TAREA 4

1. En que situaciones se aplica un diseo de bloques completos al azar? En que

difieren los factores de tratamiento y de bloque?
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor sin
que las posibles diferencias se deban a otros factores que no se consideraron en el
estudio. En el diseo DBCA, en cada bloque se prueban todos los tratamientos. La
aleatorizacin se hace dentro de cada bloque. Un tratamiento es una combinacin de
niveles de todos los factores y los factores de bloque son las variables adicionales al
factor de inters que se incorporan de manera explicita en un experimento
comparativo para no sesgar la comparacin.
2. Que diferencia hay entre un DBCA y los diseos en cuadro latino?
En el DBCA se consideran tres fuentes de variabilidad: el factor de tratamientos, el
factor de bloque y el error aleatorio, mientras que en el diseo en cuadro latino se
controlan dos factores de bloque y uno de tratamientos; los tres factores tienen la
misma cantidad de niveles. Los tratamientos se representan por letras latinas y se
distribuyen en forma adecuada en un cuadro.
3. De acuerdo con el modelo estadstico para un diseo en bloques, porque a travs de
este diseo se reduce el error aleatorio?
Porque ahora al considerar los bloques, la variabilidad observada que no se poda
explicar por los factores estudiados resulta del efecto de dichos bloques y del error
experimental.
9. A continuacin se muestran los datos para un diseo en bloques al azar.
Bloque Total por
Tratamiento 1 2 3 4 tratamiento
A 3 4 2 6 Y1. =
B 7 9 3 10 Y2. =
C 4 6 3 7 Y3. =
. . . .
Total por bloque Y1 = Y2 = Y3 = Y4 = Y..
a) Complete las sumas totales que se piden en la tabla anterior.
Bloque Total por
Tratamiento 1 2 3 4 tratamiento
A 3 4 2 6 Y1. = 15
B 7 9 3 10 Y2. = 29
C 4 6 3 7 Y3. = 20
. . . .
Total por bloque Y 1 = 14 Y 2 = 19 Y3 = 8 Y 4 = 23 Y.. = 64

b) Calcule las sumas de cuadrados correspondientes: SCTrat, SCB, SCT y SCE

SCT = (3 + 42 + + 72) (642/12) = 72.6667
2

SCTrat = ((152 + 292 + 202) / 4) - (642/12) = 25.1667

SCB = (142 + 192 +82 +232) /3) - (642/12) = 42.0000
SCE = 72.6667 25.1667 42.0000 = 5.5000
c) Obtenga la tabla de anlisis de varianza y anote las principales conclusiones.
Empleando el SW Minitab se obtiene la siguiente informacin:
Two-way ANOVA: Respuesta versus Tratamiento, Bloque
Source DF SS MS F P
Tratamiento 2 25.1667 12.5833 13.73 0.006
Bloque 3 42.0000 14.0000 15.27 0.003
Error 6 5.5000 0.9167
Total 11 72.6667

d) Obtenga la diferencia mnima significativa (LSD) para comparar

tratamientos en este diseo en bloques.
2(0.9167) 2(0.9167)
LSD t 0.025,( 31)( 4 1) 2.4469 (2.4469)(0.45835) 1.1215
4 4
10. Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar
moscas. Para ello, cada producto se aplica a un grupo de 100 moscas y se cuenta el
nmero de moscas muertas expresado en porcentajes. Se hicieron seis rplicas, pero en
das diferentes; por ello, se sospecha que puede haber algn efecto importante debido a
esta fuente de variacin. Los datos obtenidos se muestran a continuacin.
Nmero de rplica (da)
Marca de 1 2 3 4 5 6
atomizador
1 72 65 67 75 62 73
2 55 59 68 70 53 50
3 64 74 61 58 51 69
a) Suponiendo un DBCA, formule las hiptesis adecuadas y el modelo estadstico.
Modelo estadstico:
Yij = + i + j + ij ; i = 1,2,3 y j = 1,2,3,4,5,6
Las hiptesis adecuadas son:
Ho: 1 + 2 + 3 =
Ha: i j para algn i j
Que tambin se puede expresar como:
Ho: 1 = 2 = 3 = 0
Ha: i 0 para algn i
b) Existe diferencia entre la efectividad promedio de los atomizadores?
Empleando el SW Minitab se obtiene la siguiente informacin:
Two-way ANOVA: Respuesta_1 versus Marca Atomizador, Da

Source DF SS MS F P
Marca Atomizador 2 296.33 148.167 2.88 0.103
Da 5 281.33 56.267 1.09 0.421
Error 10 514.33 51.433
Total 17 1092.00

