Diseo de Bloques Completos al Azar (DBA)

Para un diseo completamente al azar (DCA) asumimos que todas las unidades
experimentales son homogneas en lo relativo a caractersticas que puedan influenciar
la variable respuesta, de modo que la nica fuente de variacin que se pretende
controlar es el tratamiento aplicado. Sin embargo, hay situaciones en las que dicha
homogeneidad no es fcil de lograr, veamos un ejemplo, si quisiramos realizar un
ensayo agronmico para evaluar la produccin de cinco diferentes variedades de
Papaya, un DCA sera el adecuado slo si podemos garantizar que todas las unidades
experimentales (las parcelas) tienen el mismo nivel de fertilidad, humedad, o cualquier
otra variable que sepamos de antemano puede influenciar la variable respuesta. Si
estuviramos planeando un ensayo de invernadero para investigar los efectos de cuatro
diferentes intensidades lumnicas en el crecimiento de plntulas de Pino, para realizar
un DCA deberamos obtener plntulas de la misma edad, la misma altura, la misma
variedad, etctera.

La supuesta homogeneidad de las unidades experimentales (UE) en los DCA, en

ocasiones obedece ms a un desconocimiento de la presencia de caractersticas o
variables que podran influenciar la variable respuesta y que deberan ser incluidas en
el modelo, pero... Y si no fuera as?; es decir, qu pasara si supiramos que el
terreno donde queremos realizar el experimento de las Papayas presenta un gradiente
de fertilidad? En este caso, aun si se sembrara la misma variedad de Papaya, cabra
esperar que las parcelas tuvieran una respuesta diferente en trminos de produccin;
se esperaran respuestas similares entre parcelas adyacentes, mientras que parcelas
distantes entre s podran tener respuestas muy diferentes. Y si en el ensayo con las
plntulas de Pino no se tuvieran plntulas uniformes, se podran esperar diferencias
dependiendo de la edad y altura inicial de las plntulas, aun bajo condiciones uniformes
de iluminacin.

En cualquier experimento se debe evaluar si existe informacin que permita identificar

grupos homogneos de UE para alguna caracterstica que afecte la variable respuesta,
en los ejemplos anteriores, dichos grupos seran parcelas agrupadas de acuerdo a
niveles de fertilidad y plntulas agrupadas por edad, altura o por ambas. El esfuerzo de
agrupar las UE se ve compensado por una mejora en la calidad de las inferencias sobre
los tratamientos. Definamos estos grupos homogneos de UE:

Bloque: Es un grupo de unidades experimentales que son homogneas para una o

ms caractersticas que podran afectar la variable respuesta. Se habla de un bloque
completo y balanceado cuando todos los t tratamientos involucrados en el
experimento aparecen en el bloque el mismo nmero de veces (usualmente, cada
tratamiento aparece una sola vez).

Nota: Es importante que tengan en cuenta que la caracterstica por la cual se hace el
bloqueo no es la caracterstica que interesa evaluar (los tratamientos), simplemente es
una variable que se sabe o cree, que puede influenciar la variable respuesta y por lo
tanto se quiere eliminar su efecto, involucrndola en el modelo.

EFECTOS FIJOS Y ALEATORIOS

Los efectos de un factor pueden ser fijos o aleatorios, dependiendo de la forma en que
hayan sido seleccionados los niveles que se usan en el ensayo.

Un factor es fijo si los niveles utilizados representan todos los niveles posibles del factor
o si sos son los nicos niveles sobre los cuales se desea inferir. En el experimento
sobre las variedades de papaya, el efecto de las variedades es fijo si las cinco
variedades evaluadas son todas las disponibles en la regin y/o si las conclusiones del
experimento se restringen a estas cinco variedades.

Un factor es aleatorio si los niveles elegidos para el experimento constituyen una

muestra aleatoria de un grupo mayor de niveles susceptibles de ser utilizados. En el
experimento mencionado, el efecto de las variedades sera aleatorio si existiera un
conjunto grande de variedades sobre las que se desea inferir, y se hubiera elegido al
azar cinco de ellas. En este caso, el desempeo de estas cinco variedades, en
particular, no sera el inters principal del investigador, excepto por la informacin que
cada variedad contiene acerca de la poblacin completa de variedades.

Sin embargo, no es habitual que los efectos aleatorios correspondan a tratamientos

sino a otro tipo de efectos, como el caso del pH en las parcelas experimentales,
expuesto anteriormente. Si el ensayo para evaluar las cinco variedades de papaya
tuviera que realizarse en un rea con tales caractersticas diferenciales de pH entre
lotes, y dentro de cada uno de stos se aleatorizaran las cinco variedades, cada una en
una parcela diferente, el pH sera un efecto aleatorio, ya que los pH presentes en los
lotes elegidos pueden considerarse una muestra aleatoria de todos los posibles valores
de PH que pueden encontrarse en la poblacin de inters.

