1

INTRODUCCION
Los cuadrados latinos fueron descubiertos o inventados por el gran matemtico
Leonardo Euler en 1783. Los hay de todos los tamaos; como ejemplo se puede tratar de
acomodar los nmeros del 1 al 10 en un tablero de diez casillas de lado, para que, como
antes, no se repitan nmeros ni en las filas ni en las columnas.
El diseo en bloques aleatorios es adecuado cuando una fuente de variabilidad
extraa se elimina comparando un conjunto de medias mustrales. Supongamos que hay
que evaluar la calidad de cuatro marcas de neumticos. Colocar un neumtico de cada
marca en las cuatro ruedas de un coche no es fiable: puede haber posiciones que reciban
ms desgaste que otras. Un experimento mejor consiste en usar los cuatro neumticos
durante cuatro semanas, y una vez por semana cambiarlos de posicin de acuerdo al diseo
de un cuadro latino de cuatro por cuatro.

OBJETIVOS
OBJETIVO GENERAL
- Conocer el tema de cuadrados latinos y darlo a conocer a nuestros compaeros a
travs de una exposicin grupal.

OBJETIVOS ESPECIFICOS
- Elaborar una exposicin grupal como parte de la s actividades de trabajo de grupo
en la materia de Mtodos probabilsticas.
- Incentivar la bsqueda de diferentes recursos bibliogrficos en el estudio de la
asignatura.
- Elaborar ejercicios del tema de Cuadrados Latinos y saber su aplicacin en el
estudio de anlisis de varianza.

MARCO TEORICO
El diseo en bloques aleatorios es adecuado cuando una fuente de variabilidad
extraa se elimina comparando un conjunto de medias mustrales. Una Caracterstica
importante de este tipo de diseo es su balance, que se logra asignando el mismo numero de
observaciones a cada tratamiento de cada bloque. La misma clase de balance puede lograrse
2
en otros tipos de diseo ms complicados, en los cuales es conveniente eliminar el efecto de
varias fuentes extraas de variabilidad. Con el fin de comparar tres tratamientos, A, B, C,
en presencia de otras fuentes de variabilidad. Un arreglo experimental como el que se
describi se denomina cuadrado latino. Un cuadrado latino n x n es un arreglo cuadrado de
n distintas, las cuales aparecen solo una vez en cada rengln y en cada columna.
Euler demostr que la construccin de un cuadrado greco-latino puede efectuarse
siempre que n sea impar o par de clase par (o sea mltiplo de cuatro). Pero con los pares
de clase impar (pares del tipo 4k+2) es otra cosa. Es casi obvio que no pueden construirse
los de clase 2, y Euler fue incapaz de hallar uno de orden 6. Con lo cual el matemtico
suizo enunci su famosa conjetura: No dudo concluir que es imposible hallar un cuadrado
completo de 36 casillas ni en hacer extensiva tal imposibilidad a los casos n = 10, n = 14,
etc.
En 1901 el matemtico francs Gaston Tarry consigui demostrar que no existen
cuadrados greco-latinos de lado n = 6, lo que hizo ms verosmil la conjetura de Euler
completa. Pero en 1959 un grupo de matemticos de la Universidad de California,
capitaneados por E. T. Parker, armados de una potente computadora SWAC la hicieron
trizas, hallando un cuadrado grecolatino de 1010:

00 47 18 76 29 93 85 34 61 52
86 11 57 28 70 39 94 45 02 63
95 80 22 67 38 71 49 56 13 04
59 96 81 33 07 48 72 60 24 15
73 69 90 82 44 17 58 01 35 26
68 74 09 91 83 55 27 12 46 30
37 08 75 19 92 84 66 23 50 41
14 25 36 40 51 62 03 77 88 99
21 32 43 54 65 06 10 89 97 78
42 53 64 05 16 20 31 98 79 87