De esta tabla se observa que para marca atomizador se obtuvo un valor-p = 0.103 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre la efectividad
promedio de los atomizadores.
c) Hay algn atomizador mejor? Argumente su respuesta.
Empleando el SW Minitab se obtiene la siguiente informacin:

Individual 95% CIs For Mean Based on

Marca Pooled StDev
Atomizador Mean --+---------+---------+---------+-------
1 69.0000 (----------*----------)
2 59.1667 (----------*---------)
3 62.8333 (----------*----------)
--+---------+---------+---------+-------
54.0 60.0 66.0 72.0
En este caso como los intervalos de confianza se traslapan entonces los atomizadores
son estadsticamente iguales en cuanto a sus medias.
d) Hay diferencias significativas en los resultados de diferentes das en que se realiz
el experimento? Argumente su respuesta.
Individual 95% CIs For Mean Based on
Pooled StDev
Da Mean --+---------+---------+---------+-------
1 63.6667 (-----------*----------)
2 66.0000 (-----------*----------)
3 65.3333 (-----------*----------)
4 67.6667 (-----------*----------)
5 55.3333 (----------*-----------)
6 64.0000 (-----------*-----------)
--+---------+---------+---------+-------
48.0 56.0 64.0 72.0
En este caso como los intervalos de confianza se traslapan entonces los resultados de
diferentes das en que se realizo el experimento son estadsticamente iguales en cuanto
a sus medias.
e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.
En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los
residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.

En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.

16. Se quiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E) sobre

el tiempo de reaccin de un proceso qumico. Cada lote de material solo permite cinco
corridas y cada corrida requiere aproximadamente 1.5 horas, por lo que solo se pueden
realizar cinco corridas diarias. El experimentador decide correr los experimentos con un
diseo en cuadro latino para controlar activamente a los lotes y das. Los datos
obtenidos son:
Da
1 2 3 4 5
a) 1234 A = 8 B=7 D=1 C=7 E=3 Lote 2
567A
= 7D
= 3B
=
8Lote
3B =
4A =
9C =
10E =
1D =
5Lote
4D =
6C =
8E =
6B =
6A =
10Lot
e 5E
= 4D
= 2B
= 3A
= 8C
=
8Cm
o se
aleato
riz
el
 exper
iment
o?
Lote
1
b) Se
sigui
la
siguie
nte
estrat
egia:
1. Se
const
ruye
el
cuad
ro
latino
estn
dar
ms
sencil
lo.
2. Se
aleat
oriza
el
orde
n de
los
rengl
ones
(o
colu
mnas
) y
desp
us
se
aleat
oriza
el
orde
n de
las
 colu
mnas
(o
rengl
ones)
.
3. Por
ltim
o, los
trata
mient
os a
comp
arar
se
asign
an en
form
a
aleat
oria
a las
letras
latina
s.
4. As
se
cump
le
que
cada
letra
debe
apare
cer
solo
una
vez
en
cada
rengl
n y
en
cada
colu
mna.
c) Anote
la
ecuac
in
del
mode
lo y
las
hipt
esis
estad
sticas
corres
pondi
entes.
d) Mode
lo
estad
stico
:
e) Yij
=
+ i
+ j
+ l
+ ij
;i=
1,2,
3,4,
5 j
=
1,2,
3,4,
5, l
=
1,2,
3,4,
5
f) Las
hipt
 esis
adec
uada
s son:
g) Ho:
1 +
2 +
3 +
4 +
5=

h) Ha:
i
j
par
a
alg
ni
j
i) Que
tamb
in se
pued
e
expre
sar
como
:
j) Ho:
1 =
2 =
3 =
4 =
5 =
0
k) Ha:
i 0
para
 algn
i
l)
m)

n)
o)
p)
q)
r) Exist
en
difere
ncias
entre
los
trata
mient
os?
Cule
s
trata
mient
os
son
difere
ntes
entre
si?
s) Anal
ysis
of
Varia
nce
for Y,
using
Adju
sted
SS
for
Tests
t)
u) Sourc
e
 DF
Seq
SS
Adj
SS
Adj
MS
F
P
v) Catal
izado
r 4
141.4
40
141.4
40
35.36
0
11.31
0.000
w) Lote
4
15.44
0
15.44
0
3.860
1.23
0.348
x) Da
4
12.24
0
12.24
0
3.060
0.98
0.455
y) Error
12
37.52
0
37.52
0
3.127
z) Total
24
206.6
40
aa)

bb)
S=
1.768
24
R-Sq
=
81.84
%
R-
Sq(a
dj) =
63.69
%
cc)
De esta
tabla
se
obser
va
que
para
Catal
izado
r se
obtuv
o un
valor
-p =
0.000
<
0.05,
por
lo
tanto
se
recha
za
Ho.
Es
 decir
que
al
meno
s dos
de los
catali
zador
es
son
difer
entes.
dd)
Interval Plot of Respuesta vs Catalizador
95% CI for the Mean
12

