Contenido

Diseño experimental con boques al azar ......................................................................................... 3

Diseño de cuadrados latinos ............................................................................................................. 6
Diseño en cuadrado grecolatino ....................................................................................................... 9
Aplicaciones ..................................................................................................................................... 12
Ejercicios paso a paso ..................................................................................................................... 13
Conclusiones: ................................................................................................................................... 21
Diseño experimental con boques al azar

El procedimiento general para el diseño aleatorizado por bloques completos consiste en

seleccionar b bloques y realizar una réplica completa del experimento en cada uno de ellos.

En cada bloque existen a observaciones (una por cada nivel del factor), y el orden en que se

toman estas observaciones se asigna de manera aleatoria dentro del bloque.

J.M y Fernández (1993, p.4) definen los bloques al azar como:

Un diseño de bloques completos en que los tratamiento o variedades se distribuyen

al azar en unas agrupaciones llamadas “bloques. Cada una contiene todas las

variedades del ensayo, las cuales se colocan unas adosadas a las otras. La

distribución del orden de las variedades dentro de cada bloque se hace al azar.

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.
Supongamos una situación experimental con k tratamientos y b bloques. Considerando una

repetición en cada combinación de tratamiento y bloque.

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:

Hipótesis a probar

La hipótesis de interés es la misma para todos los diseños comparativos, y está pada por:
 La afirmación a probar es que la respuesta media poblacional lograda con cada

tratamiento es la misma para los tratamientos k y que, por lo tanto, cada respuesta media µi

es igual a la media global poblacional 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.

Tabla ANOVA para un diseño en bloques completos al azar:

Los cálculos necesarios pueden ser manuales, pero siempre es más práctico hacerlos con

un software estadístico, porque además proporciona muchas otras opciones gráficas y

tabulares útiles (no sólo el ANOVA). Utilizando la notación de puntos, las fórmulas más

prácticas para calcular las sumas de cuadrados son:

y la del error se obtiene por sustracción como:

Diseño de cuadrados latinos

Un diseño cuadrado latino para p factores, o un cuadrado latino p x p, es un cuadrado

que contiene p renglones y p columnas. Cada una de las p2 celdas contiene una de las p

letras que corresponde a un tratamiento, y cada letra aparece una sola vez en cada renglón y

columna.

El diseño cuadrado latino se usa para eliminar dos fuentes de variabilidad problemáticas;

en otras palabras, permite analizar sistemáticamente por bloques en dos direcciones.

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

Según Jiménez González (2002, p. 45) se le llama cuadrado 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.

Los aspectos de los datos se muestran en el siguiente cuadro:

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 ƐijL; es el error atribuible a dicha observación. De acuerdo con

este modelo, la variabilidad total presente en los datos se puede descomponer como

y los grados de libertad correspondientes son:

k2-1= (k-1)+(k-1)+(k-1)+(k-2)(k-1)

El ANOVA para el diseño en cuadro latino 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 latinas en 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 en orden alfabético. Por ejemplo, un cuadro latino estándar de

tamaño cuatro está dado por:

Existen además los siguientes tres cuadros latinos de dimensión cuatro:

Para cuatro tratamientos se pueden construir un total de 576 cuadros latinos de los cuales

cuatro son estándar. La selección del diseño debería ser elegir uno al azar de los 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.

Diseño en cuadrado grecolatino

Consideremos un cuadrado latino p × p al que se le sobrepone un segundo cuadrado latino

cuyos tratamientos se designan por letras griegas. Se dice que los dos son ortogonales si al

sobreponerse poseen la propiedad de que cada letra griega aparece solamente una vez con

cada letra latina.

El diseño cuadrado greco-latino puede utilizarse para controlar sistemáticamente tres

fuentes extrañas de variabilidad. En otras palabras, se usa para hacer un análisis por bloques

en tres direcciones. El diseño permite analizar cuatro factores (renglón columna, letra

griega y letra latina), cada uno con p niveles, usando solamente p2 ensayos. Los cuadrados

grecolatinos existen para toda excepto para p = 6.

Según Jiménez González (2002, p. 45) se le llama grecolatino porque:

 Los cuatro factores involucrados se prueban en la misma cantidad de niveles, de

aquí que se pueda escribir como un cuadro, además, se utilizan letras latinas para

denotar a los tratamientos y letras griegas para nombrar a los niveles del tercer

factor de bloque.

El diseño de un cuadrado grecolatino es el siguiente:

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. El modelo estadístico que describe a las mediciones en un cuadro

grecolatino está dado por:

donde YIjƖm es la observación o respuesta que se encuentra en el tratamiento (i-ésima letra

latina), en el renglón j, en la columna Ɩ y en la m-ésima letra griega; Ti es el efecto del

tratamiento i, yj es el efecto del renglón j, SƖ representa el efecto de la columna Ɩ y Ƥm

representa el efecto de la m-ésima letra griega, que son los niveles del tercer factor de

bloque; el término ƐijƖm representa el error aleatorio atribuible a la medición YIjƖm.

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 bloque. La

variabilidad total presente en los datos se puede partir de la manera usual como:
donde las sumas, miden la variabilidad debida a los factores de bloque renglón, columna y

de letras griegas, respectivamente. Para tratamientos, los grados de libertad

correspondientes a cada suma son:

k2 -1= (k-1) +(k-1) +(k-1) +(k-3) (k-1)

Un bosquejo del análisis de varianza, en la cual se prueban las hipótesis de igualdad de

letras latinas (tratamientos), de renglones, de columnas y de letras griegas:

Aplicaciones
Ejercicios paso a paso

 Diseño experimental con boques al azar

Ejercicio:

Se realiza un experimento para determinar el efecto de cuatro sustancias químicas

diferentes sobre la resistencia de una tela. Las sustancias se emplean como parte del

proceso terminal de planchado permanente. Para ello, se escogen cinco muestras de tela y

se aplica un diseño aleatorizado por bloques completos mediante la prueba de cada

sustancia en un orden aleatorio sobre cada una de las muestras de tela.

Se probará la diferencia en las medias utilizando para ello el análisis de la varianza con α

=0,01

Muestra
1 2 3 4 5
1 1,3 1,6 0,5 1,2 1,1
Sustancia

2 2,2 2,4 0,4 2 1,8

3 1,8 1,7 0,6 1,5 1,3
4 3,9 4,4 2 4,1 3,4

Análisis de varianza de dos factores con una sola muestra por grupo

RESUMEN Cuenta Suma Promedio Varianza

Fila 1 5 5,7 1,14 0,163
Fila 2 5 8,8 1,76 0,628
Fila 3 5 6,9 1,38 0,227
Fila 4 5 17,8 3,56 0,893

Columna 1 4 9,2 2,3 1,273333333

Columna 2 4 10,1 2,525 1,689166667
Columna 3 4 3,5 0,875 0,569166667
Columna 4 4 8,8 2,2 1,713333333
Columna 5 4 7,6 1,9 1,086666667
 ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio de Valor crítico
F Probabilidad
variaciones cuadrados libertad los cuadrados para F
SUSTANCIA Filas 18,044 3 6,01466667 75,89484753 4,5183E-08 5,95254468
MUESTRA DE TELA Columnas 6,693 4 1,67325 21,11356467 2,3189E-05 5,41195143
Error 0,951 12 0,07925

Total 25,688 19

Análisis de SSBL (5,95)

H0: M1=M2=M3=M4=M5 (no hay efecto)
H1: M1≠M2≠M3≠M4≠M5 (si hay efecto)
¿Existe algún efecto debido al tipo de sustancia química?
Si, en base a la prueba de aceptación se demuestra que la prueba F del FACTOR SSBLes
mayor a la F critica, por lo cual se rechaza H0.
Se indica entonces que el tipo de sustancia química SI tiene efecto en la resistencia de la
tela.
Análisis de SSA (5.41)
H0: M1=M2=M3=M4=M5 (no hay efecto)
H1: M1≠M2≠M3≠M4≠M5 (si hay efecto)
¿Existe algún efecto debido al tipo de muestra de tela?
SI, en base a la prueba de aceptación se demuestra que la prueba F del FACTOR SSA es
mayor a la F critica, por lo cual se rechaza H0.
Se indica entonces que el tipo de sustancia química SI tiene efecto en la resistencia de la
tela.

 Diseño de cuadrados latinos

Ejercicio:

Se probaron 4 raciones alimenticias para pollos, criados en jaula (Tipo Bateria) de 4 pisos

(Filas) y 4 casilleros (Columnas). La variable analizada fue: peso del pollo en Kg a las 8

semanas de edad. Se pide un nivel de confianza de 95%.

Paso 1: Elegir el cuadro latino y acomodar los datos

Casilleros
1 2 3 4
Pisos

1 A 1,4 B 1,38 D 1,4 C 0,6

2 B 1,35 C 1,38 A 1,45 D 1,62
3 C 1,38 D 1,4 B 1,42 A 1,63
4 D 1,39 A 1,39 C 1,4 B 1,6

Paso 2: Plantear la hipótesis

Donde…
H0γ : γh = 0, γh es el efecto producido por la h-ésima del Tratamiento
H0τ : τi = 0, τi es el efecto producido por el i-ésimo nivel del factor fila.
H0β : βj = 0, βj es el efecto producido por el j-ésimo nivel del factor columna.