3
El reto estaba lanzado por los matemticos, y no tard en demostrarse que la
conjetura de Euler era falsa para todos los valores de n, salvo 2 y 6. Es una de las raras
veces en que el genio matemtico se equivoc!
Como ocurre tantas veces, lo que pareca un pasatiempo matemtico result de
utilidad en un campo aparentemente tan alejado como la agricultura. Supngase que se
desea investigar la eficacia de siete abonos distintos. A primera vista parece que bastara
con ensayarlos en siete parcelas, pero, cmo eliminar el sesgo debido a las diferencias de
fertilidad del terreno? La solucin es sencilla: combnense los siete abonos segn un
cuadrado latino de 77, lo que eliminar estadsticamente los sesgos. Y qu ocurre si
tenemos 49 variables? Pues bastar con disponerlas segn un cuadrado grecolatino de 77.

CUADRADOS LATINOS (tres o cuatro fuentes de variacin)
SST = Suma de Cuadrado Total.
SSTr = Suma de Cuadrado de Tratamiento (Fuente de Variacin).
SSE = Suma del Cuadrado del Error.
T
2
i.
= Suma de las Observaciones al Cuadrado por fila o columna T
.j
2

n = Nmero de muestra.
K = Nmero de tratamientos.
C = Factor de correccin.
Y
2
ij
= suma de los cuadrados de cada observacin.

Frmulas:
SST = Y
2
ij(k)l
C
SSTr = (T
(k)
2
/rn) C
SSC = (T
.j.
2
/rn) C
C= T
2
...
/rn
2
SSR = (T
2
i..
/rn) C
SSRep = (Ti
2
.l/n
2
) C
SST = SSTr + SSR + SSC + SSRep + SSE


4
FUENTE DE
VARIACION
SUMA DE
CUADRADOS
GRADOS
DE
LIBERTAD
CUADRADOS
MEDIOS
F
Tratamiento

SSTr n 1 MSTr = SSTr / (n 1) Fc
Tr
= MSTr /
MSE
Fc = MSR / MSE
FCc = MSC / MSE
FcRep = MSRep /
MSE

F, C, Tr
F

=
V = [(n - 1), (rn +
(r - 3))]
Rep
F
Rep
=
V = [(n - 1), rn + r
- 3)]
Fila

SSR n 1 MSR = SSR / (n 1)
Columna

SSC n 1 MSC = SSC / (n 1)
Rplica

SSRep r 1 MSRep = SSRep / (r
1)
Error

SSE (n 1) (rn + r
3)
MSE = SSE / [(n 1),
rn + r 3]
Total

SST rn
2
1

EJERCICIOS
Ejercicio1.
En una empresa manufacturera desea investigar los efectos de 4 aditivos de color en el
tiempo de fraguado de una mezcla de concreto. Pueden esperarse variacin en los tiempos
de fraguado debido a los cambios diarios de temperatura y humedad y tambin de los
diferentes trabajadores que preparan los moldes de prueba. Para eliminar estas fuentes
extraas de variacin, se utilizo un diseo de cuadrados latinos 4X4 en el cual las letras A,
B, C, D representan los aditivos. Los tiempos de fraguado, en horas, para los 16 moldes, se
presentan en la siguiente tabla.

Das
5

A un nivel de
significacin del 5%, Es
posible afirmar que los
aditivos colorantes tienen
algn efecto sobre el
tiempo de fraguado de las
mezclas de concreto?




SST =
10 + 10 + 13 + 8 + 11 + 7 + 9 + 11 + 12 + 12 + 8 + 10 +
14 + 11 + 13 + 12 - 171/16
SST = 59.43

SSR= 41 + 38 + 42 + 50 - 171
4 16

SSR= 19.6875

SSC= 47 + 40 + 43 + 41 - 171
4 16

SSC= 7.1875


SSTr= 40 + 38 + 50 + 43 - 171
4 16

SSTr= 20.6875
Trabajadores 1 2 3 4
1 D
10
C
10
B
13
C
8
2 A
11
D
7
A
9
B
11
3 C
12
B
12
C
8
D
10
4 B
14
A
11
D
13
A
12
6