10

8
Respuesta

0
1 2 3 4 5
Catalizador

ee)
De tal
form
a, los
inter
valos
de
confi
anza
de los
catali
zador
es 1 y
2 se
trasla
pan
por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
Los
inter
valos
de
confi
anza
de los
catali
zador
es 2 y
3 se
trasla
pan
por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
Los
inter
valos
de
confi
anza
de los
catali
zador
es 4 y
5 se
trasla
pan
por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
Los
inter
valos
de
confi
anza
de los
catali
zador
es 2 y
4 se
trasla
pan
por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
Los
inter
valos
de
confi
anza
de los
catali
zador
es 2 y
5 se
trasla
pan
por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
Final
ment
e al
no
trasla
parse
los
inter
valos
los
 catali
zador
es1 y
2 son
difer
entes
a los
catali
zador
es 4 y
5.
ff)
gg)
De igual
form
a el
anli
sis se
realiz
a
para
los 2
bloq
ues.
hh)
Interval Plot of Respuesta vs Lote
95% CI for the Mean
12

10

8
Respuesta

0
1 2 3 4 5
Lote
ii)
jj) De
tal
form
a, los
inter
valos
de
confi
anza
de los
lotes
se
trasla
pan
por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
kk)
ll) De
tal
form
a, los
inter
valos
de
confi
anza
de los
das
se
trasla
pan
 por
lo
que
sus
respu
estas
medi
as
son
igual
es
estad
stica
ment
e.
mm)
Los
factor
es de
ruido,
lote y
da
afecta
n el
tiemp
o de
reacci
n
del
proce
so?
nn)
Del
ANO
VA se
obser
va
que
para
lote
se
obtuv
o un
valor
-p =
0.348
 >
0.05,
por
lo
tanto
se
acept
a Ho.
Es
decir
que
no
existe
difer
encia
entre
el
tiemp
o de
reacc
in
de un
proce
so
qum
ico
de los
lotes.
oo)
Por otro
lado,
del
ANO
VA se
obser
va
que
para
das
se
obtuv
o un
valor
-p =
0.455
>
 0.05,
por
lo
tanto
se
acept
a Ho.
Es
decir
que
no
existe
difer
encia
entre
el
tiemp
o de
reacc
in
de un
proce
so
qum
ico
de los
das.
pp)
Dibuje
los
grfic
os de
media
s para
los
trata
mient
os,
los
lotes
y los
das.
Cul
trata
mient
o es
 el
mejor
?
qq)
Sera el
trata
mient
o 5,
puest
o que
tiene
la
medi
a
ms
baja
respe
cto al
tiemp
o de
reacc
in
del
proce
so.
rr)
Verifique
los
supue
stos
del
mode
lo,
consi
deran
do
que
los
datos
se
obtuv
ieron
colu
mna
por
colu
 mna,
da a
da.
ss)
tt)
Residual Plots for Y
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
2
90
1

Residual
Percent

50 0

-1
10
-2
1
-3.0 -1.5 0.0 1.5 3.0 2 4 6 8 10
Residual Fitted Value

Histogram of the Residuals Residuals Versus the Order of the Data

6.0
2
4.5 1
Frequency

Residual

3.0 0

-1
1.5
-2
0.0
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order

uu)
En la
grfi
ca 1
(Nor
mal
Prob
abilit
y
Plot
of the
Resid
uals)
se
han
grafi
cado
los
resid
uos y
 se
obser
va
que
estos
sigue
n una
distri
buci
n
norm
al ya
que
tiend
en a
qued
ar
aline
ados
en
una
lnea
recta.
vv)

