DISEÑO CUADRADO LATINO Y GRECOLATINO

1. INTRODUCCIÓN

En el presente trabajo, estudiaremos diseños que utilizan más de una

variable de bloque para reducir el error experimental.

Así, si se consideran simultáneamente dos variables de bloque, un diseño

completo en bloques aleatorizados consistiría en formar un bloque para cada
combinación de niveles de dichas variables y después aplicar todos los niveles del
factor principal en cada uno de los bloques obtenidos. Por ejemplo, supongamos un
experimento en el que se quiere estudiar el efecto de distintos tipos de semilla en el
rendimiento del trigo y se considera que en dicho rendimiento también pueden influir
los tipos de abonos e insecticidas empleados. Para realizar dicho estudio, es posible
utilizar un diseño completo en bloques aleatorizados, donde el factor principal es el
tipo de semilla y las variables de bloque los tipos de abono e insecticida.

En un experimento puede haber diferentes causas, por ejemplo de índole

económico, que no permitan emplear demasiadas unidades experimentales, ante
esta situación se puede recurrir a un tipo especial de diseños en bloques
incompletos aleatorizados. La idea básica de estos diseños es la de fracción; es
decir, seleccionar una parte del diseño completo de forma que, bajo ciertas hipótesis
generales, permita estimar los efectos que interesan.

En este informe se a tratar además del diseño en cuadrado latino otros

diseños relacionados con él, como son los cuadrados greco-latinos que utilizan tres
variables de bloque y los cuadrados de Youden que se pueden considerar como
una variante de los cuadrados latinos, si bien también se pueden estudiar como
bloques incompletos.
2. OBJETIVO

 Estudiar el diseño cuadrado latino y grecolatino, su estructura y sus

aplicaciones respecto a la ingeniería.
3. DISEÑO CUADRADO LATINO: DCL
El nombre de cuadrado Latino se debe a R.A. Fisher [The Arrangement of Field
Experiments, J. Ministry Agric., 33: 503-513 (1926. El agrupamiento de las unidades
experimentales en dos direcciones (filas y columnas) y la asignación de los
tratamientos al azar en las unidades, de tal forma que en cada fila y en cada
columna se encuentren todos los tratamientos constituye un diseño cuadrado latino.
Supongamos que el número de niveles de cada uno de los factores es K. El diseño
en cuadrado latino utiliza K2 bloques, cada uno de estos bloques corresponde a una
de las posibles combinaciones de niveles de los dos factores de control. En cada
bloque se aplica un solo tratamiento de manera que cada tratamiento debe aparecer
con cada uno de los niveles de los dos factores de control.

Si consideramos una tabla de doble entrada donde las filas y las columnas
representan cada uno de los dos factores de bloque y las celdillas los niveles del
factor principal o tratamientos, el requerimiento anterior supone que cada
tratamiento debe aparecer una vez y sólo una en cada fila y en cada columna.

Recibe el nombre de cuadrado latino de orden K a una disposición en filas y

columnas de K letras latinas, de tal forma que cada letra aparece una sola vez en
cada fila y en cada columna.
A continuación vamos a dar una forma simple de construcción de cuadrados latinos.
Se parte de una primera fila con las letras latinas ordenadas alfabéticamente

Columna 1 Columna 2 Columna 3 · · · Columna k

Fila 1 A B C ··· K

Las sucesivas filas se obtienen moviendo la primera letra de la fila anterior a la

última posición (construcción por permutación cíclica), el cuadrado así obtenido es
un cuadrado latino estándar. Un cuadrado latino se denomina estándar cuando las
letras de la primera fila y la primera columna están ordenadas alfabéticamente. A
parte de los cuadrados latinos así obtenidos existen otros cuadrados latinos
diferentes, estándares y no estándares. En el Apéndice B se muestran algunos
cuadrados latinos estándares para los órdenes 3, 4, 5, 6, 7, 8 y 9.
3.1. PROCEDIMIENTO PARA CONSTRUIR UN DISEÑO EN CUADRADO
LATINO

1. Se elige aleatoriamente un cuadrado latino de los disponibles.

2. Se asigna aleatoriamente el orden de las filas y columnas.

3. Se asignan aleatoriamente los tres factores a las filas, columnas y letras,

respectiva-mente.

Ilustremos este procedimiento con el ejemplo de la resistencia del concreto. Al

plantear este experimento se pensó que podría conseguirse mayor precisión si se
controlaba la variabilidad introducida por los tipos de cemento y el tipo de arena . El
instituto de experi-mentación está interesado en estudiar 4 tipos concreto, (s1, s2,
s3, s4) y decide realizar el experimento utilizando un diseño en cuadrado latino.
Para ello selecciona 4 niveles para cada una de las variables de bloque: cemento,
(a1, a2, a3, a4), y arena (i1, i2, i3, i4).

La selección de uno de los cuadrados se hace al azar. Supongamos que el

cuadrado latino elegido es el siguiente

A B C D
B A D C
C D A B
D C B A

A continuación, se asigna también al azar, el orden de las filas y las columnas.

