EVALUACIN SENSORIAL UTILIZANDO DISEO DE BLOQUES

COMPLETO INCOMPLETO COMPUESTOS

INTRODUCCIN :
En experimentos sensoriales donde el objetivo es la comparacin de preferencias de
diferentes muestras o tratamientos expresados por un panel o jurados, el diseo
estadstico frecuentemente ha estado seleccionado de las clases de diseos de
bloques causales. (Amerine et al, 1965). Cuando cada panelista o jurado puede
efectivamente estimar cada muestra o tratamiento, los bloques son completos, esto
es, cada panelista o bloque evalan cada tratamiento. Si por otro lado el nmero de
tratamientos es mucho ms amplio que puede ser efectivamente estimado por un
panelista, entonces es usado un diseo de bloque incompleto. Con ambos diseos,
una medida de las diferencias en preferencias por las muestras as como algunas
medidas de diferencia entre los panelistas pueden ser obtenidos. Cuando el nmero
t de tratamiento es pequeo, o sea t 5, podra ser factible de incrementar el
tamao del bloque tanto que adems de contener las primeras reproducciones de
cada uno de los tratamientos, cada bloque contiene segundas reproducciones de k
de los tratamientos (1 k t). La construccin de estos bloques podran ser
visualizados como bloques completos en combinacin del tamao t con los bloques
incompletos balanceados de tamao k para formar bloques completo incompleto
compuestos de tamao t + k. Un ejemplo con t = 3 y k = 2 es el diseo de tres
bloques presentados en la figura 1, donde A, B y C denotan los 3 tratamientos.
Bloque Completo
Bloque incompleto
Fig.1.- Un diseo de bloque compuesto consiste de tres tratamientos de cinco
unidades cada uno.
En la construccin de los diseos de bloques completo incompleto compuesto,
solamente requerimos la parte del bloque incompleto de los bloques compuestos a
ser balanceados. Es decir, no hay b bloques incompletos de tamao k en el cual
asignan t tratamientos. (t > k) al azar, luego cada tratamiento aparecer en (bk)/t de
los bloques incompletos (as como en todos los bloques completos b) y cada par
de tratamientos ocurrirn juntos en bloques incompletos [bk(k-1)] / [t (t-1)]. As, los
nmeros (bk) / t y [bk(k-1)] / [t (t-1)]; ambos deben ser completos o ntegros en cada
tratamiento para aparecer r veces, donde: r = [b(k+t)] / t, en los bloques b de
tamao k + 1. por ejemplo en la figura 1, cada tratamiento aparece en bloques
incompletos [3(2)] / 3 = 2 y cada par de tratamiento es reproducido junto con el
bloque incompleto [3(2)(2-1)] / [3 (2)] = 1.
La ventaja principal en el uso de los bloques incompletos de t + k unidades es que
una estimacin del error experimental puro o simple de la reproduccin de bk puede
ser obtenido separadamente de un estimado de la interaccin bloque tratamiento.
El traslado o cambio de la variacin de interaccin (Sin embargo pequeo) de la
A
B
C
B
C
A
B
C
A
B
C
A
B
A
C
variacin residual en el anlisis de varianza resuelta en un procedimiento de prueba
ms eficiente cuando comparamos los efectos del tratamiento. Estos separan las
fuentes de variacin (interaccin y error) que no pueden ser estimados por separado
cuando son usados solamente los bloques completos de tamao t o los bloques
incompletos de tamao k.
En todas partes haremos referencia a los efectos arreglados y casuales tal como los
efectos de tratamiento arreglado y los efectos de los bloques arreglados o casuales.
La distincin entre los efectos arreglados y causales es decir, es decir con el
primero, una repeticin del experimento traera los mismo efectos al nuevo
experimento y nuestra atencin est enfocado sobre estos efectos y nada ms. Por
otro lado con los efectos casuales, una repeticin introducira en un nuevo grupo de
efectos pero de la misma poblacin, y as pues estamos interesados en la
variabilidad entre todos los efectos antes que los efectos particulares usados en el
experimento. Con los efectos de tratamiento arreglados, sacamos inferencias del
grupo seleccionado especficamente de los efectos; con los efectos casuales,
nuestra inferencia es sobre la variabilidad de la poblacin.
Un experimento diseado para comparar dos tratamientos usando bloques de
medida 3 fue introducido por John (1962). Al siguiente aos, John) extendi el
anlisis de inducir bloques de medida t + k unidades, donde 1 k t. Usando
frmulas similares a las frmulas en el anlisis de los diseos de bloque incompleto
balanceado, John present el anlisis dentro de los bloques (Bloques casuales), los
anlisis dentro de los bloques (bloques arreglados), los anlisis dentro de los
bloques (bloques casuales), as como el restablecimiento o recuperacin de
informacin de interbloques por combinacin dentro e interbloque estimados de los
efectos del tratamiento. El caso especial donde k = 1 fue presentado en detalle.
Aunque brevemente mencionaremos sobre como obtener un estimado de la
interaccin bloque tratamiento fue realizado por John (1963), en el anlisis dentro
de bloque (interbloque), l asumi que no existe interacciones en el anlisis
interbloque. Con frecuencia en un modelo de anlisis combinado donde los efectos
de tratamiento son arreglados pero los bloques son asumidos para ser
representativos de una poblacin mucho ms amplia de bloques, los efectos
arreglados y casuales no son aditivos pero ms bien est presente una interaccin.
Un estimado de la variacin de interaccin, an si los pequeos en magnitud, es
necesitado en la frmula de estimacin para los componentes de los bloques
casuales de varianza.
De inters particular para nosotros es la aplicacin de los diseos de bloques
completo incompleto compuestos producido en los experimentos sensoriales
donde un nmero pequeo de diferentes muestras o tratamientos son comparados
subjetivamente por varios panelistas (bloques). Para conseguir panelistas para este
tipo de pruebas con frecuencia es difcil y/o costoso. Por lo tanto una vez que los
panelistas son seleccionados, si pueden efectivamente evaluar t + k muestras en un
lugar (sitio) antes que solo t muestras en un lugar (sitio) antes que solo t muestras,
un ahorro en costo puede ser hecho (el tiempo de los panelistas, recompensa
monetaria, etc).
Ahora revisamos la notacin a ser usados a lo largo de este documento y
discutiremos brevemente los anlisis intrabloques, donde tanto los tratamientos y los
bloques (panelistas) son considerados efectos arreglados. En una seccin ms
adelante ilustraremos los anlisis intrabloques con un ejemplo y discutiremos la
eficiencia de los diseos de bloques completo incompleto compuestos comparados
a los diseos de bloques completo ortogonales. Tambin presentaremos el anlisis
del modelo combinado donde los panelistas son asumidos a representar una
muestra casual de una poblacin amplia de panelistas (bloques casuales).
ANLISIS DENTRO DE BLOQUES (INTRABLOQUES)
En los anlisis de intrabloques, solo nos interesar los tratamientos bajo
investigacin as como retirar a os panelistas de las comparaciones de tratamiento y
as los tratamientos y panelistas son considerados como efectos arreglados. El
modelo estadstico es representado por:
Y
ijl
= u + Ti + Pj + Iij + eijl (2.1)
i = 1,2, ... t
j = 1,2, ... b
l = 1 2
Donde: Y
ijl
es la respuesta l a los tratamientos i por los panelistas j. Los otros
trminos en el modelo (2.1) son u, el trmino total; Ti, el efecto de los tratamientos
i; Pj, el efecto debido a los panelistas j; Iij, el parmetro de interaccin asociado
con la respuesta a los tratamientos i por los panelistas j y eijl, el error casual
asociado con Y
ijl
. Es asumido que los errores eijl son probadas casualmente de una
poblacin normal con trmino cero y varianza

2
e
.
Permtanos denotar el tratamiento ajustado total para los tratamientos i como Qi.
Qi = Ti -

+
b
j
t k
j
ij
n
P
1
(2.2)
Donde: Ti, es el total de respuestas a los tratamientos i; nij, es el nmero de veces
de los tratamientos i estimado por los panelistas j y Pj, es el total de las
respuestas, sobre todo de los tratamientos, por los panelistas j. Como un chequeo,

b
j
j
a
1
0
. Utilizando la restriccin que los estimados
Ti

de los efectos de
tratamiento suman a cero, tenemos para el estimado del efecto de los tratamientos
suman a cero, tenemos para el estimado del efecto de los tratamientos j.
[ ] ) 3 ( ) (
) )( 1 (
2
t k t k b
t k t
Ti
+ +
+

Qi (2.3)
Donde: denota lo estimado. Mas adelante, bajo la nocin o idea de los errores eijl
no son correlacionados con las varianzas homogneas

2
e
, para la varianza de
Ti

y
la covarianza de (
, Ti

1
Ti

), i i , tenemos:
Var(
Ti

) =
[ ]

2
3
2
2
) 3 ( ) (
) 1 )( 1 (
t k t k bt
t k
+ +
+
(2.4)
Cov(
, Ti

Ti

) = -
1
1
t
Var (
Ti

) , i i' (2.5)
Un estimado de la diferencia entre los 2 efectos de tratamientos, es decir el
tratamiento i e i', es calculado usando:
Ti

-
Ti

=
[ ] ) 1 3 ( ) (
) )( 1 (
2
+ +
+
k t k b
t k t
{ Qi - Qi'} (2.6)
Y la varianza de la diferencia (2.6) es,
Var(
Ti

-
Ti

) =
[ ]

2
2
) 1 3 ( ) (
) 1 )( 1 ( 2
e
k t k b
k t
+ +
+
(2.7)
Donde:

2
e
es estimado (si es desconocido) usando el trmino de error cuadrado en
el anlisis de varianza (Tabla 1a). Tambin, el estimado del trmino ajustado del
tratamiento i es,
m +
Ti

, m =
+
t
i
b
j
nij
l
ijl
t k b
Y
) (
(2.8)
Donde m, es el trmino total del experimento. El error Estndar (raz cuadrada de la
varianza) del trmino ajustado (2.8) es:
[ ]

'

+ +
+
+
+
) 3 ( ) (
) 1 )( ( 1
2
2 2
t k t k
t t k
t k b
t
e

(2.9)
Observa que cuando comparamos dos tratamientos, uno puede usar los efectos de
tratamiento (2.6) o los trminos de tratamiento (m+
Ti

) (m+
Ti

'). Estas
comparaciones son idnticas como pueden ser vistos de sus varianzas idnticas, la
expresin (2.7) y la cantidad en (4.2).
En los anlisis intrabloques, el inters de experimentar est principalmente en
determinar si los efectos de tratamiento son diferentes. Usualmente la estimacin de
los efectos de los panelistas no es de inters excepto cuando estos estimados son
usados en prejuicios alejados o apartados entre los panelistas previo a comparar los
tratamientos. Sin embargo, los tratamientos de la suma de cuadrados entre
panelistas, ajustados para tratamientos, permite un chequeo a ser hecho en el
clculo de la suma de cuadrados entre tratamientos, ajustados para panelistas, el
cual es de inters. El chequeo es hecho considerando la identidad.
S.S. panelista (Ajustado) + t

+
t
i
t k b
Ti
) (
2
= S.S. tratamiento (Ajustado) +
+
b
j
t k
Pj
2
(2.10)
S.S. = Suma de cuadrados
Donde las frmulas para S.S. panelistas (ajustados) y S.S. tratamiento (ajustados)
son proporcionados en (2.14) y (2.13) respectivamente. Tambin, una razn o
proporcin F significante involucra las cantidades.
cuadrado error del o Tr
b Adj Panelistas S S
min
1 / ) ( . .
(2.11)
S.S. = Suma de cuadrados
Indica que los panelistas son diferentes en sus evaluaciones y de aqu en adelante
el alejamiento de estas diferencias entre los panelistas de la medicin del error
experimental ha resuelto en un anlisis ms eficiente.
Para obtener un estimado de la variacin del error experimental a ser usados en
pruebas de efecto de tratamiento, as como las pruebas en (2.11), permite que d
ij
denota la escala de las observaciones de los i tratamientos a los j panelistas as
que si n
ij
= 1, entonces d
ij
= 0. La suma de cuadrados del d
ij
da una estimacin
imparcial de 2 bk

2
e
. La parte que permanece de la suma residual de cuadrados
asociados con los panelistas por la intervencin del tratamiento [1
ij
en el modelo
(2.1)]. La interaccin de la suma de cuadrados puede ser calculado por la
sustraccin de la suma de error de cuadrados de la suma residual de cuadrados o
por alguna de las tantas frmulas, del cual es,
S.S. interaccin =
t
i
b
j
nij
Yij
2

+
b
j
t k
Pj
1
2
- S.S. tratamiento (ajustados) (2.12)
S.S. = Suma de cuadrados
Donde Yij, es el total de las observaciones de los tratamientos i a los panelistas j
y S.S. tratamiento (ajustados), es calculado por,
S.S. tratamiento (ajustados) =
[ ]

+ +
+
t
i
i
a
t k k k b
t k t
2
2
) 3 ( ) (
) )( 1 (
(2.13)
S.S. = Suma de cuadrados
Para calcular la suma de cuadrados entre los panelistas ajustados por tratamiento,
invertiremos la ecuacin (2.12) para obtener,
S.S. panelistas (ajustados) =

t
i
b
j
nij
Yij
2
t

+
t
i
t k b
Ti
1
2
) (
- S.S. interaccin (2.14)
S.S. = suma de cuadrados
Los anlisis intrabloques de varianza es presentado en la tabla 1a donde tanto los
tratamientos y panelistas son ajustados.
Tabla 1a. Anlisis intrabloques de varianza

Fuente
Grados de
libertad
Trmino
cuadrado
Trmino cuadrado
esperado
Tratamiento (ajustados)
Panelistas (ajustados)
Interaccin P x T
Error
t 1
b 1
(t 1)(b 1)
bk
1
) 13 . 2 (
t
1
) 14 . 2 (
b
) 1 )( 1 (
) 12 . 2 (
b t

i j
ij
bk
d
2
2

+
+
i
i e
r
t t
t k b
2 2
) 1 (
) (

+
+
j
j e
r
b
t k b
2 2
1
) (

+
i j
ij ij
e
t b
t n
) 1 )( 1 (
2
2

2
e
P x T = Panelistas por tratamientos
Tabla 1b. Anlisis intrabloques de varianza (Ejemplo)
Fuente
Grados de
libertad
Trmino cuadrado F
Tratamientos
Panelistas (Ajustados)
Interaccin P x T
Error
2
2
4
3
25.315
2.065
2.405
0.833
30.38
02.48
02.89
P x T = Panelistas por tratamiento
Ahora les ilustraremos brevemente el anlisis interbloque con un pequeo ejemplo
numrico. Ms adelante discutiremos la eficiencia del diseo de bloque compuesto
relativo al diseo de bloque completo, donde los tratamientos aparecen una vez y
solamente una vez en cada bloque.
UN EJEMPLO DEL ANLISIS INTRABLOQUES
Tres panelistas (1, 2 y 3) fueron consultados para evaluar 3 tratamientos (A, B y C).
Fue utilizado una escala el cual involucra valores numricos asignados del 1 al 9 de
acuerdo al grado de preferencia para los tratamientos. Aunque solamente fueron
comparados tres tratamientos, hubo suficiente tiempo para permitir a cada panelista
evaluar 4 muestras, y as uno de los tratamientos fue reproducido con cada
panelista. La seleccin del tratamiento a ser reproducido con cada panelista fue
hecho al azar, resultando el tratamiento B para ser reproducido con el primer
panelista, el tratamiento A con el segundo y el C con el tercer panelista. Los datos
y los clculos correspondientes son:
Tratamiento A B C Pj
Panelista

1
2
3
6.0
5.3
3.0
7.8
7.0
9.0
2.0
1.0
4.4
23
16
20
Ti
Qi
Ti

17.00
-1.75
-0.467
31.00
10.50
2.800
11.00
-8.75
-2.333
59
Los totales ajustados Qi y las estimaciones de los efectos del tratamiento
Ti

son
calculados usando (2.2) y (2.3) respectivamente.
Para el tratamiento A, tenemos:
Q
A
=
[ ]
75 . 1
4
) 20 ( 1 ) 16 ( 2 ) 23 ( 1 17

+ +
[ ]
467 . 0 ) 75 . 1 (
30
8
6 16 3
) 4 ( 2

A
Q
A
T
La suma de cuadrados de los tratamientos, ajustados para panelistas, es computado
usando (2.13),
S.S. Tratamiento (ajustados) = { } 63 . 50 ) 75 . 8 ( ) 5 . 10 ( ) 75 . 1 (
30
) 4 ( 2
2 2 2
+ +
Para calcular la interaccin S.S. P x T referimos a (2.12),
Interaccin S.S. P x T =

'

+ +

'

+ + +
4
) 20 ( ) 16 ( ) 23 (
2
8
...
2
15
6
2 2 2 2 2
2
S.S. tratamientos (Aju) = 356.50 296.25 50.63 = 9.62
La suma de cuadrados de los panelistas, ajustados para tratamientos, de (2.14) es,
S.S. Panelista (Aju) =
13 . 4 62 . 9
) 4 ( 3
) 11 ( ) 31 ( ) 17 (
3
2
8
...
2
15
6
2 2 2 2 2
2

'

+ +

'

+ + +
Y la diferencia de cuadrados entre las reproducciones, el error S.S. es:
Error S.S. =
5 . 2
2
) 4 4 ( ) 3 5 ( ) 8 7 (
2 2 2

+ +
Como un chequeo en los clculos, el total S.S. (corregidos por el trmino) debe ser
igual a la sumatoria de las sumas siguientes de cuadrados. Los tratamientos
(ajustados), la interaccin, el error y los panelistas (ajustados) donde lo ltimo es
computado como:
S.S. Panelista (no ajustados) =
+

b
j
t k b
Pj
t k
Pj
1
2 2
) (
) (
17 . 6
12
) 59 (
4
) 20 ( ) 16 ( ) 23 (
2 2 2 2

+ +

Numricamente tenemos:
Total S.S. = 6
2
+ 7
2
+ ... + 4
2
-
12
) 59 (
2
= 68.92
= 50.63 + 9.62 + 6.17 + 2.5 + = 68.92
Probar por significancia, los trminos de tratamientos cuadrados (Ajustado), los
trminos cuadrados de panelistas (ajustados) y los trminos cuadrados de la
interaccin son comparados usando el trmino de error cuadrado F razn o
proporcin. En este ejemplo, la prueba para los efectos de tratamiento es altamente
significante (P < 0.025) como la razn 25.315/0.833 = 30.38 es mucho ms amplio
que le valor F correspondiente con 2 y 3 grados de libertad, respectivamente (ver
tabla 1b)
Antes de proseguir, tal vez un breve comentario sobre la variacin de la interaccin
es apropiado. Aunque en este ejemplo numrico pequeo la variacin de la
interaccin (2.405/0.833 = 2.89), no es mucho ms significativamente que la
variacin de error experimental, los autores con frecuencia han experimentado la
variacin de la interaccin significante particularmente cuando son evaluados por
panelistas sin capacitacin o sin experiencia. Los panelistas con experiencia con
frecuencia son inconsistentes en sus preferencias o grado de preferencia para un
tratamiento o tratamiento particulares. Para ilustrar con ejemplos numricos
interiormente discutido, supongamos que las evaluaciones han aparecido como:
Tratamiento A B C
Panelista 1
2
3
8
5.3
3
7.6
7
4
2
1
9.9
Donde ahora el tratamiento A es preferido un poco por el panelista 1, B por el
panelista 2 y el tratamiento C por el panelista 3. la falta de consistencia o acuerdos
entre los panelistas en sus preferencias para los tratamientos resultara en una
intervencin significante. Cuando confrontamos con una interaccin significante
podramos repetir el experimento con los mismos panelistas y chuequear la validez
de la interaccin o podramos seleccionar nuevos panelistas y decidir combinar los
datos de los dos experimentos o descartar las opiniones de los panelistas.
Ahora discutiremos la eficiencia de los diseos de bloques Completo Incompleto
compuestos comparados a los diseos de bloques completos. Consideraremos
primero el caso donde los errores e
ijl
no son correlacionados y luego
consideraremos el caso donde los errores asociados con las respuestas del primero
y el segundo a un tratamiento particular por los mismos panelistas que son
correlacionados.
EFICIENCIA
Como fue mostrado en las secciones anteriores, los diseos de bloques Completo
Incompleto compuesto permite la estimacin separada de panelistas por la
interaccin de tratamientos y del error experimental. Estas fuentes de variacin no
pueden ser estimados por separado, cuando cada tratamiento aparece en ms de
una vez (n
ij
=1) en cada bloque con los diseos de bloques completo o incompleto. El
cambio de la estimacin de la variacin de interaccin desde la variacin residual
dejando solamente el error experimental como una estimacin de

2
e
resulta en una
comparacin ms eficiente entre los tratamientos an por los valores pequeos
(valores de F insignificantes), de la razn o proporcin del trmino de interaccin
en la precisin por los tratamientos en comparacin es mostrado por el clculo de la
eficiencia de diseos comparados a los diseos de bloques completos ortogonales
para diferentes valores de la razn o proporcin R=(M.S.Interaccin P x T)/Error M.S
En un diseo de bloque completo ortogonal, la varianza de la estimacin de la
diferencia entre dos trminos de tratamiento es,
V (
Ti Ti
)
CB
=
r
residual
2

i i' (4.1)
Donde r, es el nmero de reproducciones de cada uno de los tratamientos t y
2

residual, es la estimacin de
2

en el anlisis de varianza. En el diseo compuesto

con bloques de tamao o medida k + t.
V (
Ti Ti
)
C-I
=
[ ]

2
2
) 3 ( ) (
) )( 1 ( 2
e
t k t k b
t k t
+ +
+
; i i' (4.2)
Donde ahora

2
e
, en la varianza del error (intrabloque) teniendo bk grados de
libertad. Si definimos la eficiencia de un diseo como el recproco de varianza de la
estimacin de la diferencia entre dos trminos de tratamiento e iguala el nmero de
reproducciones de cada tratamiento con los dos diseos, para la razn o proporcin
de la eficiencia, tenemos:
Eficiencia
C-1 a

CB
=
1
) (
) (

C
CB
Ti Ti V
Ti Ti V
=
[ ]

2 2
2 2
) )( 1 (
) 3 ( ) (
e
t k t
residual T k t n t
+
+ +
(4.3)
Donde el nmero de bloques completos de tamao o medio de t es b* = b(k+t)/t
mientras que el nmero de bloques compuestos de tamao o medida (k+t) es b.
Para valores diferentes de t y k, la tabla 2 presenta los valores de la eficiencia
calculados usando (4.3) por valores conceptuales de la razn o proporcin

2
residual
/

2
e
. De la tabla 2, vemos que cuando la hiptesis Ho: interaccin = 0 es verdadero
resultando en R = 1, (lo que significa, R 1 es una medida de

ij
ij ij I
n
2
/[(b-1)(t+1)

2
e
], el diseo de bloque compuesto es un poco menos eficiente que el diseo de
bloque completo. Sin embargo, cuando el valor de R es ms que 1, el diseo de
bloque compuesto es un diseo ms eficiente. La eficiencia es una funcin de
incremento de R expresado por,
Eficiencia C 1 a CB = R x eficiencia (Ho : Int = 0)
Donde la eficiencia (Ho : Int = 0) denota la eficiencia bajo la hiptesis de no
interaccin. En la tabla 2 solo los valores insignificantes de la razn o proporcin R
son considerados desde el criterio de eficiencia discutido que es til solamente en
ausencia de un efecto de interaccin significante. Por ejemplo, cuando t = 4, k = 1 y
MSPT/MSE = 4 el diseo de bloque compuesto consiste de 4 bloques que es 3.84
veces tan eficiente como el diseo de bloque compuesto consistente de 5 bloques.
Otra manera de mostrar la superioridad de los diseos de bloques compuestos
sobre los diseos de bloques compuestos cuando alguna medida de interaccin esta
presente para determinar cuntas b* de bloques completos de medida o tamao t
son necesarios para obtener la misma eficiencia, en trminos de V (
Ti Ti
), como
bloques compuestos b de medida o tamao k + t. La tabla 3 presenta valores de d
(donde b* = db) calculados usando la frmula,
d =
[ ]
) )( 1 (
) 3 ( ) (
2
t k t
R t k t k
+
+ +
Como con la eficiencia, el nmero b* de bloques completos es una funcin de
incremento de R. Otra vez, con t = 4, k = 1, y MSPT/MSE = 4, aproximadamente son
requeridos 19(4.8x4) bloques completos para obtener la misma eficiencia con
solamente 4 bloques compuestos.
Para este punto hemos considerado los errores no correlacionados. La pregunta
ahora surge Qu efecto podran estar relacionados estrechamente a las
observaciones que tienen sobre la eficiencia de los diseos de bloques
compuestos?. Como un ejemplo, una respuesta de un panelista a la reproduccin
del tratamiento, particularmente en el caso de los panelistas capacitados. Ms
adelante la magnitud de correlacin podra ser diferente para diferentes
tratamientos. Aunque posteriormente este problema es de inters, por el momento
consideraremos solamente el caso donde,
E(e
ij1
e
ij2
) =

2
e
; 0 < 1 (4.6)
Y como el grado de correlacin (

) afecta el valor de la eficiencia calculado como

en (4.3).
Para el diseo de bloque completo, la frmula para la varianza V (
Ti Ti
) mostrada
en (4.1) no cambia de forma. Para el diseo de bloque compuesto con b bloques de
tamao o medida (k+1), antes de la forma (4.2), tenemos:
V (
Ti Ti
)
C-1
=
[ ]
[ ]

'

+ +
+ +
+ +
+ +

) 3 ( ) (
) 3 ( ) ( 2
) 3 ( ) (
) 1 ( 2
2
2
2
2
t k t k
k t t k k
t k
t k b k b
t
e

(4.7)
Igualando el nmero de reproducciones de los tratamientos t con ambos diseos,
tenemos para la eficiencia del diseo de bloque compuesto al diseo de bloque
completo.
Eficiencia =
[ ]
[ ] [ ] { } ) 3 ( ) ( 2 ) 1 3 ( ) ( ) ( ) )( 1 (
) 3 ( ) (
2 2
2
2
k t t k k k t k t k t k t
R t k t k t
+ + + + + + +
+ +
Donde de nuevo R = MSPT/MSE. La tabla 4 presenta los valores de eficiencia para
diferentes valores de R donde ahora el valor de correlacin no es cero, son
considerados ( = 2, 5, 8).
De la tabla 4, observamos que con un diseo de bloque compuesto tienen bloques
incompletos arreglados de medida o tamao k, como 1.0, la eficiencia
disminuye. De hecho el valor de k mucho ms amplio (k t), la eficiencia mucho
ms rpido del diseo de bloque compuesto se aproxima ala mitad del diseo del
bloque completo cuando 1. En otras palabras, cuando > 0,
Eficiencia (ki) Eficiencia (kj), para ki kj (4.9)
Para todos los valores de R. Esto implica que si uno sospecha una correlacin
positiva para estar presentes entre las observaciones y sus reproducciones por los
mismos panelistas, uno debera usar k = 1 para la eficiencia mxima.
Tabla 2: La eficiencia en bloques compuestos para el diseo de bloques compuestos a
diferentes nmeros de tratamientos (t), reproducciones intrabloques (k) y razn o proporcin
de MSPT/MSE(R).
N
tratamiento
s
Valores de R
t 1 1.5 2 3 4 5 6
2
k = 1 0.889 1.333 1.778 2.556 3.556 4.444 5.333
3
k = 1
k = 2
0.937
0.960
1.406
1.440
1.875
1.950
2.813
2.880
3.750
3.840
4.687
4.800
5.625
5.760
4
k = 1
k = 2
k = 3
0.960
0.963
0.979
1.440
1.444
1.469
1.920
1.926
1.959
2.880
2.889
2.939
3.840
3.852
3.918
4.800
4.815
4.900
5
k = 1
k = 2
k = 3
0.972
0.969
0.977
1.458
1.454
1.465
1.944
1.938
1.954
2.917
2.908
2.931
3.889
3.878
3.906
6
k = 1
k = 2
0.908
0.975
1.469
1.463
1.959
1.950
2.939
2.925
7
k = 1
k = 2
0.984
0.979
1.476
1.469
1.969
1.959
2.953
2.938
8
k = 1
k = 2
0.988
0.983
1.975
1.966
2.963
2.949
Tabla 3: Valores de d necesitados para alcanzar la misma eficiencia donde el N de bloques
completos = d
k
el N de bloques compuestos
R =M.S.P x T/M.S. Error
t 1 1.5 2 3 4 5 6
2
k = 1 1.33 2.0 2.67 4 5.33 6.67 8
3
k = 1
k = 2
1.25
1.60
1.88
2.40
2.5
3.2
3.75
4.80
5.0
6.4
6.25
8.00
7.5
9.60
4
k = 1
k = 2
k = 3
1.20
1.44
1.71
1.80
2.16
2.57
2.40
2.89
3.43
3.60
4.33
5.14
4.80
5.78
6.86
6.00
7.22
8.57
5
k = 1
k = 2
k = 3
1.17
1.36
1.56
1.75
2.04
2.34
2.33
2.71
3.13
3.50
4.07
4.69
4.67
5.43
6.25
6
k = 1
k = 2
1.14
1.30
1.71
1.95
2.29
2.60
3.43
3.90
7
k = 1
k = 2
1.13
1.26
1.69
1.89
2.25
2.52
3.38
3.78
8
k = 1
k = 2
1.11
1.23
1.67
1.85
2.22
2.46
3.33
2.46
Tabla 4: Efecto de las observaciones correlacionadas sobre la eficiencia del diseo de
bloque compuesto para el diseo de bloque completo
R =M.S.P x T/M.S. Error
t 1 1.5 2 3 4 5 6
3
k = 1
p = 0
.2
.5
.8
1
k = 2
p = 0
.2
.5
.8
1
0.938
0.582
0.750
0.670
0.625
0.960
0.828
0.686
0.585
0.533
1.875
1.705
1.500
1.339
1.250
1.920
1.655
1.371
1.171
1.067
2.813
2.557
2.250
2.009
1.875
2.880
2.483
2.057
1.756
1.600
3.750
3.409
3.000
2.679
2.500
3.840
3.310
2.743
2.342
2.133
4.688
4.261
3.750
3.348
3.125
4.800
4.138
3.429
2.927
2.667
5.625
5.114
4.500
4.018
3.750
5.760
4.966
4.114
3.512
3.200
4
k = 1
p = 0
.2
.5
.8
k = 2
p = 0
.2
.5
.8
k = 3
p = 0
.2
.5
.8
0.960
0.889
0.800
0.727
0.963
0.850
0.722
0.628
0.979
0.836
0.686
0.582
1.920
1.778
1.600
1.455
1.959
1.699
1.444
1.256
1.959
1.673
1.371
1.162
2.880
2.667
2.400
2.182
2.889
2.549
2.167
1.884
2.939
2.509
2.057
1.743
3.840
3.556
3.200
2.909
3.852
3.400
2.889
2.512
3.918
3.345
2.743
2.325
4.800
4.444
4.000
3.600
4.815
4.248
3.611
3.140
4.898
4.181
3.429
2.906
5
k = 1
p = 0
.2
.5
.8
k = 2
p = 0
.2
.5
.8
0.972
0.911
0.833
0.767
0.969
0.870
0.754
0.665
1.458
1.367
1.250
1.151
1.454
1.305
1.131
0.998
1.944
1.823
1.667
1.535
1.939
1.740
1.508
1.331
2.917
2.734
2.500
2.303
2.908
2.610
2.262
1.996
3.889
3.646
3.333
3.070
3.878
3.480
3.016
2.661
6
k = 1
p = 0
.2
.5
.8
0.979
0.927
0.857
0.797
1.469
1.390
1.286
1.196
1.959
1.853
1.714
1.595
2.939
2.780
2.571
2.392
4.67
5.43
6.25
7
k = 1
p = 0
.2
.5
.8
0.984
0.938
0.875
0.820
1.969
1.875
1.750
1.641
2.953
2.813
2.625
2.461
Ahora discutiremos brevemente la estimacin de los componentes de varianza en el
anlisis del modelo combinado donde los tratamientos son arreglados pero los
bloques son considerados para ser una muestra casual tomada de la poblacin
amplia de bloques. Adems comparar los efectos del tratamiento arreglado, es de
nuevo de inters para obtener un estimado de la varianza entre los panelistas. Las
frmulas de estimacin corresponden exactamente a las frmulas presentadas en el
Mtodo III de Henderson (9153). Los mtodos de Henderson son discutidos de la
misma forma por Jearle (1968, 1971)
ANLISIS DE LOS MODELOS COMBINADOS
Con referencia al modelo (2.1), ahora consideramos los trminos Pj y Iij como
representan las variables casuales, independientemente distribuidos, con el trmino
cero y varianza

2
P
y

2
I
, respectivamente. Asimismo tambin que los Iij son no
correlacionados.
El anlisis de la tabla de varianza para el modelo combinado es presentado en la
tabla 5. La tabla 5 difiere de los anlisis intrabloques de la tabla de varianzas (Tabla
1) con al expectativa de los trminos cuadrados de la reduccin ajustada consiste en
la reduccin total de la variacin debido a la prueba del modelo (2.1) omitiendo los
trminos y Ti, y es usado en la derivacin de la ecuacin de estimacin para el
componente del bloque de varianza

2
.
En el anlisis del modelo combinado, hay bsicamente tres preguntas para ser
respondidas:
1. Hay existencia de la interaccin de panelistas por tratamiento , es decir, hay
evidencia para indicar que los panelistas no son consistentes en sus
evaluaciones de los tratamientos? Rechazamos la hiptesis de la interaccin no
existente?
2. En caso de un interaccin significante cul es la estimacin de la magnitud
del componente de interaccin de varianza?
3. Si la interaccin no es significante, la diferencia esta entre los efectos de
tratamientos pequeos o largos relativos a la magnitud de la interaccin?
Probar la significancia de un efecto de interaccin, la razn o proporcin (M.S.P. x T
interaccin) / M.S. El error es comparado con el calor F con (b-1)(t-1) y los grados bk
de libertad, respectivamente. Si hay evidencia de un efecto de interaccin
significante podramos entonces responder a la pregunta (2) de arriba. El
componente de varianza de inters principal es el componente de interaccin, sin
embargo, como la estimacin de los panelistas entre el componente de varianza
pierde alguna de sus utilidades en presencia de una interaccin.
Para estimar los componentes de varianza

2
y

2
I
, tomemos de la tabla 5.
) 3 ( ) (
) )( 1 (
2
2
t k t t k b
t k b t
P
+ +
+

[Trmino de la reduccin cuadrada trmino del

error cuadrado] -

2
I
(5.1)
Para el caso simple donde k = 1, b = t, los coeficientes

1
y [ t (b-1) (k+t)] / [ b (k+t)
2
t (3k+t)] en (5.1) son [ (t
2
-1) ( t
3
+ 3t
2
t -2] y (t+2) / (t + 1), respectivamente. Es de
inters observar que la estimacin

2
P
. Esta frmula de estimacin interbloques de
John (1963) para

2
P
. Cuando la contribucin de

2
I
es cero, sin embargo, el
trmino de la reduccin cuadrada es el trmino de bloques cuadrados (ajustados a
tratamiento) y

2
P
en (5.1) reduce la estimacin de

2
P
, John (1963)
) 3 ( ) (
) )( 1 (
2
2
t k t t k b
t k b
P
+ +
+

[Trmino de bloques cuadrados (ajustados) trmino del

error cuadrado] (5.2)
Las frmulas de estimacin (5.1) aparecieron usando el mtodo de los mnimos
cuadrados. Desafortunadamente no hay garanta de ambas estimaciones,

I
y

2
P
siempre sern mucho mayor o igual a cero. En el caso que la estimacin es
menor a cero uno puede aceptar el estimado negativo como evidencia que el valor
verdadero es cero o evidencia una cantidad insuficiente de datos que han sido
reunidos. Por otro lado podramos reunir datos adicionales y analizarlos o
combinarlos con los datos que proporcionaron estimaciones negativas. En este
caso, si os anlisis siguientes tambin proporcionan una estimacin negativa, esta
caracterstica del valor verdadero a discutir del componente realmente es cero.
Cuatro otras aproximaciones a ser tomados cuando la estimacin negativa de los
componentes de varianza son obtenidos y discutidos brevemente Searly (1971)
pginas 407 408.
Probar la hiptesis de que las diferencias en los efectos del tratamiento son
pequeas relativas a la magnitud del efecto de interaccin, una razn o proporcin
F puede ser colocado. El mtodo es conocido como la aproximacin de
Satterthwaite (1946) y la razn o proporcin F aproximada es la frmula como,
F
(aprox)
=
[ ] [ ]
Error S M
n Interacci S M ajustados o tratamient S M
. ) (
. . ) ( . .

