Diseo de bloques completamente al aleatorios

En cualquier experimento, la variabilidad que surge de un factor perturbador puede afectar

los resultados. En general, un factor perturbador puede definirse como un factor del
diseo que probablemente tenga un efecto sobre la respuesta, pero en el que no existe un
inters especfico. En ocasiones un factor perturbador es desconocido y no controlable.
Cuando la fuente de variabilidad perturbadora es conocida y controlable, puede usarse
una tcnica de diseo llamada formacin de bloques para eliminar de manera
sistemticas su efecto sobre las comparaciones estadsticas entre los tratamientos. La
formacin de bloques es una tcnica de diseo en extremo importancia que se utiliza
ampliamente en la experimentacin industrial.

Ejemplo:

Un experimentador ha decidido obtener cuatro observaciones para cada punta. Hay un

solo factor el tipo de punta, y un diseo completamente aleatorizado de un solo factor
consistira en asignar al azar cada una de las 4 x 4 =16 corridas a una unidad
experimental, es decir, a un ejemplar de prueba de metal, por lo tanto se necesitara 16
ejemplares de prueba de metal en este experimento, uno por cada corrida del diseo.

Ejemplar de prueba
Tipo de punta
1 2 3 4
1 9,3 9,4 9,6 10,0
2 9,4 9,3 9,8 9,9
3 9,2 9,4 9,5 9,7
4 9,7 9,6 10,0 10,2

Si los ejemplares de prueba de metal difieren de metal difieren ligeramente en sus

durezas, como podra ocurrir si se tomaran de lingotes que se produjeron con temperatura
diferentes, las unidades experimentales contribuirn a la variabilidad observada en los
datos de la dureza. Como resultado, el error experimental reflejar tanto el error aleatorio
como la variabilidad entre los ejemplares de prueba.

Anlisis estadstico del diseo de bloques completos aleatorizados

BLOQUE 1 BLOQUE 2 BLOQUE b

Y 11 Y 12 Y 1b

Y 21 Y 22 Y2b

Y 31 Y 32 Y3b


Ya1 Ya2 Yab
.

En cada bloque hay una sola observacin de cada tratamiento

El orden en que se corren los tratamientos dentro de cada bloque es aleatorio

El modelo estadstico para el DBCA es el llamado MODELO DE LOS EFECTOS

i=1,2,3, .. , a
Y ij =+ i + j+ ij

j 1,2,3, .. , b
En donde:

Y ij =modelo

=media global

i=efecto del i jsimo trtamiento

j=efecto del jsimo bloque

ij =termino del error usual

En un experimento en el que se use el DBCA, el inters se encuentra en probar la

igualdad de las medias de los tratamientos. Por lo que las hiptesis de inters son:

H 0 : 1=2 .=a

H 1 : al menos una 1 2

Adems se debe realizar un anlisis de varianza como el siguiente:

En donde para la suma de cuadrados tenemos las siguientes formulas:

Suma de cuadrados totales

a b 2
Y
SS T = Y ij
2

i=1 j=1 N
Suma de cuadrados de los tratamientos
a
1 Y2
SS Tratamientos= Y 2
b i=1 i N

Suma de cuadrados de los bloques

b 2
1 2 Y
SS Bloques =
a j=1
Yj
N

Suma de cuadrados del error

SS E =SST SSTratamientosSS Bloques

MTODO DE TUKEY
Un mtodo ms conservador para comparar pares de medias de tratamientos es el
mtodo de Tukey, el cual consiste en comparar las diferencias entre medias muestrales
con el valor crtico dado por:

T = q (k, N k) CM E /
Donde CME es el cuadrado medio del error, n es el nmero de observaciones por
tratamiento, k es el nmero de tratamientos, N k es igual a los grados de libertad para el
error, es el nivel de significancia prefijado y el estadstico q(k, N k) son puntos
porcentuales de la distribucin del rango estudentizado, que se obtienen de la
correspondiente tabla en el apndice. Se declaran significativamente diferentes los pares
de medias cuya diferencia muestral en valor absoluto sea mayor que T. A diferencia de
los mtodos LSD y Duncan, el mtodo de Tukey trabaja con un error a muy cercano al
declarado por el experimentador.

