Академический Документы
Профессиональный Документы
Культура Документы
Cuadrados Latinos y
Diseños Relacionados
Bloques
Definición:
– Bloque: Un “grupo” de unidades experimentales que se
sabe antes del experimento a ser similares en alguna
manera y se espera que influya en la variable de respuesta.
Bloques se escogen para:
– Maximizar variación bloque a bloque.
– Minimizar variación entre unidades experimentales dentro
de cada bloque.
Objetivo:
– Separar la variabilidad de bloque a bloque del error
experimental con el fin de lograr una comparación mas
sensitiva de los promedios de los tratamientos.
2
El Principio de Bloques
Bloquear es una técnica para tratar con factores
perturbadores.
Un factor perturbador es aquel que probablemente
tenga algún efecto en la respuesta, pero no es de
interés al experimentador..sin embargo, la
variabilidad que transmite a la respuesta necesita
ser minimizada.
Típicos factores perturbadores incluyen lotes
(batches) de materia prima, operadores, partes de
equipos de prueba, tiempo (turnos, días, etc),
unidades experimentales diferentes.
Muchos experimentos industriales involucran
bloques (o deberían).
No bloquear es una falla común en diseñar un
experimento (¿consecuencias?).
3
El Principio de Bloques
Si la variable perturbadora es conocida y controlable,
usamos bloques.
Si el factor perturbador es conocido y no controlable,
se puede usar el análisis de covarianza para remover
el efecto del factor perturbador del análisis.
Si el factor perturbador es desconocido y no
controlable (se desconoce esa variable), se espera que
la aleatorización balancee su impacto en todo el
experimento.
Algunas veces, varias fuentes de variabilidad son
combinadas en un bloque, de modo que el bloque
llega a ser una variable agregada.
4
Experimentos con Bloques
Aleatorizados (cont)
Diferencias en un experimento con bloques
aleatorizados
– Unidades experimentales clasificadas en “bloques” .
– Para cada bloque, la variable de respuesta es recolectada
para todos los tratamientos.
– Métodos de análisis remueven efectos observados de
bloques antes de probar la igualdad de medias.
5
Bloquear
Bloquear es una técnica para hacer una comparación mas
precisa en la presencia de variabilidad.
6
Procedimientos de
Aleatorizacion
Asigne aleatoriamente las unidades
experimentales dentro de un bloque a los k
tratamientos.
7
Ejemplo Motocicleta: Bloquear
Diseño 3: Combinación de Factores
– Incluir múltiples conductores, motocicletas y A B
rutas.
– Considerar cada viaje de motocicleta como un
A B
bloque.
– Aleatoriamente asignar una llanta de cada
tipo a la llanta delantera y trasera de cada A B
motocicleta.
– Rotar las llantas en la mitad de cada viaje.
B A
¿Cuál es el beneficio del diseño de bloques?
B A
8
Ejemplo Motocicleta: Bloques
¿Puede ud detectar en este
grafico cual material es
mejor?
9
Extensión del ANOVA a los Diseños
de Bloques Completamente
Aleatorizados (DBCA)
i 1, 2,..., a
yij i j ij
j 1, 2,..., b
10
Análisis de Experimentos con
Bloques Aleatorizados
ANOVA de dos vías es usada para:
– Particionar al suma total de cuadrados en tres
componentes :
MSTreatment
F ;
MS Error
SSTreatment SS Error
MSTreatment ; MS Error
dfTreatment df Error
11
Análisis de Experimentos con
Bloques Aleatorizados (cont)
Tabla ANOVA Una Vía
Source df Sum of Mean Squares F-Stat P-value
Squares (Fcalc)
Treatments K-1 SSBetween MSBetween = SSWithin / K - 1 MSBetween / P (>FCalc)
MSWithin
Error nTotal - K SSWithin MSWithin = SSWithin / nTotal - 1
Nueva fila
correspondiente a
la nueva variable
12
Extensión del ANOVA a los DBCA
Particionamiento de ANOVA de la variabilidad
total:
a b a b
( y
i 1 j 1
ij y.. ) [( yi. y.. ) ( y. j y.. )
2
i 1 j 1
i 1 j 1
a b
( yij yi . y. j y.. ) 2
i 1 j 1
13
Extensión de ANOVA a los DBCA
Los grados de libertad para las sumas de
cuadrado en
ab 1 a 1 b 1 (a 1)(b 1)
Por tanto, las razones de suma de cuadrados a sus
grados de libertad resulta en cuadrados medios y
la razón del cuadrado medio de tratamientos con
el error medio cuadrado es un estadístico F que
puede ser usado para probar la hipótesis de
igualdad de medias de tratamientos.
14
Otros aspectos del Diseño de
Bloques
El DBCA utiliza un modelo aditivo – no hay
interacción entre tratamientos y bloques.
Tratamientos y/o bloques como efectos aleatorios.
Valores faltantes.
¿Cuáles son las consecuencias de no bloquear si
no lo hiciéramos?
Tamaño de muestra en DBCA. El procedimiento de la
CO puede ser usado para determinar el número de
bloques a correr.