ww)
En la
grfi
ca 2
(Resi
duals
Vers
us
the
Fitte
d
Value
s) se
han
grafi
cado
los
predi
chos
contr
a los
resid
uos y
se
obser
va
que
los
punt
os se
distri
buye
n de
mane
ra
aleat
oria
en
una
band
a
horiz
ontal
(sin
ning
n
patr
n
claro
y
contu
ndent
e),
por
lo
que
se
cump
le el
supu
esto
de
que
los
trata
mient
os
tiene
n
igual
varia
nza.
xx)
2
3. Un
invest
igado
r est
intere
sado
en el
efecto
del
porce
ntaje
de
lisina
y del
porce
ntaje
de
prote
na en
la
produ
ccin
de
vacas
lecher
as. Se
consi
deran
7
nivele
s de
cada
factor
.
yy)
%
de
lisina:
0,0
(A),
 0,1
(B),
0,2
(C),
0,3
(D),
0,4
(E),
0,5
(F),
0,6
(G),
zz)
%
de
prote
na: 2
(),
4(),
6(),
8(),
10()
,
12()
,
14()
aaa)
Para el
estudi
o, se
selecc
ionan
siete
vacas
al
azar,
a las
cuale
s se
les da
un
segui
mient
o de
siete
pero
 dos
de
tres
meses
. Los
datos
en
galon
es de
leche
fuero
n los
siguie
ntes:
bbb)

ccc)
Vaca/Per
odo
1C = 11E = 2 304 436 350 504 417 519 432
2 381 505 425 564 494 350 413
3 432 566 479 357 461 340 502
4 442 372 536 366 495 425 507
5 496 449 493 345 509 481 380
6 534 421 352 427 346 478 397
7 543 386 435 485 406 554 410
a) Analice este experimento, qu factores tienen efecto en la produccin de
leche?
Empleando el SW Minitab se obtiene la siguiente informacin:
Analysis of Variance for Respuesta, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

Vaca 6 8754 8588 1431 1.39 0.261
perodo 6 1761 1702 284 0.27 0.943
% lisina 6 38906 40171 6695 6.48 0.000
% proteina 6 148628 148628 24771 23.98 0.000
Error 24 24792 24792 1033
Total 48 222841

S = 32.1406 R-Sq = 88.87% R-Sq(adj) = 77.75%

Del ANOVA se observa que para VACA se obtuvo un valor-p = 0.261 > 0.05, por lo
tanto se acepta Ho. Es decir que no existe diferencia en la produccin de leche.
Por otro lado, del ANOVA se observa que para PERIODO se obtuvo un valor-p =
0.943 > 0.05, por lo tanto se acepta Ho.
De igual forma para el % DE LISINA se obtuvo un valor-p = 0.000 < 0.05, por lo tanto
se se rechaza Ho. Es decir si existe diferencia en la produccin de leche debida a dicho
porcentaje.
De igual forma para el % DE PROTEINA se obtuvo un valor-p = 0.000 < 0.05, por lo
tanto se se rechaza Ho. Es decir si existe diferencia en la produccin de leche debida a
dicho porcentaje.
b) Interprete los resultados usando grficos de medias.

Interval Plot of Respuesta vs Vaca

95% CI for the Mean

525

500

475
Respuesta

450

425

400

375

350
1 2 3 4 5 6 7
Vaca

De tal forma, los intervalos de confianza de las vacas se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
 Interval Plot of Respuesta vs perodo
95% CI for the Mean
550

500
Respuesta

450

400

350
1 2 3 4 5 6 7
perodo

De tal forma, los intervalos de confianza de los perodos se traslapan por lo que sus
respuestas medias son iguales estadsticamente.

Interval Plot of Respuesta vs % lisina

95% CI for the Mean
550

500

450
Respuesta

400

350

300
1 2 3 4 5 6 7
% lisina

De tal forma, los intervalos de confianza de los % de lisina se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
 Interval Plot of Respuesta vs % proteina
95% CI for the Mean
600

550

500
Respuesta

450

400

350

300
1 2 3 4 5 6 7
% proteina

De tal forma, los intervalos de confianza de los % de protena no se traslapan por lo

que sus respuestas medias no son iguales estadsticamente.
c) Cmo puede explicar la falta de efectos en vacas y perodo?
El diseo pretenda verificar el efecto del porcentaje de lisina y del porcentaje de
protena en la produccin de vacas lecheras por lo que se bloquearon los aspectos
relacionados a las vacas y al perodo.
d) Que porcentajes de lisina y protena dan los mejores resultados?
De las grficas anteriores, % de lisina que brinda los mejores resultados es: 0,4 (E).
Respecto del % de protenas, el mejor es: 14().
e) Verifique los supuestos del modelo.
 Residual Plots for Respuesta
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
50
90
25

Residual
Percent

50 0

-25
10
-50
1
-50 -25 0 25 50 300 400 500 600
Residual Fitted Value

Histogram of the Residuals Residuals Versus the Order of the Data

12 50

25
Frequency

Residual
0
6
-25
3
-50
0
-60 -30 0 30 60 1 5 10 15 20 25 30 35 40 45
Residual Observation Order

En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los

residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.

En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.