Supong-amos que el orden seleccionado para las filas sea (2, 3, 1, 4), entonces el
cuadrado latino anterior se convierte en

B A D C
C D A B
A B C D
D C B A

Se vuelven a generar otros 4 números aleatorios que se identifican con el orden de

las columnas de este último cuadrado. Supongamos que los números obtenidos son
(4, 3, 1, 2), obteniéndose el siguiente cuadrado latino

C D B A
B A C D
D C A B
 A B D C

Por último, se asignan al azar las filas, las columnas y las letras latinas a los tres
factores. Por ejemplo, supongamos que las filas, las columnas y las letras se
asignan respectivamente, a los tipos de insecticidas, semillas y abonos, de tal forma
que el diseño resultante es:

Tabla Nº 1
concreto
cemento s1 s2 s3 s4
i1 a3 a4 a2 a1
i2 a2 a1 a3 a4
i3 a4 a3 a1 a2
i4 a1 a2 a4 a3

Por convenio, se suele situar el factor principal, en este caso el tipo de semilla, en
las celdillas. Reordenando el diseño anterior se obtiene la siguiente tabla:

Tabla Nº 2
Arena
cemento a1 a2 a3 a4
i1 s4 s3 s1 s2
i2 s2 s1 s3 s4
i3 s3 s4 s2 s1
i4 s1 s2 s4 s3

En resumen, podemos decir que un diseño en cuadrado latino tiene las siguientes
características.

3.2. CARACTERÍSTICAS

1o) Se controlan tres fuentes de variabilidad, un factor principal y dos factores de

bloque.
2o) Cada uno de los factores tiene el mismo número de niveles, K.
3o) Cada nivel del factor principal aparece una vez en cada fila y una vez en cada
columna.
4o) No hay interacción entre los factores.

3.3. MODELO LINEAL

Donde:
* Y ij(k) es el resultado del bloque i-ésimo, i = 1,...,K del factor fila y del bloque j-
ésimo, j = 1,...,J del factor columna, y del nivel k-ésimo del factor T .Se denota
la k entre paréntesis, para indicar que este índice no se elige sino que viene
condicionado por el par ij.
* es el efecto global que mide el nivel medio de todos los resultados,
* i es la influencia (positivo o negativo) sobre la media global debido a as filas.
* j es la influencia (positivo o negativo) sobre la media global debido a las
columnas.
* k es la influencia (positivo o negativo) sobre la media global debido al
tratamiento.
* ij es el error experimental, son variables aleatorias i.i.d. con distribución N.

3.4. PLANTEAMIENTO DE LA HIPÓTESIS

H0( ) : 1 = 2 = ... = k,) HA( ) : 1 ≠ 2 ≠... ≠ k,)

H0( ) : 1 = 2 = ... = K, HA( ) : 1 ≠ 2 ≠... ≠ K,

H0(γ) : 1 = 2 = ... = K, HA(γ) : 1≠ 2 ≠ ... ≠ K,

3.5. ANÁLISIS DE VARIANZA

Para realizar el análisis de varianza se requieren los siguientes términos:

Y... = ∑∑ Yijk = Gran total
Yi.. = Total del tratamiento “i”
Y.j. = ∑ Yijk = Total de la fila “j”
Y..k = ∑ Yijk = Total de la columna “
 TABLA ANOVA PARA EL DISEÑO CUADRADO LATINO

F de V GL Suma de cuadrados Cuadrados medios

FC

Tratamientos(γ) t-1 T = ΣY2i../t –TC CMT= T/ (t - 1) = CM

T/ CME

Filas (α) t-1 F = ΣY2j. /t -TC CMF= F / (t - 1) =

CM T/ CME

Columnas (β) t-1 C = ΣY2.k ./t -TC CMC= C / (t - 1) =

CM T/ CME

Error (t-1)(t-2) E =Tot - T - F - C CME= E / (t-1)(t-2)

Total t2 - 1 Tot =ΣΣY2ijk -TC

Dónde:

F de V: Fuente de Variación
GL : Grados de libertad
t : Número de tratamientos = Número de filas = Número de columnas
TC : Término de corrección = Y2... / t2

3.6. CONCLUSIONES
Rechazar H0( ) : 1 = 2 = ... = k, según p = P( < )
Rechazar H0( ) : 1 = 2 = ... = K, según p = P( < )
Rechazar H0( ) : 1 = 2 = ... = K, según p = P( < )

3.7. SUPUESTOS EN UN DISEÑO DE CUADRADOS LATINOS

Para que el análisis de varianza en un diseño de cuadrados latinos tenga validez,

deben cumplirse los mismos supuestos mencionados para el diseño de bloques al
azar: Normalidad, Homocedasticidad e Independencia; adicionalmente debe
cumplirse el supuesto de aditividad entre filas, columnas y tratamientos, es decir, no
debe haber interacción entre los mismos.

Respecto a la normalidad y la independencia, el procedimiento es el mismo que en

el caso de un diseño completamente al azar y de un diseño en bloques al azar, la
normalidad se evaluará con ayuda del programa SAS y la prueba de Shapiro – Wilk
y la independencia se garantizará con la asignación aleatoria de los tratamientos a
las unidades experimentales.

En el caso del supuesto de homocedasticidad, para el diseño de cuadrados latinos

se presenta el mismo problema de índole computacional que habíamos mencionado
para el diseño de bloques al azar, pues los programas estadísticos actuales son
incapaces de evaluar el supuesto en cualquier diseño diferente al completamente al
azar, razón por la cual se debe asumir que el supuesto se cumple.

3.8. COEFICIENTE DE DETERMINACIÓN

A continuación definimos el coeficiente de determinación R2

SCF + SCC +
SCL
R2 = ,
SCT
Donde, denotamos:

 Rτ2 al cociente entre la variabilidad explicada por las filas y la variabilidad

total, es:

Rτ2=SCF/SCT
 Rβ2 al cociente entre la variabilidad explicada por las columnas y la
variabilidad total, es decir:

Rτ2=SCC/SCT
 Rγ2 al cociente entre la variabilidad explicada por las letras latinas y la
variabilidad total, es decir:
Rτ2=SCL/SCT

Entonces el coeficiente de determinación también lo podemos expresar como:

R2 = R2τ + Rβ2 + Rγ2 ,

siendo R2τ, R2β y Rγ2 los coeficientes de determinación parciales asociados a las
filas, columnas y letras latinas, respectivamente.
4. DISEÑO CUADRADO GRECOLATINO: DGCL

El diseño de cuadrado grecolatino se caracteriza porque utiliza dos variables de

bloque si tiene dos variables independientes (diseño factorial) y tres variables de
bloqueo si sólo tiene una variable independiente (diseño unifactorial) ya que es
imprescindible en este diseño que el número total de variables entre variables
independientes y bloqueadas sea 4. Se puede considerar como una extensión del
cuadrado latino en el que se incluye una tercera variable de control o variable de
bloque. En este modelo, como en el diseño en cuadrado latino, todos los factores
deben tener el mismo número de niveles K y el número de observaciones
necesarias sigue siendo K2. Este diseño es, por tanto, una fracción del diseño
completo en bloques aleatorizados con un factor principal y 3 factores secundarios
que requeriría K4 observaciones.

4.1. MODELO LINEAL

En un diseño en cuadrado greco-latino la variable respuesta yij(hp) viene descrita por
la siguiente ecuación
i = 1, 2 . . . , K
j= 1, 2 . . . , K
k = 1, 2 . . . , K
yij hp = µ + τi + β + γ + δp + 𝜀 ij hp ,
( ) j h ( ) p = 1, 2 . . . , K
p = 1, 2 . . . , K

Donde
 µ es un efecto constante, común a todas las unidades.
 τi es el efecto producido por el i-ésimo nivel del factor fila. Dichos efectos
están sujetos a la restricción i τi = 0.
 βj es el efecto producido por el j-ésimo nivel del factor columna. Dichos
efectos están sujetos a la restricción j βj = 0.
 δp es el efecto producido por el p-ésimo nivel del factor letra griega.
Dichos efectos están sujetos a la restricción p δp = 0.
 £ij (hp) son variables aleatorias independientes con distribución N(0, σ).

4.2. PLANTEAMIENTO DE LA HIPÓTESIS

𝐻0 : µ𝛼 = µ𝛽 = µ𝛾 = µ𝛿 = µ𝜀
𝐻𝐴 : µ𝛼 ≠ µ𝛽 ≠ µ𝛾 ≠ µ𝛿 ≠ µ𝜀
4.3. ANÁLISIS DE VARIANZA

Tabla ANOVA para el modelo de cuadrado greco-latino

Fuentes Cuadrado
Fexp
de Suma de Grados de s
variació medio
n cuadrados libertad s

E. fila K ∑ (¯yi... − y¯....)2 K−1 S F2 SF2 /SR2

E. col. K ∑(¯y.j.. − y¯....)2 K−1 SC2 SC2 /SR2

E. l. l. K ∑(¯y..h. − y¯....)2 K−1 SL2 SL2 /SR2

E= SCT -
SCF- SCC-
Error SCL- SCG (K − 1)(K − 3) SR2

i j
∑∑ (yij(hp) −

y¯) ^2....
TOTAL K2 − 1 S T2

Las expresiones abreviadas de SCT, SCTF, SCC, SCL y SCG son:

𝑦2
SCT= ∑ 𝑦𝑖𝑗 2 . . − 𝐾2
𝑦2
SCF= ∑ 𝑦𝑖 2 − 𝐾2
𝑦2
SCG= ∑ 𝑦 2 𝑝… − 𝐾
𝑦2…
SCC= ∑ 𝑦.𝑗 2 . . − 𝐾2
𝑦2
SCL= ∑ 𝑦ℎ 2 . . − 𝐾2

La suma de cuadrados del error se obtiene de la siguiente diferencia

SCR= SCT- SCF- SCC- SCL- SCG

4.4. CONCLUSIÓN

Bajo las hipótesis nulas cada uno de los estadíticos de contraste sigue una
distribución F de Snedecor con K − 1 y (K − 1)(K − 3) grados de libertad. Por tanto,
se rechazará la hipótesis nula correspondiente cuando el valor experimental del
estadístico sea mayor que el encontrado en las tablas de la distribución F con K −1
y (K −1)(K −3) grados de libertad al nivel de significación α.

