes de

es decir, se tienen tres posibles ¨culpables¨ de la variabilidad presente en los datos.

Cuando se decide utilizar un DBCA, el experimentador piensa que cada medición

 Yij = Son las observaciones obtenidas la j-ésima vez que se repite el

La hipótesis de interés es la misma para todos los diseños comparativos, y está

La hipótesis dada se prueba con un análisis de varianza con dos criterios de

Por lo anterior, y debido a que Fc es mayor que F Tabulada, es posible decidir e

DISEÑO DE EXPERIMENTOS FACTORIALES

Si el número de combinaciones en un diseño factorial completo es demasiado alto

Si se trata de un diseño factorial, los tratamientos se forman combinando los niveles

Tratamiento = factor A + factor B + interacción AB

Haciendo una equivalencia entre los valores de i y los de k y l suponiendo que el

Y el modelo resultante es:

yklj = µ + αk + γl + ξkl + βj + ǫklj

La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de

También se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta

Si se investiga un factor por separado, el resultado puede ser diferente al estudio

Se prueban 4 baterías en cada combinación de material y temperatura y las 36

Los datos son vida (en horas) de las baterías.

El ingeniero quiere contestar las siguientes preguntas:

1. Qué efectos producen el material y la temperatura en la vida de la batería?

Este es el caso de bloques al azar.

El Diseño Factorial General. Balanceado

El diseño factorial de dos factores se puede generalizar a tener p factores:

En general, habrá abc · · · n observaciones si hay n repeticiones del experimento

DISEÑO DE CUADRADOS LATINOS

El modelo estadístico para describir el comportamiento de las observaciones está

Donde Yijl es la observación del tratamiento i, en el nivel j, del factor renglón y en el

y los grados de libertad correspondientes son:

El ANOVA para el diseño en cuadro latino se muestra en la tabla 3.4. En él se prueba

Selección y aleatorización de un cuadro latino. No cualquier arreglo de letras

Existen además los siguientes tres cuadros latinos de dimensión cuatro:

 Se construye el cuadro latino estándar más sencillo.

Este diseño se utiliza para conducir experimentos en condiciones heterogéneas

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

Comparación de cuatro marcas de llantas. Una compañía de mensajería está

después de recorrido los 32 000 kilómetros. Obviamente, a mayor diferencia en

Además de la ausencia de observaciones atípicas o aberrantes. Como se observa

También se cumple el supuesto de varianza constante de acuerdo a la gráfica de

No se comprobó el supuesto de independencia porque no se conoce el orden en

DISEÑO DE CUADRADOS GRECOLATINOS

El modelo estadístico que describe a las mediciones en un cuadro grecolatino está

Yijlm= µ + Ti +Yj + Sl +Pm + £ijlm

Donde Yijlm: es la observación o respuesta que se encuentra en el tratamiento i (i-

Un bosquejo del análisis de varianza se muestra en la tabla 3.6, en la cual se

Los cuadrados greco-latino se utilizan en el diseño de experimentos, la

En la obtención de un determinado producto químico se está interesado en

 Las filas representan el factor principal, procedimientos.

Seguidamente calculamos las sumas de cuadrados: