Professional Documents
Culture Documents
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
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.
variabilidad:
El factor de tratamientos
El factor de bloque
El error aleatorio
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
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
Análisis de varianza
La hipótesis dada se prueba con un análisis de varianza con dos criterios de clasificación,
Los cálculos necesarios pueden ser manuales, pero siempre es más práctico hacerlos con
tabulares útiles (no sólo el ANOVA). Utilizando la notación de puntos, las fórmulas más
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;
factor de tratamientos, por lo que se tienen cuatro fuentes de variabilidad que pueden
Los tratamientos
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
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
El modelo estadístico para describir el comportamiento de las observaciones está dado por:
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
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
fundamental es que cada letra debe aparecer sólo una vez en cada renglón y en cada
renglón aparecen las letras en orden alfabético. Por ejemplo, un cuadro latino estándar de
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
al azar. Sin embargo, ocurre que, dado un cuadro latino, cualquier intercambio de columnas
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
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
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
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.
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
representa el efecto de la m-ésima letra griega, que son los niveles del tercer factor de
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
Ejercicio:
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 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
Análisis de varianza de dos factores con una sola muestra por grupo
Total 25,688 19
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
Casilleros
1 2 3 4
Pisos
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
Datos
Donde…
n 4 Numero de Tratamientos por columna
N 16 Numero de tratamientos al cuadrado (n^2)
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
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
diferencia en costos (tiempo y gasolina) entre las cuatro rutas (A, B, C, D) que llevan a la
semana en la cual no hay días festivos ni quincenas. Se pide un nivel de confianza de 95%.
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
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
Paso 4: Realizar las sumas de cuadrados, cuadrados medios y Cálculo del Error
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
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.