Entonces:
H0: No existe relación entre las variables
H1: Existe relación entre las variables
Paso 3: Realizar las sumas, sumas para el error y establecer los grados de libertad
Casilleros
1 2 3 4
1 A 1,4 B 1,38 D 1,4 C 1,6
Pisos

2 B 1,35 C 1,28 A 1,45 D 1,62

3 C 1,38 D 1,4 B 1,42 A 1,63
4 D 1,39 A 1,39 C 1,4 B 1,6

Promedios 1,38 1,3625 1,4175 1,6125

Datos
Donde…
n 4 Numero de Tratamientos por columna
N 16 Numero de tratamientos al cuadrado (n^2)

gl 3 Grados de libertad (n-1)

GL 6 Grados de libertad globales ((n-2)*(n-1))
 y1 (y 1 )^ 2
A= (1.4+1.39+1.45+1.63)

Tratamiento
Suma de A 5,87 34,5
B 5,75 33,1
C 5,66 32,0
D 5,81 33,8
23,09 133,3
Suma de Filas

1 5,78 33,4
2 5,7 32,5
3 5,83 34,0
4 5,78 33,4
23,09 133,3
Columnas
Suma de

1 5,52 30,5
2 5,45 29,7
3 5,67 32,1
4 6,45 41,6
23,09 133,9

Error
Columnas
2 1
3 4
1 0,000400
0,000306 0,000306 0,000156
2 0,000900
0,006806 0,001056 0,000056
Filas

3 0,000000
0,001406 0,000006 0,000306
4 0,000100
0,000756 0,000306 0,000156
SUMATORIA 0,013025
(1,1)= (F1C1 - Prom de la columna) al cuadrado

Paso 4: Realizar las sumas de cuadrados, cuadrados medios y Cálculo del Error
y1 /N )/n Suma de Cuadrados Cuadrados medios
gl Factor R2
=P- Q = SC/gl
Q P n
Suma de Tratamiento 23,09 133,3 33,32 33,33 0,01 SCT 0,00200625 CMT 3 n-1 3% N
Suma de Filas 23,09 133,3 33,32 33,32 0,00 SCF 0,00072292 CMF 3 n-1 1%
Suma de Columnas 23,09 133,9 33,32 33,48 0,16 SCC 0,05310625 CMC 3 n-1 88% gl
Suma del Error 0,013025 SCE 0,00217083 CME 6 (n-2)(n-1) 7% GL

SUMA DE CUADRADOS TOTAL ° = SCT + SCF + SCC + SCE 0,1805

 Paso 5: Pruebas F
F F Stad
° = CM/CME (gl,GL)
Recordemos que…. (3,6)
H0γ : γh = 0, γh es el efecto producido por la h-ésima del Tratamiento Se acepta H0
El tipo de Ración no tiene relación con el peso del pollo 0,92418426

H0τ : τi = 0, τi es el efecto producido por el i-ésimo nivel del factor fila. Se acepta H0
El número de Piso no tiene relación con el peso del pollo 0,33301344 4,7571

H0β : βj = 0, βj es el efecto producido por el j-ésimo nivel del factor columna. Se rechaza H0
El número de Casillero no tiene relación con el peso del pollo 24,4635317 El casillero si tiene relacion con el peso del pollo

Tabla ANOVA

 Diseño en cuadrado grecolatino

Ejercicio:

Una compañía distribuidora ubicada en los suburbios está interesada en estudiar la

diferencia en costos (tiempo y gasolina) entre las cuatro rutas (A, B, C, D) que llevan a la

zona comercial, más importante para ellos, en el otro extremo de la ciudad.

Deciden correr un experimento en cuadro grecolatino controlando los factores de bloque

chofer, marca de vehículo (a, b, c, d) y día de la semana. El experimento se realizó en una

semana en la cual no hay días festivos ni quincenas. Se pide un nivel de confianza de 95%.

Los costos observados en pesos se muestran en la siguiente tabla:

Chofer/día Lunes Martes Miércoles Jueves

Carlos 825(D, α) 585(C, γ) 550(B, β) 580(A, δ)

Enrique 650(A, γ) 540(B, α) 580(C, δ) 850(D, β)

Genaro 700(C, β) 650(D, δ) 635(A, α) 450(B, γ)

Luis 475(B, δ) 560(A, β) 650(D, γ) 670(C, α)

Paso 1: Elegir el cuadro latino y acomodar los datos

Chofer/día Lunes Martes Miércoles Jueves Chofer/día Lunes Martes Miércoles Jueves
Carlos 825(D, α) 585(C, γ) 550(B, β) 580(A, δ) Carlos 825 585 550 580
Enrique 650(A, γ) 540(B, α) 580(C, δ) 850(D, β) Enrique 650 540 580 850
Genaro 700(C, β) 650(D, δ) 635(A, α) 450(B, γ) Genaro 700 650 635 450
Luis 475(B, δ) 560(A, β) 650(D, γ) 670(C, α) Luis 475 560 650 670
Paso 2: Plantear la hipótesis

Donde…
H0L : L = 0, L es el efecto producido por la h-ésima de la letra Latina Ruta
H0G: G = 0, G es el efecto producido por la h-ésima de letras griegas Vehículo
H0F : F = 0, F es el efecto producido por el i-ésimo nivel del factor fila. Chofer
H0C : C= 0, C es el efecto producido por el j-ésimo nivel del factor columna. Día
Entonces:
H0: No existe relación entre las variables
H1: Existe relación entre las variables
Paso 3: Realizar las sumas, sumas para el error y establecer los grados de libertad
y1 (y 1 )^ 2 Chofer/día Lunes Martes Miércoles Jueves
Carlos 825 585 550 580
Suma de Letra

A 2425 5880625 Enrique 650 540 580 850

Latina

B 2015 4060225 Genaro 700 650 635 450

C 2535 6426225 Luis 475 560 650 670
D 2975 8850625
9950 25217700 Promedios 662,5 583,75 603,75 637,5
Suma de Letra

α 2670 7128900
griega

β 2660 7075600
γ 2335 5452225 Datos
δ 2285 5221225 Donde…
9950 24877950 n 4 Numero de Tratamientos por columna
N 16 Numero de tratamientos al cuadrado (n ^2)
1/n 0,25
Suma de Filas

1 2540 6451600 gl 3 Grados de libertad (n -1)

2 2620 6864400 GL 3 Grados de libertad globales (n -3)*(n-1)
3 2435 5929225
4 2355 5546025
9950 24791250 Error
Columnas
1 2 3 4
Columnas
Suma de

1 2650 7022500 1 26406,25 1,56 2889,06 3306,25

2 2335 5452225 2 156,25 1914,06 564,06 45156,25
3 2415 5832225 3 1406,25 4389,06 976,56 35156,25
4 2550 6502500 4 35156,25 564,06 2139,06 1056,25
9950 24809450
(1,1)= (F1C1 - Prom de la columna) al cuadrado

Paso 4: Realizar las sumas de cuadrados, cuadrados medios y Cálculo del Error

/N ) * (1/n) Suma de Cuadrados = Cuadrados medios =

gl Factor R2
y1 Q P P-Q SC/gl
Suma de Letra Latina 9950 25217700 6187656,25 6304425,00 116768,75 SCL 38922,91667 CML 3 n-1 34% n 4
Suma letras Griegas 9950 24877950 6187656,25 6219487,50 31831,25 SCG 10610,41667 CMG 3 n-1 9% N 16
Suma de Filas 9950 24791250 6187656,25 6197812,50 10156,25 SCF 3385,416667 CMF 3 n-1 3% 1/n 0,25
Suma de Columnas 9950 24809450 6187656,25 6202362,50 14706,25 SCC 4902,083333 CMC 3 n-1 4% gl 3
Suma del Error 173462,50 SCE 57820,83333 CME 3 (n-3)(n-1) 50% GL 3

SUMA DE CUADRADOS TOTAL ° = SCT + SCG + SCF + SCC + SCE 346925,0

 Paso 5: Pruebas F

F F Stad
° = CM/CME (gl,GL)
Recordemos que…. (3,3)
H0L : L = 0, L es el efecto producido por la h-ésima de la letra Latina 0,673164229 Se acepta H0
La ruta no tiene relación con el costo

H0G: G = 0, G es el efecto producido por la h-ésima de letras griegas 0,18350508 Se acepta H0

La marca del vehiculo no tiene relación con el costo

9,28
H0F : F = 0, F es el efecto producido por el i-ésimo nivel del factor fila. 0,058550119 Se acepta H0
El chofer del vehiculo no tiene relación con el costo

H0C : C= 0, C es el efecto producido por el j-ésimo nivel del factor columna. 0,084780572 Se acepta H0
El dia de la semana no tiene relación con el costo
Conclusiones:
Referencias
J.M Elena Rossello, M Fernández de Gorostiza. (1993). Guía Técnica para
ensayos de variedades de Campo. Italia: Editoriales Roma.
Raúl Jiménez González. (agosto 2012). Estadística Inferencial II. Ensenada Baja
California, México: Instituto Tecnológico de Ensenada.