4.5. COEFICIENTE DE DETERMINACIÓN

A continuación se define el coeficiente de determinación como

Donde Rτ2, Rβ2, R2γ y R2δ son los cocientes entre la variación explicada por cada
uno de los efectos y la total y se denominan coeficientes de determinación parciales.

5. EJERCICIOS
5.1. EJERCICIOS DE DISEÑO CUADRADO LATINO

EJERCICIO N° 1

1.- Se desea investigar cuatro variedades de trigo para determinar si existe diferencia entre los rendimientos
promedio. Se selecciona cuatro tipos de fertilizantes y se siembra en cuatro parcelas diferentes. Las letras A,
B, C y D representan a las 4 variedades de trigo; los renglones representan 4 fertilizantes distintos; y las
columnas se refieren a 4 años diferentes. Los datos de la tabla N° 01 son las producciones de las cuatro
variedades de trigo, medidas en kilogramos por parcela. Se supone que las distintas fuentes de variación no
interactúan. Con un nivel de significancia de 0.05, pruebe la hipótesis: Ho: No hay diferencia en las
producciones promedio de las 4 variedades de trigo.
TABLA N° 01: Producciones de trigo (kilogramos por parcela)

SOLUCIÓN
𝑯𝒐: 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 0
𝑯𝟏: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝜏𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜
MEDIA F TOTAL F
FERTILIZANTE / AÑO 1981 1982 1983 1984
 T1 70 75 68 81 73.5 294
T2 66 59 55 63 60.75 243
T3 59 66 39 42 51.5 206
T4 41 57 39 55 48 192
MEDIA C 59 64.25 50.25 60.25
TOTAL C 236 257 201 241 935
TRATAMIENTOS A B C D
223 213 247 252

TABLA N° 02: Análisis de la varianza para los datos de la tabla N° 01

FUENTE DE FUENTE DE FUENTE DE FUENTE DE FUENTE DE F-tabulada
VARIACIÓN VARIACIÓN VARIACIÓN VARIACIÓN VARIACIÓN
FERTILIZANTE 1557.1875 3 519.0625 11.91535151
AÑO 417.6875 3 139.2291667 3.196078431
F(0.95;3;6)
TRATAMIENTOS 263.6875 3 87.89583333 2.017694883 = 4.757062
ERROR 261.375 6 43.5625
TOTAL 2499.9375 15

RRHo RRHo

RAHo

2.018
Por lo tanto: No hay diferencia en las producciones 4.75062
promedio de las 4 variedades de trigo.

EJERCICIO N° 1

2.- Una empresa de manufactura desea investigar los efectos de 5 aditivos para el color en el tiempo de
preparación de una nueva mezcla de concreto. Se esperan variaciones en los tiempos de preparación debido
a los cambios diarios en temperatura y humedad, así como a los distintos trabajadores que preparan los
moldes de prueba. Para eliminar esas fuentes extrañas de variación, se diseñó un cuadrado latino de 5 ×5, en
el cual las letras A, B, C, D y E representan los 5 aditivos. En la tabla que sigue se presentan los tiempos de
preparación, en horas, para los 25 moldes.

Con un nivel de significancia de 0.05, ¿es posible decir que los aditivos para el color tienen el mismo efecto
en el tiempo de preparación de la mezcla de concreto?

SOLUCION
 𝑯𝒐: 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 𝜏5 = 0
(Los aditivos para el color tienen el mismo efecto en el tiempo de preparación de la mezcla de concreto).
𝑯𝟏: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝜏𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜
(Los aditivos para el color tienen efectos distintos en el tiempo de preparación de la mezcla de concreto).

DÍA
Suma Filas
TRABAJADOR 1 2 3 4 5
1 10.7 10.3 11.2 10.9 10.5 53.6
2 11.3 10.5 12 11.5 10.3 55.6
3 11.8 10.9 10.5 11.3 7.5 52
4 14.1 11.6 11 11.7 11.5 59.9
5 14.5 11.5 11.5 12.7 10.9 61.1
TRATAMIENTOS (aditivos) A B C D E
Suma tratamientos 56.1 58.6 57.7 57 52.8
Suma columnas 62.4 54.8 56.2 58.1 50.7 282.2

TABLA N° 02: Análisis de la varianza para los datos del ejemplo 2

FUENTE DE SUMA DE GRADOS DE CUADRADO

F-exp F-tabulada
VARIACIÓN CUADRADOS LIBERTAD MEDIO
ADITIVOS 3.9864 4 0.9966 1.28993011
TRABAJADOR 12.4344 4 3.1086 4.02355682
F(0.95;4;12)=
DIA 14.7944 4 3.6986 4.78721201 3.25917
ERROR 9.2712 12 0.7726
TOTAL 40.4864 24

"𝐶𝑜𝑚𝑜 1.325917 < 3.25917, 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝑙𝑎 ℎ𝑖𝑝ó𝑡𝑒𝑠𝑖𝑠 𝑛𝑢𝑙𝑎 𝑦 𝑠𝑒 𝑐𝑜𝑛𝑐𝑙𝑢𝑦𝑒 𝑐𝑜𝑛 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙
𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 0.05 𝑞𝑢𝑒 𝐿𝑜𝑠 𝑎𝑑𝑖𝑡𝑖𝑣𝑜𝑠 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑐𝑜𝑙𝑜𝑟 𝑡𝑖𝑒𝑛𝑒𝑛 𝑒𝑙 𝑚𝑖𝑠𝑚𝑜 𝑒𝑓𝑒𝑐𝑡𝑜 𝑒𝑛 𝑒𝑙
𝑡𝑖𝑒𝑚𝑝𝑜 𝑑𝑒 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑧𝑐𝑙𝑎 𝑑𝑒 𝑐𝑜𝑛𝑐𝑟𝑒𝑡𝑜".

EJERCICIO N° 3

3.- El departamento de matemáticas de una universidad grande quiere evaluar las habilidades didácticas de 4
profesores. Para eliminar cualesquiera efectos debidos a los horarios y cursos distintos de matemáticas a lo
largo del día, se decidió realizar un experimento utilizando el diseño del cuadrado latino, en el que las letras
A, B, C y D representaban a los 4 diferentes profesores. Cada uno de ellos enseñó una parte de cada uno de
cuatro cursos programados en 4 horarios distintos del día.
Los datos siguientes muestran las calificaciones asignadas a los maestros por 16 estudiantes de capacidad
aproximadamente igual. Utilice un nivel de significancia de 0.05 para probar que los profesores tienen efectos
distintos en las calificiones.

SOLUCIÓN
𝑯𝒐: 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4
= 𝜏5
=0
(Los profesores tienen el mismo efecto
en las calificaciones)
𝑯𝟏: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝜏𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜
(Al menos uno de los profesores tiene efecto distinto en las calificaciones)

CURSO
Suma Filas
HORARIO ÁLGEBRA 2 3 4
1 84 79 63 97 323
2 91 82 80 93 346
3 59 70 77 80 286
4 75 91 75 68 309

TRATAMIENTOS
A B C D
(profesor)

Suma tratamientos 345 325 272 322

Suma columnas 309 322 295 338 1264

TABLA N° 03: Análisis de la varianza para los datos de la tabla N° 03

GRADOS
FUENTE DE SUMA DE CUADRADO
DE F-exp F-tabulada
VARIACIÓN CUADRADOS MEDIO
LIBERTAD
PROFESOR 723.5 3 241.1666667 5.033043478
HORARIO 474.5 3 158.1666667 3.300869565
CURSO 252.5 3 84.16666667 1.756521739 F(0.95;3;6)= 4.757
ERROR 287.5 6 47.91666667
TOTAL 1738 15

“Como F-experimental = 5.033043478 > F-tabulada =4.757, entonces con un nivel de confianza del
95% se rechaza la hipótesis nula y se concluye que los profesores tienen efectos distintos en las
calificaciones”.
Ejercicio N° 4:
 Un investigador quiere evaluar la productividad de cuatro variedades de tomate y
decide realizar el ensayo en un terreno que posee un gradiente de pendiente de
oriente a occidente y además, diferencias en la disponibilidad de Nitrógeno de
norte a sur, para controlar los efectos de la pendiente y la disponibilidad de
Nitrógeno, utilizó un diseño de cuadrado latino, las variedades son: A, B, C y D,
(los datos corresponden a la producción en kg/parcela).
i.

Disponi. Gradiente(pendiente)
de
1 2
nitrógeno 3 4 𝒚𝒊 𝒚𝟐𝒊
1 D 785 A 730 C 700 B 595 2,810 7,896,100
2 A 855 B 775 D 760 C 710 3,100 9,610,000
3 C 950 D 885 B 795 A 780 3,410 11,628,100
4 B 945 C 950 A 880 D 835 3,610 13,032,100
42,166,300
12,930
𝒚𝒋 3,535 3,340 3,135 2,920
𝒚𝟐𝒋 12,496,225 11,155,600 9,828,225 8,526,400 42,006,450.0

𝑦𝑖2 129302
𝑇𝐶 = = = 10449,056.25
𝑡2 42
𝟐
(∑ 𝒏)
∑𝒏
A= 855 730 880 780 3,245 10,530,025
B= 945 775 795 595 3,110 9,672,100
C= 950 950 700 710 3,310 9,672,100
D= 785 885 760 835 3,265 10,660,225
Total 12,930.00 41,818,450

Datos Al Cuadrado
1 2 3 4

D 616,225 A 532,900 C 490,000 B 354,025 1,993,150

A 731,025 B 600,625 D 577,600 C 504,100 2,413,350

C 902,500 D 783,225 B 632,025 A 608,400 2,926,150

B 893,025 C 902,500 A 774,400 D 697,225 3,267,150

3,142,775 2,819,250 2,474,025 2,163,750 10,599,800

i. 𝑇𝑜𝑡 = 10,599,800 − 10, 449,056.25 = 𝟏𝟓𝟎, 𝟕𝟒𝟑. 𝟕𝟓

 41,818, 450
𝑆𝐶𝑇 = − 10, 449,056.25 = 𝟓, 𝟓𝟓𝟔. 𝟐𝟓
4
42,166,300
𝑆𝐶𝐹 = − 10, 449,056.25 = 𝟗𝟐, 𝟓𝟏𝟖. 𝟕𝟓
4
42,006, 450
𝑆𝐶𝐶 = − 10, 449,056.25 = 𝟓𝟐, 𝟓𝟓𝟔. 𝟐𝟓
4