MTODO DE DUNCAN

Permite comparar las medias de los t niveles de un factor despus de haber

rechazado la Hiptesis nula de igualdad de medias mediante la tcnica ANOVA
Se trabaja con un umbral cambiante el cual depender del nmero de medias
implicadas en la comparacin.
El nmero de medias implicadas en cualquier comparacin de medias es el
parmetro p de este umbral.
En este mtodo para la comparacin de medias, si las k muestras son de igual
tamao, los k promedios se acomodan en orden ascendente y el error estndar de
los promedios se estima con :

Cul es el proceso que se sigue?

1 Primero se compara la diferencia entre la media ms grande y la ms

pequea con el rango Rk.
2 Luego, la diferencia entre la media ms grande y la segunda ms pequea
se compara con el rango Rk 1.
3 Estas comparaciones continan hasta que la media mayor se haya
comparado con todas las dems.
4 Luego se compara la diferencia entre la segunda media ms grande y la
media menor con el rango Rk 1.

Se hace uso de las siguientes formulas

Ejemplo de DBCA:
Se est comprobando tres soluciones de lavado diferentes a fin de estudiar su efectividad
para retardar el crecimiento de bacterias en contenedores de leche de 5 galones. El
anlisis se hace en un laboratorio y solo pueden realizarse tres ensayos en un da. Puesto
que los das podran representar una fuente de variabilidad, el investigador decide usar un
diseo de bloques aleatorizados.

Hiptesis:

Tratamientos:

H 0=1=2=3

H 1=1 2 3

Bloques:

H 0=b 1=b 2=b 3=b 4

H 1=b 1 b 2 b 3 b 4

Factore
Solucin Das

1 2 3 4

1 13 s:
22 18 39
i X
2

3
16

5
Solucin
24

4
17

1
44

22 92 23

j 34 50
Das 36 105
101 25.3

32 8

3 225

tratamie
ntos
4
bloques
12
unidades
experime
 ntales

2
225
SC T =( 132 +162 +222 ) =1862,25
12

922+ 1012+322 2252

SC Trat = =703,5
4 12

342 +502 +362 +1052 2252

SC Bloq = =1106,92
3 12

SC Error =1862,25703,51106,92=51,83

Resultados:

FV SC gl CM Fexp Ftab
Tratamiento 703,5 2 351,75 40,71 5,14
s
Bloques 1106,92 3 368,97 42,70 4,76
Error 51,83 6 8,64
Total 1862,25 11

Tratamientos: Cada tratamiento es diferente.

H 0=1=2=3

H 1=1 2 3

Bloques: Cada bloque es diferente.

H 0=b 1=b 2=b 3=b 4

H 1=b 1 b 2 b 3 b 4

Ejemplo de Tukey:

Para aplicar el mtodo de Tukey al ejemplo anterior, a partir del ANOVA realizado, se toma
la informacin pertinente y de las tablas de rango a=0,05 se obtiene:
 X

23

25.3 T 0,05 =q0,05 (3, ( 31 )( 41 ))

8,64
4
8
T 0,05 =q0,05 (3,6)
8,64
4
T 0,05 =4,34 x
8,64
4
=6,38

Diferencia poblacional Diferencia muestral en Decisin

valor absoluto
12 2,3<6,38 No significativo

13 15>6,38 Significativo

23 17,3>6,38 Significativo

Ejemplo de Duncan:

Para aplicar el mtodo de Duncan al ejemplo anterior, a partir del ANOVA realizado, se
toma la informacin pertinente y de las tablas de rango a=0,05 se obtiene:

R p=r ( p , l ) S Yi

S Yi =
CME
b

S Yi =
8,64
4
=1,47

R2=r 0,05 ( 2,6 ) S Yi 25.3

23

8
R3=r 0,05 ( 3,6 ) S Yi

R2=3,4611,47=5,09

R3=3,5871,47=5,27

Diferencia Diferencia Diferencia R Decisin

poblaciona de valores muestral
l

2125,3-23 2,3 < 5,27 R3 No

significativo

2325,3-8 17,3 > 5,09 R2 Significativo

123-8
3 15 > 5,09 R2 Significativo