SSE= SST - SSR - SSC - SSTr
SSE= 59.43 - 19.68 - 7.1875 - 20.6875
SSE= 11.8675

Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrados
Medios
Calculada
F
Filas 19.6875 3 6.5625

3.4864
Columnas 7.1875 3 2.3958
Tratamiento 20.6875 3 6.8958
Error 59.43 6 1.9779
Total 106.9925 15

Hiptesis:
H
0
:
1
=
2
=
3
=
4

H
1
: Al menos un n es igual.
Criterios:
Aceptar H
0
si fc<F
Rechazar H
0
si fcF


RA

RR

0.05
F=4.7570
Decisin: Aceptar
Conclusin:
Con una probabilidad de cometer error tipo I del 5% debemos aceptar que las son iguales.
7

Ejercicio 2
El departamento de matemtica de una gran universidad del pas desea evaluar la capacidad
de enseanza de cuatro profesores. Para eliminar cualquier efecto debido a los diferentes
cursos de matemticas y a las diferentes horas del da, se decidi realizar un arreglo de la
siguiente manera, en la cual las letras representan los cuatro profesores. Cada profesor
ense una seccin de cada uno de los cuatro diferentes cursos en cada una de las diferentes
cuatro horas del da. Los datos de la tabla siguiente muestran las calificaciones asignadas
por estos profesores a 16 alumnos cuya habilidad es aproximadamente igual:

Curso
Perodo lgebra Geometra Estadstica Clculo
1 A
84
B
79
C
63
D
97
2 B
91
C
82
D
80
A
93
3 C
59
D
70
A
77
B
80
4 D
75
A
91
B
75
C
68

Utilice un nivel de significacin del 5%, y pruebe la hiptesis de que diferentes profesores
no tienen efecto sobre las calificaciones.
Desarrollo:
Totales de la fila Totales de la columna Totales de los tratamientos
1= 323 algebra = 309 A = 345
2= 346 geometria = 322 B = 325
3= 286 estadistica = 295 C = 272
4= 309 calculo = 338 D = 322

8
C = 99856
16
1264 ..
2
2
2
= =
n r
T

r: nmero de rplicas : 1
n: orden de la matriz : 4

SST: C ijkl Y
n
i
n
j
n
k

1 : 1 : 1 :
2
=
=
|
|
.
|

\
|

|
.
|

\
|
+ + + + + + + + + +
16
2
1264
2
68 ....
2
59
2
93
2
80
2
82
2
91
2
97
2
63
2
79
2
84
SST: 1738 hrs/da
SSTr = C
n r
T
k

..
2
=
|
|
.
|

\
|

|
|
.
|

\
| + + +
16
1264
4 * 1
322 272 325 345
2 2 2 2 2
=
SSTr: 723.5 hrs/dia
SSR =
|
|
.
|

\
|

|
|
.
|

\
| + + +
=

16
1264
4 * 1
309 286 346 323 ..
2 2 2 2 2 2
C
n r
Ti
I
= 474.5 hrs/da
SSC =
|
|
.
|

\
|

|
|
.
|

\
| + + +
=

16
1264
4 * 1
338 295 322 309 . .
2 2 2 2 2 2
C
n r
j T
I
= 252.5 hrs/da
SSRep = 0
16
1264
165
1264 ..
2 2
2
2
=
|
|
.
|

\
|

|
|
.
|

\
|
=

C
n
l T
I

SSE : SST-SSR-SSC-SSTr-SSRep.
SSE : (1738 474.5 252.5 723.5 0)
SSE: 287.5








9
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrados
medios
f

Tratamiento 723.5

3

241.167

Fctr: 5.03

Fila 474.5

3

158.167

Fcr: 3.30

Columna 252.5

3

84.1667

Fcc: 1.76

Rplica 0

0

0



Error 287.5

6

47.9167



Total 1738

15






- Clculos de cuadrados medios:

167 . 241
3
5 . 723
1
= =

=
n
SSTR
MSTr 1667 . 84
3
5 . 252
1
= =

=
n
SSC
MSC
167 . 158
3
5 . 474
1
= =

=
n
SSR
MSR 0
1
Re
Re =

=
r
p SS
p MS
( )
9167 . 47
6
5 .. 287
) 3 )( 1 (
= =
+
=
r n r n
SSE
MSE
- Calculo de Fc :
03 . 5
9167 . 47
167 . 241
= = =
MSE
MSTr
Fctr 76 . 1
9167 . 47
1667 . 84
= = =
MSE
MSC
Fcc
30 . 3
9167 . 47
167 . 158
= = =
MSE
MSR
Fcr 0
Re
= =
MSE
p MS
rep Fc
- Encontrando el o F



10
R.A
R.R
0.05

0.95

o F : 4.7570
V: ( 3,6)

Ho: 0 4 3 2 1 = = = = o o o o
H1: al menos una de las s ` o no es igual a cero.
Criterios:
Aceptar Ho si Fc <= o F
Rechazar si Fc > o F
Decisin:
Rechazar, en tratamientos.
Aceptar, en fila y en columna
Conclusiones:
- Para tratamiento
Con una probabilidad de cometer error tipo 1 del 5% debemos rechazar que no se afectan
las calificaciones debido a profesores diferentes.
- Para filas
Con una probabilidad de cometer error tipo 1 del 5% debemos aceptar que se afectan las
calificaciones debido a profesores diferentes.
- Para columnas
Con una probabilidad de cometer error tipo 1 del 5% debemos aceptar que los cursos no se
afectan debido a profesores diferentes.




11
Ejercicio 3
Las letras A, B, C y D representan 4 variedades de trigo, las filas 4 diferentes fertilizantes y
las columnas 4 diferentes aos. Los datos son para las 4 variedades de trigo medidos en
Kgs. Por parcela. Con significacin del 5% pruebe la hiptesis Ho: no hay diferencia en los
rendimientos promedios de las variedades de trigo.

TRATAMIENTO
FERTILIZANTE
AO
1981
AO
1982
AO
1983
AO
1984

t1 A
70
B
75
C
68
D
81

294
t2 D
66
A
59
B
55
C
63

243
t3 C
59
D
66
A
39
B
42

206
t4 B
41
C
57
D
39
A
55

192

236

257

201

241


C = (70+75+68+81+66+59+55+63+59+66+39+42+41+57+39+55)
2

(1)(4)
2
C =

935
2

16
SST = 70
2
+75
2
+68
2
+81
2
+66
2
+59
2
+55
2
+63
2
+59
2
+66
2
+39
2
+42
2
+41
2
+57
2
+39
2
+55
2
_ 935
2

16

= 2500
SSR= 294
2
+243
2
+206
2
+192
2
_ 935
2
= 1557
4 16
SSC= 236
2
+257
2
+201
2
+241
2
_ 935
2
= 418

4 16
SSTr= 223
2
+213
2
+247
2
+252
2
_ 935
2
= 264

12
4 16
SSE= 2500-1557-418 = 261

T1..=294 T.1.=236 T..A=223
T2..=243 T.2.=257 T..B=213
T3..=206 T.3.=201 T..C=247
T4..=192 T.4.=241 T..D=252

Hiptesis:
Ho:1=2=3=4
H1: Al menos una de las s es desigual.


=0.05 F=4.76
V[(n-1),(rn+(r-3))] = (3,6)

Criterios:
Acepto Ho si Fc F
Rechazo Ho si Fc > F







13
FUENTE DE
VARIACION
SUMA DE
CUADRADOS
GRADOS
DE
LIBERTAD
CUADRADOS
MEDIOS
F
Tratamiento SSTr
264
n - 1
3
MSTr = SSTr / (n - 1)
88
Fc = MSTr /
MSE
Fc = 88/43.5
Fc = 2.02
Fila SSR
1557
n - 1
3
MSR = SSR / (n - 1)
519
Columna SSC
418
n - 1
3
MSC = SSC / (n - 1)
139.33
Replicas SSRep
0
r - 1
0
MSRep = SSRep / (r -
1)
0
Error SSE
261
(n - 1) (rn + r
3)
6
MSE = SSE / [(n 1) (rn
+ r 3)]
43.5
Total SST
2500
rn
2
1
15


Decisin: Acepto Ho.
Conclusin:
Con una probabilidad de cometer error tipo 1 del 5% podemos aceptar que las variedades
de trigo no afectan significativamente el rendimiento.

Ejercicio 4
Se realiz un experimento para estudiar el efecto de las raciones de alimentacin, con
diferencias en el contenido protenico, en el promedio diario de produccin de leche de
vaca. Se utilizaron cinco raciones en el experimento, las cuales representan las letras y se
utiliz un arreglo, en donde los renglones representan vacas diferentes y las columnas los
diferentes perodos de produccin de leche. Los siguientes datos, registrados en kilogramos,
fueron analizados por expertos:

14
Perodos de Vacas
prod. de leche 1 2 3 4 5
1 A
33.1
B
34.4
C
26.4
D
34.6
E
33.9
2 C
30.7
D
28.7
E
24.9
A
28.8
B
28.0
3 D
28.7
E
28.8
A
20.0
B
31.9
C
22.7
4 E
31.4
A
22.3
B
18.7
C
31.0
D
21.3
5 B
28.9
C
22.3
D
15.8
E
30.9
A
19.0

Con un nivel de significacin del 1%, se puede concluir que las raciones con diferentes
contenidos protenicos tiene efecto sobre el promedio diario de produccin de leche de las
vacas; que las vacas tienen produccin diferente; y que los perodos de produccin
producen resultados diferentes?

P1=162.4 V1=152.8 A=123.2
P2=141.1 V2=136.5 B=141.9
P3=132.1 V3=105.8 C=133.1
P4=124.7 V4=157.2 D=129.1
P5=116.9 V5=124.9 E=149.9
C = 9936 . 18343
25
2 . 677 ..
2
2
2
= =
n r
T

r: nmero de rplicas : 1
n: orden de la matriz : 5
SST: C ijkl Y
n
i
n
j
n
k

1 : 1 : 1 :
2
=
15
=
|
|
.
|

\
|

|
.
|

\
|
+ + + + + + + + + +
25
2
2 . 677
2
0 . 19 ....
2
8 . 28
2
9 . 24
2
7 . 28
2
7 . 30
2
9 . 33
2
6 . 34
2
4 . 26
2
4 . 34
2
1 . 33

SST: 709.5464
SSTr = C
n r
T
k

..
2
=
|
|
.
|

\
|

|
|
.
|

\
| + + + +
25
2 . 677
5 * 1
9 . 149 1 . 129 1 . 133 9 . 141 2 . 123
2 2 2 2 2 2
=
SSTr: 89.2624
SSR =
|
|
.
|

\
|

|
|
.
|

\
| + + + +
=

25
2 . 677
5 * 1
9 . 116 7 . 124 1 . 132 1 . 141 4 . 162 ..
2 2 2 2 2 2 2
C
n r
Ti
I
= 245.8224
SSC =
|
|
.
|

\
|

|
|
.
|

\
| + + + +
=

25
2 . 677
5 * 1
9 . 124 2 . 157 8 . 105 5 . 136 8 . 152 . .
2 2 2 2 2 2
C
n r
j T
I
= 353.1224
SSRep = 0
25
2 . 677
25
2 . 677 ..
2 2
2
2
=
|
|
.
|

\
|

|
|
.
|

\
|
=

C
n
l T
I

SSE : SST-SSR-SSC-SSTr-SSRep.
SSE : (709.5484-245.8224-353.1224-89.2624- 0)
SSE: 21.3412













16
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrados
medios
f

Tratamiento 89.2624 4 22.3156 Fctr: 12.5481

Fila 245.8224 4 61.4556 Fcr: 61.4556

Columna 353.1224 4 88.2806 Fcc: 88.2806

Replicas 0

0

0



Error 21.3412 12

1.7784



Total 1738

24






- Clculos de cuadrados medios:
3156 . 22
4
2654 . 89
1
= =

=
n
SSTR
MSTr 2806 . 88
4
1224 . 353
1
= =

=
n
SSC
MSC
4556 . 61
4
8224 . 245
1
= =

=
n
SSR
MSR 0
1
Re
Re =

=
r
p SS
p MS
( )
7784 . 1
12
3412 . 21
) 3 )( 1 (
= =
+
=
r n r n
SSE
MSE
- Calculo de Fc :
5481 . 12
7784 . 1
3156 . 22
= = =
MSE
MSTr
Fctr 6405 . 49
7784 . 1
2806 . 88
= = =
MSE
MSC
Fcc
5567 . 34
7784 . 1
4556 . 61
= = =
MSE
MSR
Fcr 0
Re
= =
MSE
p MS
rep Fc
- Encontrando el o F




17
R.A
R.R
0.01

0.99

o F : 5.4119
V: ( 4,12)

Ho: 0 5 4 3 2 1 = = = = = o o o o o
H1: al menos una de las s ` o no es igual a cero.
Criterios:
Aceptar Ho si Fc <= o F
Rechazar si Fc > o F
Decisin:
Rechazar, en tratamientos.
Aceptar, en fila y en columna
Conclusiones:
- Para tratamiento
Con una probabilidad de cometer error tipo 1 del 1% debemos rechazar que no se afectan
las vacas debido a las raciones diferentes.
- Para filas
Con una probabilidad de cometer error tipo 1 del 1% debemos rechazar que se afectan las
vacas debido a raciones diferentes.
- Para columnas
Con una probabilidad de cometer error tipo 1 del 5% debemos rechazar que las diferentes
vacas no se afectan debido a raciones diferentes.

Ejercicio 5. Caso Especial del Cuadrado Latino.
Se tiene a una pequea poblacin que consiste en una pequea rea de trigo que contiene
alrededor de 80 macollos, cada uno ligeramente arriba de los 60 cm. De altura. Hubo 12
18
muestradores, todos experimentados en el estudio del crecimiento del trigo. Cada
muestrador inspeccion cada rea y midi las alturas de 8 macollos, las cuales deban dar
una muestra representativa de las alturas de los macollos en el rea. La cifra que se
analizar es la diferencia entre la altura media de los 8 macollos seleccionados y la altura
media verdadera en el rea correspondiente.
Los muestradores se dividieron en dos grupos de 6, de los cuales se considerar solamente
el primer grupo. Los muestradores representan los tratamientos experimentales. Haba 6
reas, cada una muestreada por los 6 muestradores del grupo. Las filas del cuadro describen
el orden en que cada hombre muestre la 6 reas.
Determine el error del muestrador en el anlisis de la diferencia entre la altura media de los
8 macollos seleccionados y la altura media verdadera en el rea correspondiente.

Errores del Muestrador en las Alturas de Macollos (en centmetros).

reas
Orden de
Muestro 1 2 3 4 5 6 Total
I
F
3.5
B
4.2
A
6.7
D
6.6
C
4.1
E
3.8 28.9
II
B
8.9
F
1.9
D
5.8
A
4.5
E
2.4
C
5.8 29.3
III
C
9.6
E
3.7
F
2.7
B
3.7
D
6.0
A
7.0 27.3
IV
D
10.5
C
10.2
B
4.6
E
3.7
A
5.1
F
3.8 37.9
V
E
3.1
A
7.2
C
4.0
F
3.3
B
3.5
D
5.0 19.5
VI
A
5.9
D
7.6
E
0.7
C
3.0
F
4.0
B
8.6 28.4
Totales 41.5 34.8 17.7 18.2 25.1 34 171.3

19

Orden de Muestro
I = 28.9
II = 29.3
III = 27.3
IV = 37.9
V = 19.5
VI = 27.4
Total = 171.3

Sumatoria de reas
1 = 41.5
2 = 34.8
3 = 17.7
4 = 18.2
5 = 25.1
6 = 34.0
Total = 171.3

Total de Muestradores
A = 36.4
B = 33.5
C = 36.7
D = 41.5
E = 16.0
F = 7.2
Total = 171.3
C = T
2
= (171.3)2/1*6
2
= 815.10 ; donde: r =1, n = 6
r.n
2

