ANLISIS DE DISEO DE BLOQUES INCOMPLETOS CON

MUESTRAS DE REFERENCIA PARA CARA BLOQUE

RESUMEN
El sistema sensorial es relativo y sus magnitudes son altamente dependientes
de las pruebas de muestras por comparacin. Estas pruebas son evaluadas
con referencia a controles estndar. En esta referencia balanceamos los
diseos de bloques completos - incompletos - modificndolos por incorporacin
de una muestra de referencia en cada uno de los bloques y son revisados en
vista de sus potenciales usando la evaluacin sensorial. Ejemplos de diseos y
de estadstica analista es que estamos proporcionando.
INTRODUCCIN
Los datos experimentales derivan de una evaluacin sensorial tcnica estando
dentro de los lmites de la calidad, esto es considerando la muestra, los que
son comparados dentro de un conjunto de bloques aplicando referencias o
muestras estndares que estn incorporados en cada bloque. En diseo de
bloques incompletos no todas las muestras se aplican en cada bloque, sino
recomendamos para cada referencia patrones o estndar.
Cuando uno de los objetivos de estudio es comparado con referencia estndar,
o se controla con otro tratamiento entonces es necesario que la referencia
hecha al azar aparezca en cada bloque incompleto.
El propsito de este papel es describir el balance del bloque incompleto (BDBI)
y el diseo de bloque completo - incompleto (DBCI) y de anlisis estadstico
cuando se refiere a tipos estndar que estn contenidos en cada bloque de
autores conocidos, tales diseos no son viables en libros o textos actuales.
DISCUSIN

Balance de Diseo de Bloques o Paquetes Incompletos (BDBI)

Desde la introduccin de diseos de bloques incompletos de los aos (1936,
1939, 1940) numerosas publicaciones fueron diseadas apareciendo en libros
por el autor Kempthorne (1952), Federer (1955) y Cochran y Cox (1957) que
contienen en esta rea referencias estndar. El uso potencial de BDBI en
evaluacin sensorial que ha descrito (Galinat y Everett, 1949; Hanson en 1951;
Marquardt 1963; Gacula y Kubala, 1972). Para Comprender la seccin
siguiente, nosotros revisaremos brevemente las propiedades del BDBI.
El BDBI es conocido ahora, esta definido por 5 valores llamados parmetros de
diseo:

t = nmero de tratamientos.
k = nmero de tratamientos que aparecen en bloque o paquete, k>t
b = nmero de bloques o paquetes de panelistas.
r = nmero de reaplicaciones o juicios de tratamiento.
= nmero de veces en pares de tratamientos que aparecen en algunos
bloques o paquetes.

El valor de este parmetro se debera conocer antes del proceso del anlisis
estadstico. Cuando t y k son dados, Yates (1936) demostr que r, b y , se
obtienen tomando todas las posibles selecciones de k, donde es como
sigue:
Tabla 1: Construccin de Diseos con Referencia al Azar.
Diseo Bsico para BDBI
Bloques (panelistas)
1
2
3
4
x
x
x
x
x
x
x
x

Tratamientos
A
B
C
D

5
x

6
x
x

Parmetros de Diseo
t=4
r=3
=1

k=2
b=6
N = bk
= 12

Diseo Bsico aumentado con referencia simple R

Bloques (panelistas)
Tratamientos
1
2
3
4
R
x
x
x
x
A
x
x
B
x
x
C
x
x
D
x
x
Parmetros de Diseo
t+1=5
r=3
v =1
t
t!
b
k !(t k )!
k

k+1=3
b=6
N = b(k + 1)
= 18
(1)

5
x
x

6
x
x
x

 t 1
(t 1)!

(k 1)!(t k )!
k 1

(2)

t 2
(t 2)!
r (k 1)

(k 2)!(t k )! (t 1)
k 2

(3)

Considerar un BDBI con t = 4 y k = 2, sustituya estos valores de t y k dentro de

las frmula (1) luego pase a la frmula (3), nosotros obtenemos r = 3, b = 6 y
= 1, la ley del diseo toma estos parmetros dados en la parte superior de la
tabla 1, donde la letra denota el tratamiento particular dentro del bloque.
Esta ley se refiere a la parte bsica del diseo (Federer, 1955; Li, 1964), si la
parte bsica del diseo es repetida por varias veces, debe archivarse
adecuadamente la repeticin. Los parmetros del diseo b, r y son
multiplicados por "p" luego por pb, pr y p. Un catalogo de BDBI esta
fundamentado en Cochran y Cox 1957 y Fisher y Yates 1963.
El clculo de los parmetros del diseo para BDBI y BDCI se argumenta con
referencias estndares donde es completado, sin embrago es apropiada la
introduccin en la produccin de un modelo general aplicable a ambos bloques
incompletos que no tienen referencias estndares (Pearce 1960, Searle 1971,
Trail y Weeks 1973. Para empezar la produccin general por construcciones
debe incidirse en la matriz de los diseos de Layout llamado: BDBI de Layout
en la tabla 1, la incidencia de la matriz N: es:
1
1
N
:
0

0
0
1
1

1
0
1
0

0
1
0
1

1
0
0
1

0
1
1

(4)

Donde 1 denota la presencia del tratamiento y cero 0 est ausencia en el

diseo.
'
Encuentre N: simbolizado como N: , es obtenido por intercambio de las filas y

columnas (segn Searle 1966) para leer:

1
0

1
N'
:
0
1

1
0
0
1
0
1

0
1
1
0
0
1

0
1
0

1
1

(5)

'
y el producto entre N: y N: , si todos los elementos son 0 1 (Pearce 1960)

una matriz con el elemento (bajo lneas) con la diagonal principal igual a r y
los elementos de las diagonales es igual a :

'

NN
:

3 1 1 1

3 1 1

r
3 1

r
3

(6)

Solamente la mitad en (6) demuestra que la matriz es simtrica

BDBI con muestra de referencia
La idea de recuperar una muestra de referencia en cada boque de BDBI segn
los trabajos de investigacin Independientes de Pearce (1960) y Basson
(1959). La construccin de BDBI con referencia al modelo que esta archivado,
sencillamente con referencias a las muestras de los bloques de DBBI de una
manera demuestra en la parte inferior de la tabal 1. Al realizar las pruebas de
las 3 muestras, tomados cada muestra al azar y no como se muestra en el
diseo. La adicin de la muestra de referencia modifica los parmetros t y k
a t + 1 y k + 1, respectivamente. El BDBI son extensos catlogos donde se
argumenta la construccin de diseos, esto es, BIBD con la muestra de
referencia aadida que ha sido aumentado.
NOTA: que la frmula (1) a travs de (3) no aplica al diseo aumentado.
La matriz de incidencia del diseo aumentado (debajo de la mitad, Tabla 1) es:
1
1

N 1
:

0
0

1
0
0
1
1

1
1
0
1
0

1
0
1
0
1

1
1
0
0
1

1
0
1
0
1
0

1
0
0
1
0
1

0
1
1
0
0
1

0
1
0

1
1

1
0
1

1
0

(7)

Y es transformada en:
1
1

1
'
N
:
1
1

(8)

Tabla 2: Anlisis de Varianza de Interbloques para BDBI con muestras de

Referencia.
Fuente de Variacin
Total

DF
N1

Repeticiones

p1

Panelistas dentro de la
repeticin

Suma de Cuadrados

p(b 1)

Tratamientos (por panelistas)

Error

Por diferencia

SST xijl2 FC , i 1, 2,..., t 1

j 1, 2,..., b
l 1, 2,..., p
xijl2 FC
SS p
b(k 1) / p
B 2j
SSb: p
b(k 1) / p
SSi ti Qi
SSe = Por diferencia

'

y N: N: es demostrado por Pearce (1960) es:

sR

NN
'

R
6 3 3 3 3

3 1 1 1

3 1 1

3 1

3
s

(9)

En (9) el valor de los parmetros de diseo son b = s R = 6, r = s = 3, = 1 y R

= 3. El parmetro R es usado despus en el anlisis DBCI con muestra de
referencia. El nmero de repeticiones para referencia Estndar es siempre
igual a b.
La Tabla 2 contiene el Anlisis de Varianza de Interbloques para BDBI con una
muestra de referencia, en esta tabla, CF (Factor de correccin), SS T, SSp, SSb:p,
SSt y SSe son computados por Productos estndares descritos por Yates
(1936) Rao (1947) y Cochran y Cox (1957). Porque de bloques incompletos,
esto es, no todo tratamiento esta contenido cuando se da el bloque < t > esto
es conocido por el tratamiento total Ti, podra ser ajustado por efectos de los
bloques para ser calculados por las frmulas.
Qi Ti

B( i )
k 1

i = 1,2,, t + 1

(10)

Donde B(i) se refiere para bloques totales en qu tratamiento i ocurre.

Los clculos de los efectos debido a los tratamientos y a la muestra de
referencia, as como sus variaciones, son obtenidos por las frmulas derivadas

por Basson (1959) y dado como frmula (11) a (15) abajo. La estimacin de
efecto debido a la muestra de la referencia (t R) es
k 1
QR
bk

tR

(11)

Con variancia,
k 1
2
e
bk

(12)

y para los i tratamientos,

Q

ti Qi R / rk / k 1
t

(13)

Con variancia,
Set

(t 1) 2 (k 1) 2
e
tr ( kt 1)

(14)

Si los contrastes entre el i tratamiento y la muestra de referencia son

deseados, la variacin del contraste es:
Set R

k 1 k t 2 2
e
r kt 1

(15)

El error estndar de un efecto es la raz cuadrada de su variacin. El valor de

e2 en las frmulas antedichas es estimado por el cuadrado medio del error en
el anlisis de la variacin. Debe ser reconocido que cuando se repite el diseo
bsico p mide el tiempo del valor de b, r y donde stos aparecen en la
frmula (l11) a (15) debe ser multiplicado por p.
^

la media del tratamiento ajustada se obtiene por X i ti

i = 1,2..., t, donde

es la gran media que excluye la muestra de la referencia, y la muestra de

^

referencia por X R t R . Procedimientos estndares, tales como, la prueba

de Rango Mltiple del Duncan, la Prueba de la Diferencia Significante (PDS),
se utilizan para comparaciones mltiples de efectos o de los medios ajustados.
Ejemplo de BDBI con la muestra de referencia. Los datos en la tabla 3, tomada
del archivo que pertenece a un nitrato, estudio sobre jamn cortado enlatado,
es una parte de un cuerpo ms grande de datos sensoriales. Para cada
panelista, el orden de presentacin de la muestra ser aleatorizada.

Table 3: Diseo de Estudio de Nitrato/Nitrito como un BDBI con muestras de

referencia.
Parmetros de Diseo: t + 1 = 5; k + 1 = 3; p = 2; pr = 6; pb = 12; p = 2
Repeticin
I

II

Panelistas
1
2
3
4
5
6

R
4
5
5
4
5
4

A
5

7
8
9
10
11
12

5
3
5
4
4
6

TR = 54

37

27

29

25

172

95

79

88

82

31.667

26.333

29.333

27.333

Ti
B(i)
B(i)/k + 1

57.333

Qi Ti

B
4

7
4

3
6
4

5
3

5
3

6
6

4
7
5

4
5
2

Bj
13
14
18
12
16
12

RQ

14
11
18
15
16
13
G = 172

t 1

B( i )

-3.333

5.333

0.667

-0.333

-2.333

tR = -0.4167

0.9643

-0.0357

-0.25

-0.6786

X R = 4.50

5.88

4.88

4.67

4.24

k 1

ti
^

X i ti
(172) 2
FC
821.778
36

SST (42 52 ... 52 22 ) FC = 874 821.778

= 52.222

SS p

(852 87 2 )
FC = 821.889 821.778
18

= 0.111

SSb: p

132 142 ... 162 132

SS p FC
3

= 841.333 0.111 821.778 = 19.444

SSt (3.333)(0.4167) (5.333)(0.9643) ... (2.333)(0.6786) = 8.1748

0
0

SSe SST SS p SSb: p SSt

SSe 52.222 0.111 19.444 8.1748 = 24.4922
El paso inicial en el anlisis es calcular los totales marginales y las cantidades
B(i) y Qi, i = 1,2,, t + 1. Por ejemplo, para tratamiento 1:
B( i ) 13 18 16 14 18 16 95
Q1 37 (95 / 3) 5.333
De la frmula (13),
^

t1

3.333
4 0.9643
4.667

5.333

y de la frmula (11)
^

3
(3.333) 0.4167
(12)(2)

tR

La media ajustada para tratamiento 1 es X 1 = 4.9167 + 0.9643 = 5.88 y para el

estndar es X R = 4,9167 - 0,4167 = 4.50. El anlisis de varianza para el sabor
en el jamn tajado se exhibe en la tabla 4. En 4 y 20 grados de libertad, el valor
de 5% tabular de F es 2.87 que no es excedido por 2.04/1.22 = 1.67. No hay
ninguna evidencia, as que los cinco medios son estadsticamente diferentes.
Tabla 4: Analisis de Varianza del sabor de jamn cortado
Fuente de Variacin
Total
Repeticiones
Panelistas dentro de la repeticin
Tratamientos (ajustado)
Error

DF
35
1
10
4
20

SS
52.2222
0.1111
19.4444
8.1748
24.4919

MS
0.1111
1.9444
2.0437
1.2246

F-ratio

1.67

Clculo de Errores estndar:

Error estndar de medios del tratamiento (la raz cuadrada de la frmula 14)
32 (3)
SE X
1.2246 0.4436
4(6)(8 1)
Error estndar de Tratamientos versus referencia estndar (la raz cuadrada de
la frmula 15)
3(6 2)
SEt R
1.2246 0.5915
6(8 1)

DBCI con la muestra de referencia.

Cornell y los asociados (1972, 1975) desarrollaron los diseos de bloque
completo-incompleto compuesto para el uso en la evaluacin sensorial. Estos
diseos pertenecen a una familia de los diseos conocidos en la literatura
estadstica como los diseos de bloque completos extendidos primero
divulgados por John (1963). El DBCI tambin puede aumentarse con los
controles. Homewer, daremos atencin al aumento en el tamao del bloque
que puede tener defectos en el propsito principal de bloque incompleto, e.i.,
para reducir el tamao del bloque. Los aumentos de tamao de bloque de k +1
a k + 1 + d para el aumento de DBCI, donde d es el nmero duplicado de
observaciones sin bloques.
El desarrollo del DBCI es un proceso de efectos experimentales de Error y se
obtiene con estimacin de puro error, no es posible demostrarlo en los diseo
de bloques completos randomizados (DBCR) con una observacin por celda. El
resultado de este desarrollo es una prueba ms precisa de la importancia
estadstica de contrastes. Un DBCI es formado por una combinacin de DBCR
y diseo de bloques incompletos. Nosotros consideraremos el DBCI generado
por el diseo BDBI reportado por Trail y Weeks (1973) y entonces muestra el
plan resultante obtenido cuando una norma de la referencia se agrega en cada
bloque.
Tabla 5: Disposicin de Diseo para un DBCI
Tratamientos
A

1
X

X
X
D
X
X
Parmetros de Diseo: t = 4
k=6
r=9

2
X
X
X
X
X
X

Panelistas (bloques)
3
4
X
X
X
X
X
X
X
X
X
X
X
X

b=6

= 13

N = bk = 36

5
X
X
X
X
X
X
n0 = 2
n1 = 1

6
X
X
X
X
X
X

Tabla 6: Anlisis de varianza de DBCI

Fuente de variacin

DF
N1

Total

Suma de Cuadrados

SST X FC
2
ij

B 2j

Panelistas (bloques)

b-1

SSb

Tratamientos (ajustados)

t-1

SSt _ adj . ( k / t ) Qi2

Interaccin

(b 1)(t 1)

Error Puro

N bt

X
FC
ij

Qi Ti

i = 1,2,, t
j = 1,2,, b

FC

SSbt X ij2 / nij FC SSb SSt _ adj.

SSe

2
ij

, factor de correccin; N es el nmero total de observaciones.

B(i )
k

Nij = el nmero de tiempos el tratamiento de "i" ocurre en el bloque de "j" y es

igual a los elementos de la matriz de incidencia N:
dij = Xij1 Xij2, diferencia entre las muestras del duplicado dnde (i,j) son celdas
duplicadas.
Tabla 7: Disposicin de DBCI con referencia R
Tratamientos
R
A

1
X
X
X

X
X
X
X

D
Parmetros de Diseo:
t+1=5
k=8
b=6
N = bk = 48

2
X
X
X
X
X
X
X
X
r=9
rR = 12

Panelistas (bloques)
3
4
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X

= 13
R = 18

5
X
X
X
X
X
X
X
X

6
X
X
X
X
X
X
X
X
s = 15
sR = 24

Acuerdos de Trail y Weeks (1973), un DBCI tiene las siguientes propiedades;