(5.3)
Donde
y
estn dados en la tabla 5. el valor obtenido (5.3) es comparado con
un valor F tabular con f' y los grados bk, donde f' es calculado usando:
f' =
[ ]
[ ] [ ]

'

,
_

+
+

,
_

2 ) 1 )( 1 (
int . . ) ( . .
) ( . .
2
2
2
2
2
t b
eraccin S M ajustado tratamient S M
F Errosx S M
aprox

(5.4)
Con los valores grandes de la razn (5.3), deduciramos que los efectos del
tratamiento, de hecho, son diferentes y las diferencias son grandes relativa a la
magnitud de la variacin de interaccin.
Una aproximacin mucho ms simple para probar las diferencias en los efectos del
tratamiento es asumir que la variacin de interaccin sea nula (es decir, asumir que

2
I
= 0) si la prueba F inicial para la variacin de interaccin no es significante.
Entonces las expresiones de trminos cuadrados en la tabla 5 no contendrn

2
I
y
la suma de cuadrados para la interaccin y para el error son combinados para
formar una nueva suma de errores cuadrados con bk + (b 1) (t 1) grados de
libertad. El trmino cuadrado para tratamientos (ajustados) es entonces comparado
con el nuevo trmino de error cuadrado, usando de nuevo una razn o proporcin F.
Por supuesto los ajustes (5.2) para estimar los componentes de varianza entre lo
casual y los panelistas tambin se hizo en este caso.
Tabla 5: Anlisis de modelos combinados de las expresiones de varianza necesitadas para
estimar los bloques casuales y los componentes de interaccin de varianza.
Fuente
Grados de
libertad (d.f.)
Suma de
cuadrados S.S.
Trmino cuadrado
esperado
Tratamiento
(ajustados)
Produccin
(ajustados)
Interaccin
Error
t 1
t(b 1)
(t 1)(b 1)
bk

+

t
i
i
t
i
b
j ij
ij
t k b
t
n
t
Y
) (
2
2
(2.12)

t
i
b
j
ij
d
2
2

+
+
t
i
l i e
r
t t
t k b


2 2 2
) 1 (
) (
{ }

2 2
2
2
) 1 )( (
) 3 ( ) (
P l e
b t k t
t k t t k b
+
+
+ +
+


2 2
l e
+

2
e
{ }
[ ] ) 1 3 ( ) ( ) (
) ( 8 ) ( ) ( ) 3 (
2
2
+ + +
+ + + +

k t k t k
t k k t k t k t k

[ ][ ]
[ ] ) 3 ( ) ( ) )( 1 )( 1 )( (
) )( ( 4 ) 3 ( ) ( ) 3 )( ( ) (
2
2 2
t k t k t k t t l b
l t t k k t k t k t k l t b t b b
+ + +
+ + + + +

CONCLUSIONES
En este documento hemos discutido algunas ventajas y combinaciones de bloques
completos de tamao o medida t con los bloques incompletos de tamao o medida
t+k. La principal ventaja para usar los diseos compuestos es que una medida de la
interaccin bloque tratamiento puede ser obtenido separando de una medida del
error experimental. Por el cambio de la variacin de interaccin, de la variacin
residual, dejando solamente el error experimental como una medida de la variacin
dentro del tratamiento, mostramos como los diseos compuestos fueron ms
eficientes que los diseos de bloques completos para comparar los efectos del
tratamiento en el anlisis intrabloque. Tambin se mostr como una estimacin de la
variacin de interaccin fue usado cuando la estimacin de los componentes de los
bloques casuales (panelistas) de varianza en el modelo combinado.
En todas partes hemos asumido que, despus de hacer los tratamientos a los
bloques, el comportamiento de los experimentos b(k+t) es acompaado en una
reproduccin. No hemos generalizado las frmulas en el anlisis para incluir ms de
una sola reproduccin. Con frecuencia, sin embargo, para que todo tratamiento sea
duplicado con todos los panelistas en una vez o ms, son necesitados dos o mas
reproducciones. Por ejemplo si nos referimos al ejemplo numrico en la seccin
sobre el anlisis intrabloque, podramos considerar tres das de experimentos as
que cada panelista es preguntado por duplicado de cada tratamiento. El diseo
podra parecer como,
Da1 Da2 Da3
Panelista 1 ABC B ABC A ABC C
2 ABC A ABC C ABC B
3 ABC C ABC B ABC A
Este diseo es mucho ms balanceado que el diseo para un da particular desde
los tres das. Cada tratamiento es duplicado con cada panelista
En el anlisis del diseo Completo Incompleto compuesto reproducido arriba, el
cambio de variacin da por da es necesario.
En el resultante del presente documento /Cornell y Knapp, 1973), presentamos el
anlisis de los diseos compuestos reproducidos. Adems varias aproximaciones
para la interpretacin de panelistas por las interacciones de tratamiento sern
discutidos en ms de una vez, utilizando situaciones de la vida real.
APENDICE
dar s error de o tr
dar s panelistas x o tratamient del os Tr
MSE
MSPT
tan min
tan min

MS Tratamiento = Trmino de tratamiento estndar

MS Interaccin = Trmino de interaccin estndar
MS Error = Trmino del error standar