15
Hipótesis Estadística
H0: 1 = 2 = = k
vs.
16
Experimentos con Bloques
Aleatorizados
Meta del Diseño
– Determinar si hay diferencias significativas entre las
medias de los k tratamientos .
Means Test
H0: 1 = 2 = = k
vs.
H1: no todas las k
son iguales
17
Análisis de Varianza (ANOVA)
ANOVA particiona la variabilidad total, o
suma de cuadrados (SS), en fuentes
diferentes
Variación Total SSTotal
?
Variación debido Variación debido a Variación
= a Tratamientos + muestreo aleatorio + debido a
SStrt SSe Bloques SSblk
18
Tabla ANOVA de Dos Vías
19
Prueba F
Test Estadístico
MSTreatment
F
MS Error
Calcular Valor P
21
Practica A continuación se muestra parte del ANOVA para un
diseño en bloques, que tiene tres tratamientos y cinco bloques con una sola
repetición por tratamiento-bloque.
Ejemplo Desgaste de Llantas
Considere el problema de determinar si diferentes
tipos de material para hacer llantas presentan
diferentes cantidades de pérdida de espesor después
de 32,000 km de manejo. Un gerente de una compañía
desea considerar cuatro diferentes materiales para
hacer llantas y tomar una decisión sobre cuál material
podría mostrar la cantidad mínima de desgaste
después del periodo de manejo. Los materiales a
considerar son A, B, C, y D. Aunque las condiciones de
manejo podrían simularse en un laboratorio, él desea
probar estos cuatro materiales bajo condiciones
actuales de manejo.
23
Ejemplo Desgaste de Llantas
Un fabricante de llantas desea comparar los cuatro
materiales diferentes para hacer las llantas.
– Material A: Estándar
– Material B: Mas barato
– Material C: Competidor 1
– Material D: Competidor 2
24
Ejemplo Desgaste de Llantas
25
Diseño de Bloques
Aleatorizados
Incluir una llanta de cada uno de los 4 tipos
de materiales en cada carro.
Aleatorize la asignación del tipo de material
a la posición de la llanta en cada carro.
Maneje los carros por el numero
especificado de km, luego medir el desgaste
en cada llanta.
27
Lo que no se debe hacer
17
16
15
14
Desgaste
13
12
11
10
A B C D
Tipo Material
28
Hipótesis Estadística
29
Lo que si se debe hacer
MA RC A
17
A
B
16 C
D
15
14
Y (Desgaste)
13
12
11
10
Source DF SS MS F P
CARRO 3 38,6875 12,8958 10,04 0,003
MARCA 3 30,6875 10,2292 7,96 0,007
Error 9 11,5625 1,2847
Total 15 80,9375
31
Ejemplo Desgaste de Llantas
Método Tukey 14,5
14,0
13,5
Tukey Simultaneous Tests
13,0
Response Variable Y
Desgaste
All Pairwise Comparisons among Levels of MARCA 12,5
11,5
Difference SE of Adjusted
11,0
MARCA of Means Difference T-Value P-Value
B -2,000 0,8015 -2,495 0,1274 A B C D
C -3,500 0,8015 -4,367 0,0080 MA RCA
32
Adecuación del Modelo
Residual Plots for Y
Normal Probability Plot Versus Fits Prueba de Homogeneidad de Varianzas
99
N 16 1 Bartlett's Test
AD 0,352
90 Test Statistic 1,45
P-Value 0,423 A
Residual
0 P-Value 0,694
Percent
50 Levene's Test
-1 Test Statistic 0,16
10 P-Value 0,923
-2
B
1
MARCA
-2 -1 0 1 2 8 10 12 14 16
Residual Fitted Value
3
Frequency
0
Residual
2 D
-1
1
0 -2 0 2 4 6 8 10 12 14 16 18
-2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
95% Bonferroni Confidence Intervals for StDevs
Residual Observation Order
33
Ejemplo Desgaste de Llantas
Posición I II III IV
Modelo Estadístico:
Yijk = + i + j + k + ijk
34
Resumen de Experimentos con Bloques
Completamente Aleatorizados
Especificar las hipótesis experimentales y los riesgos
del error:
H0 : 1 = 2 = … = k vs. H1: No todas las ’s son iguales.
35
El Diseño de Cuadrados Latinos
Estos diseños son usados para controlar
simultáneamente (o eliminar) dos fuentes de
variabilidad perturbadora.
Una suposición significativa es que los tres
factores (tratamientos, factores perturbadores) no
interactúan.
Si esta suposición es violada, los Cuadrados
Latinos no producirán resultados válidos
36
El problema de la carga propulsora –
Un diseño de Cuadrados Latinos
37
Análisis Estadístico del Diseño de
Cuadrados Latinos
El modelo estadístico (efectos) es:
i 1, 2,..., p
yijk a i j k ijk j 1, 2,..., p
k 1, 2,..., p
El análisis estadístico (ANOVA) es muy
parecido al análisis para los DBCA.
38
Otros Diseños Relacionados
40