SST = Y
2
ij

(k) l
C = [(3.5)
2
+ (4.2)
2
+ (6.7)
2
+ (6.6)
2
++ (8.6)
2
] =
= 1144.73-815.10 = 329.63
20
Tratamiento (Muestradores)
SStr = T
(k)
2
C = 1/6*[(36.4)
2
+ (33.5)
2
+ (36.7)
2
+ (41.5)
2
+ (16)
2
+ (7.2)
2
] - 815.10 =
r.n
= 970.7-815.10 = 156.60
Filas (Orden de Muestreo)
SSR = T
2
-C = 1/6*[(28.9)
2
+(29.3)
2
+(27.3)
2
+(37.9)
2
+(19.5)
2
+(28.4)
2
]=
r.n


= 843.70-815.70 = 28.60
Columnas (Areas)
SSC = T
2
.j. C = 1/6*[(41.5)
2
+ (34.8)
2
+ (17.7)
2
+ (18.2)
2
+ (25.1)
2
+ (34.0)
2
] =
r.n


= 893.97-815.10 = 78.87
SST = SSTr + SSR + SSC + SSERep + SSE
Despejando SSE tenemos:
SSE = SST SSR SSC SSTr
SSE = 329.63-28.6-78.87-156.60
SSE = 65.56 centmetros.
Cuadro Resumen:

Fuente de Variacin Suma de Cuadrados Cuadrados Medios F
Filas (Orden de Muestra)
28.6 5.72 1.7188
Columnas (reas)
78.87 15.774 4.74
Tratamientos
(Muestradores) 155.6 31.12 9.35

Error 65.56 3.328 0

Total 328.63 55.942 15.8088

21

Ho: 1 = 2 =3 =4 =5 = 6
H1: Al menos una no es igual de diferente


F = 2.7109
V= (5), (20)

Acertar Ho si Fc 2.7109
Rechazar Ho si Fc > 2.7109

Para Tratamiento
Fc
Tr
= MSTr / MSE = 156.60/65.56 = 2.39
Decisin: Aceptar.
Con una probabilidad de 0.05 debemos de aceptar que existe una igual diferencia entre la
altura media de los 8 macollos y la altura media verdadera en el rea seleccionada.

Para La Fila (Orden de Muestreo)
Fc
R
= MSR/ MSE = 28.60/65.56 = 0.44
Con una probabilidad de cometer error tipo I de 0.05 debemos aceptar que existe una altura
diferente entre cada orden de muestra con su respectiva rea y por lo tanto rechazar que
existe una misma altura entre cada muestra.

22
Para las reas (columna)
Fc
c
= MSC/MSE = 78.87/65.56 = 1.2
Con una probabilidad de cometer error tipo I de 0.05 debemos aceptar que existe una
diferencia de altura media y la altura media verdadera en las reas que se tomaron las
medidas.

CONCLUSION
Se llama cuadrado latino de lado n al formado por n
2
casillas, en las que se sitan las cifras
(o letras) de 1 a n, de forma que no se repiten stas en ninguna fila ni columna. El diseo en
bloques aleatorios es adecuado cuando una fuente de variabilidad extraa se elimina
comparando un conjunto de medias mustrales. Un experimento de cuadrado latino sin
repeticin da solo (n-1) (n-2) grados de libertad para estimar el error experimental. En
general, el mtodo que resuelve los problemas de este tipo es ANOVA (anlisis de
varianza), aunque es algo ms que esto: es un mtodo que permite comparar varias medias
en diversas situaciones; muy ligado, por tanto, al diseo de experimentos y, de alguna
manera, es la base del anlisis multivariante.

BIBLIOGRAFIA:

- Probabilidad y Estadstica
Walpole, Myers. 4ta Edicin.
- Probabilidad y Estadstica
J. Susan Milton, Jesse C. Arnold. 4ta Edicin
- http://www.monografias.com
- http://www.elrincondelvago.com