𝑆𝐶𝐸 = 𝑇𝑜𝑡 − 𝑆𝐶𝑇 − 𝑆𝐶𝐹 − 𝑆𝐶𝐶

𝑆𝐶𝐸 = 150, 743.75 − 5,556.25 − 92,518.75 − 52,556.25 = 𝟏𝟏𝟐. 𝟓𝟎

ii.
Fuente De Grados De Suma De Cuadrados Cuadrados Medios
Variacion Libertad ϒ

Tratamientos t-1=3 SCT=5,556.25 CMT 5, 556.25/3 1, 852.08

Nitrogeno (Filas) t‐1=3 SCF=92,518.75 CMF 92, 518.75/3 30, 839.58

Pendiente t‐1=3 SCC=52,556.25 CMC 52, 556.25/3 17, 518.75

(Columnas)

Error (t‐1)(t‐2)=6 SCE=112.5 CME 112.5/6 18.75

Totales 15.00 150,743.75

Hipótesis a probar
𝐻0 : µ 𝐴 = µ 𝐵 = µ 𝐶 = µ 𝐷
𝐻1 : µ 𝐴 ≠ µ 𝐵 ≠ µ 𝐶 ≠ µ 𝐷

F Calculada 𝐶𝑀𝑇 1,852.08

𝐹𝐶𝑎𝑙 = = = 98.78
𝐶𝑀𝐸 18.75

𝐹𝑇𝑎𝑏 = 𝐹(𝑡−1),(𝑡−1)(𝑡−2),𝛼
F de tablas 𝐹𝑇𝑎𝑏 = 𝐹(3, 6, 0.05) = 4.76

𝐶𝑜𝑚𝑜: 98.78 > 4.76 → 𝐹𝐶𝑎𝑙 > 𝐹𝑇𝑎𝑏𝑙 , ∴ 𝑺𝒆 𝑹𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝟎

 ∴ Se concluye que existen por lo menos dos variedades de tomate con
diferentes niveles de productividad.

5.2. EJERCICIOS DE DISEÑO CUADRADO GRECOLATINO

Ejercicio N° 1:
Un experimentador opina que las líneas de ensamble son fuentes de variación al
momento de reproducir la fórmula para la elaboración de dinamita.
Para comprobarlo diseña un arreglo de cuadrado Grecolatino el cual se muestra a
continuación:
i.
N = 25
n=5
Lotes Operadores
Materia
Prima
1 2 3 4 5
A
1 α 24 Bγ 20 Cξ 19 Dβ 24 Eδ 24 111 12,321
2 Bβ 17 Cδ 24 Dα 30 Eγ 27 Aξ 36 134 17,956
3 Cγ 18 Dξ 38 Eβ 26 Aδ 27 Bα 21 130 16,900
4 Dδ 26 Eα 31 Aγ 26 Bξ 23 Cβ 22 128 16,384
5 Eξ 22 Aβ 30 Bδ 20 Cα 29 Dγ 31 132 17,424
80,985
635
107 143 121 130 134
11,449 20,449 14,641 16,900 17,956 81,395.0

Al
Para Latino Cuadrado
A= 24 + 30 + 26 + 27 + 36 143 20,449
B= 17 + 20 + 20 + 23 + 21 101 10,201
C= 18 + 24 + 19 + 29 + 22 112 12,544
D= 26 + 38 + 30 + 24 + 31 149 22,201
E= 22 + 31 + 26 + 27 + 24 130 16,900
Sumas
635 82,295
 Al
Para Greco Cuadrado
α= 24 + 31 + 30 + 29 + 21 135 18,225
β= 17 + 30 + 26 + 24 + 22 119 14,161
γ= 18 + 20 + 26 + 27 + 31 122 14,884
δ= 26 + 24 + 20 + 27 + 24 121 14,641
ξ= 22 + 38 + 19 + 23 + 36 138 19,044
635 80,955

Sumas

Datos Al Cuadrado

1 2 3 4 5
Aα 576 Bγ 400 Cξ 361 Dβ 576 Eδ 576 2,489
Bβ 289 Cδ 576 D α 900 Eγ 729 A ξ 1296 3,790
Cγ 324 Dξ 1444 E β 676 Aδ 729 Bα 441 3,614
Dδ 676 Eα 961 A γ 676 Bξ 529 Cβ 484 3,326
Eξ 484 Aβ 900 B δ 400 Cα 841 Dγ 961 3,586
Sumas 2,349 4,281 3,013 3,404 3,758 16,805

ii.
n y2
y2 37,030 (430)2
SSFilas   i  𝑆𝑆𝐹𝑖𝑙𝑎𝑠= − = 𝟏𝟎
n N 5 25
i 1

37,102 (430)2
𝑆𝑆𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠= − = 𝟐𝟒. 𝟒
n y2 5 25
j y2
SSColumnas   
n N
j 1
38,694 (430)2
𝑆𝑆𝑙𝑎𝑡𝑖𝑛𝑜= − = 𝟑𝟑𝟎
5 25
 37,040 (430)2
𝑆𝑆𝐺𝑟𝑒𝑐𝑜= − = 𝟔𝟐
5 25

(430)2
𝑆𝑆𝑇𝑜𝑡𝑎𝑙= 7,832 − = 𝟔𝟕𝟔
25

𝐸𝑅𝑅𝑂𝑅: 436 − 10 − 24.4 − 342.8 − 12 = 𝟔𝟔

Coeficiente De Grados De Libertad

Suma De Cuadrados Cuadrados Medios F Calculada
Variacion (ϒ)
CMF 17
Filas 68   2.06
CMF   17 CME 8.25
SSFilas=68 4
(Lotes) 5-1=4
150 CMC 37.5
Columnas CMC   37.5   4.54
4 CME 8.25
SSColumnas=150
(Operador) 5-1=4
330 CML 82.5
Tratamiento CML   82.5   10
SSLatino=330 4 CME 8.25
Latino 5-1=4
62 CMG 15.5
Tratamiento CMG   15.5   1.87
SSGreco=62 4 CME 8.25
Greco 5-1=4
66
CME   8.25
8
ERROR (5-3) (5-1)=8 E=66

  160.75
TOTAL 52-1 =24 SSTotal=676

𝐻0 : µ 𝐴 = µ 𝐵 = µ 𝐶 = µ 𝐷 = µ 𝐸
𝐻1 : µ 𝑖 ≠ µ 𝑗
Hipótesis a probar 𝐻0 : µ 𝛼 = µ 𝛽 = µ 𝛾 = µ 𝛿 = µ 𝜀
𝐻1 : µ 𝐴 ≠ µ 𝐵 ≠ µ 𝐶 ≠ µ 𝐷
 F de tablas

𝐹𝑇𝑎𝑏 = 𝐹(𝑛−1),(𝑛−3)(𝑛−1),𝛼
𝐹𝑇𝑎𝑏 = 𝐹(4, 8, 0.05) = 3.84

FCal FTab
Para Lote (Filas)
0.427 < 3.84  Acepto H 0

FCal FTab
Para Operador (Columnas)
1.042 < 3.84  Acepto H 0

Para Tratamiento Latino FCal FTab

14.64 > 3.84  Rechazo H 0

Para Tratamiento Greco

FCal FTab
1.87 < 3.84  Acepto H 0

∴Al parecer hay varianza en los Lotes de materia prima y a un mas en los operadores
lo que significa que hay una gran fuente de variación para los tratamientos
Ejercicio N° 2:

Se compara el rendimiento de tres procesos de fabricación (A, B, C) en tres

condiciones experimentales (α, β, γ) tres días distintos con tres procedimientos de
medición. El diseño y los resultados obtenidos se indican en el cuadro.
i.

Días N= 9
Método
1 2 3 n= 3
1 Aα 10 Bβ 13 Cγ 11 34 1,156
2 Cβ 8 Aγ 8 Bα 10 26 676
3 Bγ 9 Cα 11 Aβ 10 30 900
2,732
90
27 32 31

729 1,024 961 2,714

Al
Para Latino Cuadrado
A= 10 + 8 + 10 = 28 784
B= 9 + 13 + 10 = 32 1,024
C= 8 + 11 + 11 = 30 900
Sumas 90 2,708

Para Greco
α= 10 + 11 + 10 = 31 961
β= 8 + 13 + 10 = 31 961
γ= 9 + 8 + 11 = 28 784
Sumas 90 2,706

Datos Al Cuadrado
1 2 3
Aα 100 B β 169 C γ 121 390
Cβ 64 A γ 64 B α 100 228
Bγ 81 C α 121 A β 100 302
Sumas 245 354 321 920

ii.
 2732 (90)2
𝑆𝑆𝐹𝑖𝑙𝑎𝑠= − = 𝟏𝟎. 𝟔𝟔𝟕
3 9

2714 (90)2
𝑆𝑆𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠= − = 𝟒. 𝟔𝟔𝟕
3 9

2708 (90)2
𝑆𝑆𝑙𝑎𝑡𝑖𝑛𝑜= − = 𝟐. 𝟔𝟔𝟕
3 9
2706 (90)2
𝑆𝑆𝐺𝑟𝑒𝑐𝑜= − =𝟐
3 9
(90) 2
𝑆𝑆𝑇𝑜𝑡𝑎𝑙= 920 − = 𝟐𝟎
9

𝐸𝑅𝑅𝑂𝑅: 20 − 10.667 − 4.667 − 2.667 − 2 = 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟏𝟏𝟒

iii.
Coeficiente Grados De Suma De Cuadrados
F Calculada
De Variación Libertad (ϒ) Cuadrados Medios
Filas
2 SSFilas=10.667
(Métodos) CMF=5.333 CMF/CME=9.35*10^13
Columnas
2 SSColumnas=4.667
(días) CMC=2.333 CMC/CME=4.09*10^13
Tratamiento
2 SSLatino=2.667
(Latino) CML=1.333 CML/CME=2.33*10^13
Tratamiento
2 SSGreco=2
(Greco) CMG=1 CMG/CME=1.75*10^13
ERROR
2 E=1.14*10^(-13)
CME=5.7*10^(-14)
TOTAL 8 SSTotal=20

𝐻0 : µ 𝐴 = µ 𝐵 = µ 𝐶
𝐻1 : µ 𝑖 ≠ µ 𝑗
Hipótesis a probar
𝐻0 : µ 𝛼 = µ 𝛽 = µ 𝛾
𝐻1 : µ 𝛼 ≠ µ 𝛽 ≠ µ 𝛾

F de tablas
 𝐹𝑇𝑎𝑏 = 𝐹(𝑛−1),(𝑛−3)(𝑛−1),𝛼
𝐹𝑇𝑎𝑏 = 𝐹(2, 2, 0.05) = 19

Para Metodos (Filas)

Para Días (Columnas)

Para Tratamiento Latino

Para Tratamiento Greco

∴Al parecer hay varianza en los tratamientos tanto como en los metodos
empleados para los diferentes procesos de fabricacion.

EJERCICIO N° 4
4.- Un ingeniero lleva a cabo un experimento para comparar cinco procedimientos
(𝛼, 𝛽, 𝛾, 𝛿 𝑦 𝜀 ) de fabricación de ladrillo de concreto, en el que utiliza material de 5 mezclas
preparadas cada una de ellas en cada uno de 5 días consecutivos, y preparados en 5
máquinas distintas (A, B, C D Y E). Los datos se presentan en la siguiente tabla:

Con un nivel de significancia del 0.05 pruebe que no hay diferencia en los efectos
producidos por las máquinas y tampoco en los efectos producidos por los procedimientos.

SOLUCIÓN
(𝑯𝒐)𝟏 : 𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 = 𝜏5 = 0
(Los tipos de máquina producen los mismos efectos)
( 𝑯𝟏)𝟏 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝜏𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜
(Los tipos de máquina producen efectos distintos)

(𝑯𝒐)𝟐 : 𝜃1 = 𝜃2 = 𝜃3 = 𝜃4 = 𝜃5 = 0
(Los procedimientos producen los mismos efectos)
( 𝑯𝟏)𝟐 : 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝜃𝑖 𝑛𝑜 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 𝑐𝑒𝑟𝑜
(Los procedimientos producen efectos distintos)

DÍA
 MEZCLAS 1 2 3 4 5
1 Aα= 1 Bγ=0 Cε=4 Dβ=0 Eδ=1
2 Bβ= 3 Cδ=4 Dα=1 Eγ=5 Aε=3
Bα=-
3
Cγ=2 Dε=5 Eβ=0 Aδ=0 1
4 Dδ=-1 Eα=2 Aγ=-1 Bε=1 Cβ=4
Cα=-
5
Eε=0 Aβ=1 Bδ=-2 3 Dγ=1
Sum columnas 5 12 2 3 8
MAQUINAS A B C D E
Suma letras
5 1 11 6 8
latinas
PROCEDIMIENTOS α β Γ δ ε
Suma letras
griegas 0 8 7 2 13

TABLA N° 04: Análisis de la varianza para los datos del ejemplo 4

GRADOS
FUENTE DE SUMA DE CUADRADO
DE F- exp. F-tabulada
VARIACIÓN CUADRADOS MEDIO
LIBERTAD
MÁQUINAS 13.4 4 3.35 1.55813953
MEZCLA 36.4 4 9.1 4.23255814
DÍA 13.2 4 3.3 1.53488372 F(0.95;4;12)=
PROCEDIMIENTO 21.2 4 5.3 2.46511628 3.26
ERROR 25.8 12 2.15
TOTAL 110 24

 “Como F-experimental = 1.55813953 < F-tabulada =3.26, entonces con un nivel

de confianza del 95% se acepta la hipótesis nula y se concluye que los tipos de
máquina producen los mismos efectos”.

 “Como F-experimental = 1.53488372< F-tabulada =3.26, entonces con un nivel

de significancia de 0.05, se acepta la hipótesis nula y se concluye que los
procedimientos usados tienen el mismo efecto.
6. REFERENCIAS BIBLIOGRÁFICAS

 Lara Porras, A.M. (2000). “Diseño Estadístico de Experimentos, Análisis de

la Va-rianza y Temas Relacionados: Tratamiento Informático mediante
SPSS.” Proyecto Sur de Ediciones.
 LENTNER M. And BISHOP T. Experimental design and analysis.
Blacksburg:
Valley Book Company, 1986. 565 p.

 García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de

Experimentos.Análisis de la Varianza.” Grupo Editorial Universitario.

 MONTGOMERY, Douglas C. Diseño y Análisis de Experimentos. 3 ed.

México,
D.F.: Iberoamericana, 1991. 589 p.