Documente Academic
Documente Profesional
Documente Cultură
UNIDAD 4
DISEO DE BLOQUES
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; es decir, se desconoce la
existencia de ese factor e incluso puede tener niveles variables mientras se est realizando el
experimento. La aleatorizacin es la tcnica de diseo que se utiliza para protegerse contra
estos factores perturbadores "que estn al acecho". En otros casos, el factor perturbador es
conocido pero no controlable. Si por lo menos puede observarse el valor que asume el factor
perturbador en cada corrida del experimento, es posible hacer la compensacin correspondiente
en el anlisis estadstico mediante el uso del anlisis de covarianza, una tcnica que se revisar
en el captulo 14. Cuando la fuente de variabilidad perturbadora es conocida y controlable,
puede usarse una tcnica de diseo llamada formacin de bloques para eliminar de manera
sistemtica su efecto sobre las comparaciones estadsticas entre los tratamientos. La formacin
de bloques es una tcnica de diseo en extremo importante que se utiliza ampliamente en la
experimentacin industrial, y es la materia de este captulo. Para ilustrar la idea general, suponga
que quiere determinarse si cuatro puntas diferentes producen o no lecturas diferentes en una
mquina para probar la dureza. Un experimento como ste podra ser parte de un estudio de la
aptitud en la calibracin de los instrumentos. La mquina funciona presionando la punta en un
ejemplar de prueba de metal, y por la profundidad de la depresin resultante puede determinarse
la dureza del ejemplar. El 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, y observar qu resulta de la lectura
de la dureza. Por lo tanto, se necesitaran 16 ejemplares de prueba de metal en este experimento,
uno por cada corrida del diseo. Existe un problema potencialmente serio con un experimento por
completo aleatorizado en esta situacin de diseo. Si los ejemplares de prueba de metal difieren
ligeramente en sus durezas, como podra
ocurrir si se tomaran de lingotes que se produjeron con temperaturas diferentes, las unidades
experimentales (los ejemplares de prueba) 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. El objetivo sera hacer el error
experimental tan pequeo como fuera posible; es decir, querra eliminarse del error
experimental la variabilidad entre los ejemplares de prueba. Un diseo para lograr esto
requiere que el experimentador pruebe cada punta una vez en cada uno de los cuatro
ejemplares de prueba. A este diseo, que se muestra en la tabla 4-1, se le llama diseo de
La palabra "completos" indica que cada bloque (ejemplar de prueba) contiene todos los
tratamientos (puntas). Al utilizar este diseo, los bloques o ejemplares de prueba forman una
unidad experimental ms homognea en la cual comparar las puntas. De hecho, esta
estrategia de diseo mejora la precisin de las comparaciones entre las puntas al eliminar la
variabilidad entre los ejemplares de prueba. Dentro de un bloque, el orden en que se prueban
las cuatro puntas se determina aleatoriamente. Observe la similitud de este problema de
diseo con el de la seccin 2-5, donde se analiz la prueba t: pareada. El diseo de bloques
completos aleatorizados es una generalizacin de ese concepto. El RCBD es uno de los diseos
experimentales ms utilizados. Son numerosas las situaciones en las que el RCBD es
apropiado. Las unidades de equipo o maquinaria de prueba son con frecuencia diferentes en
sus caractersticas de operacin y seran un factor de formacin de bloques tpico. Lotes de
materia prima, personas y el tiempo tambin son fuentes de variabilidad perturbadora
comunes en un experimento que pueden controlarse de manera sistemtica mediante la
formacin de bloques. La formacin de bloques tambin puede ser til en situaciones que no
incluyen necesariamente factores perturbadores. Por ejemplo, suponga que un ingeniero
qumico est interesado en el efecto de la velocidad de alimentacin del catalizador sobre la
viscosidad de un polmero. Sabe que hay varios factores, como la fuente de la materia prima,
la temperatura, el operador y la pureza de la materia prima, que son muy difciles de controlar
en proceso en gran escala. Por lo tanto, decide probar en bloques la velocidad de alimentacin
del catalizador, donde cada bloque consiste en alguna combinacin de estos factores no
controlables. De hecho, est utilizando los bloques para probar la robustez de su variable de
proceso (la velocidad de alimentacin) para las condiciones que no puede controlar con
facilidad. Para un anlisis ms amplio de este punto, ver Coleman y Montgomery.
3.- De acuerdo con el modelo estadstico para un diseo en bloques, Por qu a travs de este
diseo se reduce el error aleatorio?
Porque en el diseo en bloques se analiza bloque a bloque y se toman en cuenta todos los
factores posibles que puedan afectar de manera significativa a nuestro experimento.
Hay una observacin por tratamiento en cada bloque, y el orden en que se corren los
tratamientos dentro de cada bloque se determina al azar. Debido a que la nica aleatorizacin
de los tratamientos se hace dentro de los bloques, con frecuencia se dice que los bloques
representan una restriccin sobre la aleatorizacin.
Tambin es posible usar un modelo de las medias para el RCBD, por ejemplo:
b
1
Puesto que la media del tratamiento i-simo es
( ) ( + + j )=
b j=1
+ una
manera equivalente de escribir las hiptesis anteriores es en trminos de los efectos de los
tratamientos, por ejemplo
Sea y. el total de observaciones hechas bajo el tratamiento i,YJ el total de observaciones del
bloque j, y. el gran total de las observaciones y N =ab el nmero total de observaciones.
Expresado matemticamente,
Mediante procedimientos algebraicos simples, pero laboriosos, se prueba que los tres
productos cruzados son cero. Por lo tanto,
representa una particin de la suma de cuadrados total. Al expresar simblicamente las sumas
de cuadrados de la ecuacin 4-7, se tiene
Puesto que hay N observaciones, SST tiene N - 1 grados de libertad. Hay a tratamientos y b
bloques, de donde SStatamientos ySSBloques tienen a -1 y I grados de libertad, respectivamente. La
suma de cuadrados del error es slo la suma de cuadrados entre las celdas menos la suma de
cuadrados de los tratamientos y los bloques. Haya b celdas con ab -1 grados de libertad entre
ellas, de donde SSE tiene ab -1-(a -1) - (b -1) =(a -l)(b -1) grados de libertad. Adems, la suma
de los grados de libertad del lado derecho de la ecuacin 4-8 es igual al total del lado
izquierdo; por lo tanto, al establecer los supuestos de normalidad usuales para los errores,
puede usarse el teorema 3-1 para demostrar que SS Tratamientos /2, SSBloque/2y SSE/2son variables
aleatorias ji-cuadrada con distribuciones independientes. Cada suma de cuadrados dividida por
Por lo tanto, para probar la igualdad de las medias de los tratamientos, se usara el estadstico
de prueba
que se distribuye como Fa-1, (a-1j(b-1) si la hiptesis nula es verdadera. La regin crtica es la
cola superior de la distribucin F, y Ho se rechazara si Fo > Fa, a-1, (a-l)(b-1)' Tambin podra haber
inters en comparar las medias de los bloques porque, en caso de que la diferencia entre estas
medias no sea considerable, quiz no sea necesaria la formacin de bloques en experimentos
futuros. Por los cuadrados medios esperados, aparentemente la hiptesis Ho:j = 0 puede
probarse comparando el estadstico Fo =MSBloque/MSE con Fa, b-1, (a-1)(b-1)' Sin embargo, recuerde
que la aleatorizacin slo se ha aplicado a los tratamientos dentro de los bloques; es decir, los
bloques representan una restriccin sobre la aleatorizacin. Qu efecto tiene esto sobre
el estadstico Fo =MSBloque/MSE? Existen diferentes puntos de vista para abordar esta cuestin.
Por ejemplo, Box, Hunter y Hunter [18] sealan que la prueba F del anlisis de varianza comn
puede justificarse exclusivamente con base en la aleatorizacin, sin el uso directo del supuesto
de normalidad. Agregan que en la prueba para comparar las medias de los bloques no puede
recurrirse a dicha justificacin debido a la restriccin sobre la aleatorizacin; pero si los errores
son NID (0, 2), puede usarse el estadstico Fo =MSBloque/MSE para comparar las medias de los
bloques. Por otra parte, Anderson y McLean argumentan que la restriccin sobre la
aleatorizacin impide que este estadstico sea una prueba significativa para comparar las
medias de los bloques y que este cociente F es en realidad una prueba de la igualdad de las
medias de los bloques ms la restriccin sobre la aleatorizacin (a la que llaman el error de la
restriccin; ver Anderson y McLean para detalles adicionales).
Entonces, qu se hace en la prctica? Debido a que con frecuencia el supuesto de normalidad
es cuestionable, considerar Fo =MSBloque/MSE como una prueba F exacta para la igualdad de las
medias de los bloques no es una buena prctica general. Por esa razn, esta prueba F no se
incluye en la tabla del anlisis de varianza. Sin embargo, como un procedimiento aproximado
para investigar el efecto de la variable formacin de bloques, examinar el cociente MSBloque/MSE
es muy razonable. Si este cociente es muy
grande, implica que el factor formacin de bloques tiene un efecto considerable y que la
reduccin del ruido obtenida por la formacin de bloques probablemente fue til para mejorar
la precisin de la comparacin de las medias de los tratamientos.
El procedimiento suele resumirse en un esquema de anlisis de varianza, como el que se
muestra en la tabla 4-2. En general, los clculos se realizaran con un paquete de software de
estadstica. Sin embargo, es posible obtener frmulas de clculo manual de las sumas de
cuadrados para los elementos de la ecuacin 4-7 expresndolos en trminos de los totales de
los tratamientos y los bloques. Estas frmulas de clculo son
que se distribuye como Fp - 1, (p -2)(P-1) bajo la hiptesis nula. Tambin puede probarse la ausencia
de efectos de los renglones o la ausencia de efectos de las columnas formando el cociente de
MSRengloneS o MSColumnas con MSE' Sin embargo, puesto que los renglones y las columnas
representan restricciones sobre la aleatorizacin, estas pruebas quiz no sean apropiadas.
En la tabla 4-10 se presenta el procedimiento de clculo para el anlisis de varianza. Por las
frmulas de clculo para las sumas de cuadrados, se observa que el anlisis es una extensin
simple del RCBD, con la suma de cuadrados resultante de los renglones obtenida a partir de
los totales de los renglones.
El lector deber encontrar los residuales del ejemplo 4-4 y construir las grficas apropiadas.
donde las primas indican los totales del rengln, la columna y el tratamiento con el valor
faltante, y Y:. es el gran total con el valor faltante.
Los cuadrados latinos pueden ser tiles en situaciones en las que los renglones y las columnas
representan los factores que el experimentador en realidad quiere estudiar ye n las que no hay
restricciones sobre la aleatorizacin. Por lo tanto, los tres factores (renglones, columnas y
letras), cada uno con p niveles, pueden investigarse en slop2 corridas. En este diseo se
supone que no existe interaccin entre los factores. Se abundar ms adelante sobre el tema
de la interaccin.
Donde Yijkl es la observacin del rengln i y la columna l para la letra latina j y la letra griega k,
es el efecto del rengln i-simo, es el efecto del tratamiento de letra latina j, k es el
efecto del tratamiento de letra griega k, I es el efecto de la columna l, y ijkl es un
componente NID(0,2) del error aleatorio. Slo son necesarios dos de los cuatro subndices
para identificar completamente una observacin.
El anlisis de varianza es muy parecido al de un cuadrado latino. Puesto que las letras griegas
aparecen exactamente una vez en cada rengln y columna, y exactamente una vez con cada
letra latina, el factor representado por las letras griegas es ortogonal a los renglones, las
columnas y los tratamientos de letras latinas. Por lo tanto, puede calcularse una suma de
cuadrados debida al factor de las letras griegas a partir de los totales de las letras griegas y el
Fuente de informacin:
Montgomery D. Diseo y anlisis de experimentos. 2a Edicin. Mxico. Ed. Limusa Wiley, 2012.
Captulo 4.