Si el experimento se realiza de la manera mencionada, entonces se tendr un diseo

de bloques al azar, considerando el pH como un efecto de bloque aleatorio, y las
variedades como efecto fijo, generndose, entonces, un modelo mixto (con efectos
tanto fijos como aleatorios). Esta situacin de modelos mixtos casi siempre estar
presente en los diseos de bloques.

Aunque en la mayora de ocasiones el factor asociado con los bloques es aleatorio,

pueden presentarse situaciones en que ello no sea as. Por ejemplo, en un experimento
de nutricin animal, en donde exista inters en evaluar diferentes concentrados, y en el
que se sepa que el sexo es un factor que afecta la respuesta, podra eliminarse el
efecto de los sexos, bloqueando con base en tal factor. El sexo sera, por definicin, un
efecto fijo, por incluirse en el experimento todos los niveles del factor (machos y
hembras). Es probable, sin embargo, que la diferencia en respuesta entre machos y
hembras sea ampliamente conocida y que el inters del investigador slo consista en
eliminar su efecto para hacer comparables los concentrados.
 ALEATORIZACIN EN UN DBA

Si estamos interesados en evaluar cinco tratamientos, digamos: A, B, C, D, E y tenemos

cuatro bloques disponibles, los cinco tratamientos deben asignarse de manera aleatoria
dentro de cada bloque, haciendo una aleatorizacin independiente dentro de cada
bloque. En este ejemplo tenemos cuatro bloques y cinco tratamientos, por lo que
necesitamos realizar cuatro aleatorizaciones. Un posible esquema de aleatorizacin
sera el siguiente. Noten que todos los tratamientos aparecen en cada bloque y lo hacen
una sola vez.

Bloque
1 D C A E B
2 A E B C D
3 C B A D E
4 A D E B C

VENTAJAS DEL DISEO DE BLOQUES COMPLETOS AL AZAR

Se aumenta la potencia de la prueba porque la variabilidad atribuible a la

heterogeneidad de las UE es extrada del error experimental.
Hay cierta flexibilidad, pues, excepto por disponibilidad de recursos y por lo
anotado en el primer tem de desventajas, no hay restricciones en el nmero de
tratamientos y /o de bloques.
Al evaluar los tratamientos bajo diferentes condiciones, se ampla la base
inferencial del experimento.

DESVENTAJAS DEL DISEO DE BLOQUES COMPLETOS AL AZAR

Si se desea evaluar un gran nmero de tratamientos, puede ser difcil conseguir

bloques homogneos; en particular en experimentos en campo, pues mientras
mayor sea el nmero de UE por bloque, ms grande es el riesgo de que ste sea
heterogneo.
El DBA no es adecuado si existe interaccin entre los bloques y los tratamientos,
es decir, si los efectos de tales factores no son aditivos.

MODELO LINEAL
As como para el DCA exista un modelo lineal que lo describa, el DBA tambin tiene un
modelo que lo describe y es el siguiente:

Yij = + i + bj +
Donde:

Yij es la lectura del tratamiento i-simo en el j-simo bloque

es el promedio poblacional de la variable respuesta
i es el efecto del tratamiento i, con i = 1,2,....., t
bj es el efecto del bloque j, con j = 1,2,.....,r
ij es el error asociado con la lectura del i-simo tratamiento en el j-simo bloque
TABULACIN DE LOS DATOS

Despus de colectar los datos del experimento, stos se podran registrar de la

siguiente manera:(Noten que es diferente el esquema de aleatorizacin del experimento
a la tabulacin de los datos para su anlisis).

Bloque 1 2 ............................3 r Total

Tratamiento 1 Y11 Y12 Y13............................ Y1r Y1.
2 Y21 Y22 Y23............................ Y2r Y2.
. . .
. . .
t Y t1 Y t2 Y t3 Y tr Y t.
Total Y.1 Y.2 Y.3 Y.r Y..

ANLISIS DE VARIANZA

Teniendo en cuenta el modelo planteado y el anterior esquema de registro de datos, las

frmulas para llenar la tabla de ANOVA son las siguientes:

Tabla de ANOVA
F de V GL Suma de cuadrados Cuadrados medios FC
Tratamientos t-1 T=
2
Y i./r TC SCT= T/ (t - 1) CM ttos

CM Error

Bloques r-1 2 SC = B / (r - 1)
B= Y .j / t TC F

Error (t -1)(r-1) E =Tot - T - B SCE= E / (t -1)(r-1)

Total n-1 Tot =
2 y ij TC
Donde:

F de V: Fuente de Variacin
GL: Grados de libertad
t: Nmero de tratamientos
r: Nmero de bloques

TC : Trmino de correccin = Y2.. / n

Y.. = Yij = Gran total
Yi. = Total del tratamiento i
Y.j = Total del bloque j