(a) cada tratamiento es aplicable en n 0 n1 veces en el bloque. Un valor de 1
2 para n0 y n1 es prctico del punto de vista de tamao del bloque ms
pequeo; (b) el reemplazo en el DBCR incidencia matriz, de n 0 por el cero y n1

por 1 resulta en la matriz de incidencia de un BDBI. Sigue de (a) y (b) que la

matriz de incidencia para DBCI es
N n1 N * n0 ( M N *)
:

(16)

Donde N: * = incide en la matriz generando BDBI y M

= incide en la matriz
:
generando DBCR con todos los primeros elementos.
Usando la matriz (4) como el generado BDBI y sustituyendo en la frmula (16),
tenemos
1
1
N n1
:
0

0
0
1
1

1
0
1
0

0
1
0
1

1
0
0
1

n0

1
1
1
1

1
1
1
1

1
1
1
1

1
1
1

1
1
1
1

1
1 0
1
1 0
1
0 1

1
0 1

1
0
1
0

0
1
0
1

1
0
0

1
0

(17)

Tomando n1 = 1 y n0 = 2, la matriz de incidencia para DBCI es

1
1
N
:
2

2
2
1
1

1
2
1
2

2
1
2
1

1
2
2
1

2
1
1

y la disposicin de la matriz est dada en la tabla 5. El parmetro de diseo

'
son los elementos diagonales de la matriz N N , qu es igual a 13:
:

15 13 13 13

15 13 13
'
NN
: :

15 13

15

La diagonal principal, se obtiene despus, es un parmetro de diseo para

DBCI con una referencia estndar. El parmetro se obtiene tambin por
(Trail y Weeks, 1973)

* (n1 n0 )2 n0 (2r bn0 )

(18)

donde * , es el parmetro que generacin BDBI (mitad superior, tabla 1).

El anlisis de varianza para la disposicin de DBCI en la tabla 5 se demuestra
en la tabla 6 y sigue de cerca los clculos estndares en diseos de bloques
incompletos. Un ejemplo numrico de DBCI se encuentra en Cornell y
Schreckengost (1975).

Cuando un DBCI se aumenta con una muestra de referencia, el resultado es un

diseo suplido del balance (tipo S) descrito por el Pearce (1960) segn lo
demostrado en la tabla 7. El DBCI aumentado tiene 12 muestras menos, por
diseo bsico, que el DBCR con dos observaciones por la clula. Como en el
BDBI, la presentacin de la muestra dentro del miembro del jurado se
selecciona al azar. La matriz de la incidencia del DBCI aumentado es
2
1

N 1
:

2
2

2
2
2
1
1

2
1
2
1
2

2
2
1
2
1

2
1
2
2
1

2
2
1

1
2

(19)

y,
24 18 18 18

24 18 18

'
NN
24 18
: :

24

18
18
18

18
24

(20)

Tabla 8: Anlisis de Varianza de DBCI con muestras de referencia

Fuente de variacin

DF
N1

Total
Panelistas (bloques)

b-1

Suma de Cuadrados

SST X ij2 FC
SSb

B 2j
k

i = 1,2,, t + 1
j = 1,2,, b

FC
^

Tratamientos (ajustados)
Interaccin
Error Puro

t
t(b 1)
N b(t + 1)

SSt _ adj . ti Qi
SSbt X ij2 / nij FC SSb SSt _ adj.
SSe

2
ij

donde cada elemento de la matriz se da por (9) e iguales los parmetros del
diseo siguiente (Pearce 1960): S R = 24 definido como la misma concurrencia
del nmero para la referencia estndar; R 18 , el nmero de veces que la
muestra de referencia y el tratamiento aparecen juntos en un bloque; y s = 15,
el nmero de las concurrencias para los tratamientos. Cuando la disposicin de
diseo en la tabla 7 se repite p tiempos, b, r, r R, , R , s y el sR cada uno son
multiplicados por p. Note que el r R es el nmero de las rplicas para la
referencia estndar.

La disposicin del anlisis de Varianza en la tabla 7; y tabla 8 en repeticiones

de los diseos bsicos por diferentes panelistas, la fuente de Varianza incluir
repeticiones (SSp) y la suma de cuadrados de los panelistas (SS b) se junta con
las repeticiones (SSb:p) ambos SSb y SSb:p son obtenidos por la frmula dada
obtenida en la tabla 2. Sin embargo, un menor cambio en el denominador de la
frmula brinda usarse K en cambio de K+1. En el estimado estndar de error y
efectos de tratamiento incluyen referencias estndar que son obtenidas por las
frmulas dadas por Pearce (1960) y stas frmulas son (21) a travs de la 24.
El efecto estimado de la referencia estndar es determinado por:
^

tR

rQR
bR

(21)

y que debido al i tratamiento por

^

ti

(bk R )(kQi ) (rR rR )( kQR )

(t R )(bk R )

i = 1, 2,, t

(22)

La media ajustada para el tratamiento de "i" o la referencia estndar es

^

calculada por t R , i = 1, 2,, t + 1, donde es la media global. El error

estndar de la diferencia entre dos medios del tratamiento ajustados es
t R
,
k

SEx x ' 2MSe /

i

i i'

(23)

Y que entre tratamiento referencia su contraste es:

t R
SEt R 1 MSe /

R
k

(24)

Ejemplo de DBCI con muestra de referencia

La tabla 9 contiene datos pertenecientes la evaluacin visual del color de
chuletas de cerdo siete das despus de su almacenamiento en cajas de
exhibicin. La escala de color es usada a cinco puntos, donde 1 = sin
decoloracin y 5 = extremadamente gris o marrn; seal de 1 es muy deseable.

Tabla 9: Datos y Clculos estadsticos.

Parmetros de diseo: t + 1 = 5, k = 8, b = 6, r = 9, r R = 12, = 13, R = 18,
s = 15, sR = 24
Panelistas
1

R
2
1
3
2
2
1
1
1
2
1
1
2
19

nij B j
kQi kTi nij B j

2
3
4
5
6

Ti

A
3

B
4

3
2
2

2
2
2
3
3

3
2
1

Tratamientos
C
2
2
3
4

D
1
1
2

Bj
16

2
3
2

19

14
13
G = 99

19

2
2
20

1
2
1

3
3
3
2
2

18

20

24

1
2
16

198

149

151

147

147

= 2.0625

-46

11

45

-19

kQ

t 1

t 1

-5.750

1.375

1.125

5.625

-2.375

-0.4792

0.1526

0.1240

0.6383

-0.2760

1.58

2.22

2.19

2.70

1.79

Qi
^

ti
^

X i ti
FC

992
204.1875
48

SST (22 12 ... 12 22 ) FC = 235 204.1875 = 30.8125

SSb

162 192 ... 132

FC = 4.1875
8

bk R 6(8)18 864rR r R 12(13) 9(18) = - 6

t R 4(13) 18 = 70
tR

9(5.75) 51.75

= - 0.4792
6(18)
108

864(11) 6(46)

tA

(70)(480)

= 0.1526

0
0

tB
^

tB
^

tB

864(9) 6(46)
(70)(480)

= 0.1240

864(45) 6(46)
(70)(480)

864(19) 6(46)
(70)(480)

= 0.6383

= - 0.2760

SSt _ adj . ( 0.4792)(5.750) ... (0.2760)( 2.375) = 7.3507

SSbt (32 / 2) (52 / 2) ... (22 /1) (32 / 2) FC SSb SSt _ adj . = 13.2743
SSe

(2 1) 2 (3 2) 2 ... (1 2) 2
2

= 6.00

Los clculos estadsticos estn dados a la mitad de la tabla 9. El anlisis de

Varianza demuestra que la diferencia entre los cinco grupos de chuletas de
cerdo son estadsticamente significantes a un nivel de 1%. El lector puede
realizar una prueba de la comparacin mltiple en los efectos o puede ajustar
los medios usando los errores estndar dados en la Tabla 10.
El tratamiento de referencia comparando podra ser determinado usando la
prueba de la diferencia significante (LSD). En este ejemplo, el valor crtico de la
prueba de LSD es
t.01, 1% (SEt R) = 2.878(0.2561) = 0.7371
donde t es el valor de la distribucin de T Student con nivel de significancia de
1% con 18 grados de libertad de error. La diferencia que excede 0.7371 se
declara significante. Las comparaciones de inters son:
R A = 1.58 2.22 = -0.64
R B = 1.58 2.19 = -0.61
R C = 1.58 2.70 = -1.12 **
R D = 1.58 1.79 = -0.21
As, la comparacin entre R y C es estadsticamente significante. Basado en la
escala usada, la diferencia negativa indica que el tratamiento C es
significativamente inferior a la referencia estndar.