Diseño experimental cuadrado latino (DCL) para menos de

14/5/18
DISEÑO
EXPERIMENTAL
Recopilación documental...
DISEÑO CUADRADO LATINO
(DCL)
Prof. Ing. Cecibel Torres M - MBA
DISEÑO EN CUADRADO LATINO

 Es el diseño en el que 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.
1
14/5/18
GENERALIDADES
 El diseño cuadrado latino intenta al igual que otros diseños , reducir
el error de los residuos de un experimento. Este diseño se usa para
eliminar dos fuentes de variabilidad problemáticas, o sea, que permite
analizar sistemáticamente por bloques en dos direcciones. En este
diseño, los renglones y las columnas representan, en realidad, dos
restricciones de aleatorización.
 El arreglo Cuadrado Latino se deriva de las letras del alfabeto latino
dispuestas en un arreglo cuadrado de manera que cada letra aparece
una vez en cada columna y una vez en cada fila del cuadrado.
 En las aplicaciones a experimentos, las filas y las columnas del arreglo
se identifican con los dos criterios de bloque y las letras latinas con los
niveles del factor de interés.
 En general, un cuadrado latino t x t, es un cuadrado que contiene t
renglones y t columnas. Cada una de la t2 celdas contiene una de las t
letras que corresponden a las observaciones, y cada letra aparece una
sola vez en cada renglón y columna
DEFINICION DEL
PROBLEMA
IDENTIFICACION
DE FACTOR DE
INTERES, BLOQUES
Y VARIABLE DE
RESPUESTA
2
14/5/18
1 Yijk     i   j  k   ijk
i  1....t
j  1....t
k  1....t
Yijk = es la observación correspondiente al k-ésimo nivel del factor de interés
( representado por las letras latinas) para la i-ésima fila y la j-ésima
columna.
= es la media general
I = es el efecto de la i-ésima fila sobre la Variable de Respuesta
 j = es el efecto de la j-ésima columna sobre la Variable de Respuesta
k = es el efecto del k-ésimo nivel del factor de interés (letra latina) sobre la
variable de respuesta
εijk= error experimental
Para sacar conclusiones válidas se deben

cumplir los siguientes supuestos:
1. Las variables aleatorias son independientes

(no correlacionadas)
2. Las variables aleatorias son normales con

media y varianza
3. Aditividad del modelo, es decir ausencia de

interacciones entre filas, columnas y niveles
del factor de interés
3
14/5/18
FILAS
H0 = 1 = 2 = ... t
H1 = al menos una de las medias de las filas es diferente...
COLUMNAS
H0 = 1 = 2 = ... t
H1 = al menos una de las medias de las columnas es diferente...
LETRAS LATINAS
H0 = 1 = 2 = ... t
H1 = al menos una de las medias de los niveles es diferente...
REGLA DE DECISIÓN (se aplica a todas las hipótesis)

Descartar H0 si Fc  F, gln, gld gln= t -1 gld= (t -1)(t -2)
Se selecciona al azar uno de los cuadrados estándar, de tal

forma que a cada fila y a cada columna se le asignan aleatoriamente cada
uno de los niveles del Factor de Interés ( representados por las letras latinas).
Ejemplos de Configuraciones Estándar para la

Aleatorización en un Cuadrado Latino
4x4 5x5 6X6

A BDC ADBEC ADCEBF
BCAD DACBE BAECFD
CDBA CBEDA CEDFAB
DACB BEACD DCFBEA
ECDAB FBADCE
EFBADC
4
14/5/18
4 Registro de datos
Observaciones 1 2 .......... t Totales
por Fila
1 Y11(t) Y12(t) Y1t(t)

Y1..
..........
2 Y21(t) Y22(t) Y2t(t)
.......... Y2..
. . . . .......... .
.
. . . . .
..........
. . . .
.......... .
t Yt1(t) Yt2(t) .......... Ytt(t) Yt..
Totales por Y.1. Y.2. Y.t. Y...

Gran Total
Columna ..........
5
L e t r a s L a t i n a s
1 2 .......... t
YA1 YB1 YZ1

..........
YA2 YB2 Y2tt
..........
.
. . .......... .
. . .
..........
. . .
..........
YAt YBt .......... Yttt
Totales
por Letras Y..2 Y..t
Latinas Y..1 ..........
5
14/5/18
Como se verifican los supuestos

del modelo?
GRAFICO DE PROBABILIDAD NORMAL
NORMALIDAD PRUEBA DE SAHPIRO-WILKS
GRAFICO DE VALORES PREDICHOS VS LOS
RESIDUOS
VARIANZA GRAFICA DE NIVELES DE FACTOR CONTRA

RESIDUOS
CONSTANTE
PRUEBA DE BARLETT PARA
HOMOGENEIDAD DE VARIANZAS
GRAFICO DEL ORDEN EN QUE SE

INDEPENDENCIA COLECTAN LOS DATOS VS RESIDUO
CORRESPONDIENTE
6 ANALISIS DE VARIANZA
F.V. gl S.C. C.M. Fc F, gln,gld
FILAS (F)
t-1
SCF SCF/(t-1) CMF/CME F, (t-1),(t-2)(t-1)
COLUMNAS
SCC
(C)
t-1 SCC/(t-1) CMC/CME F, (t-1),(t-2)(t-1)
LETRAS
LATINAS t-1 SCLL CMLL/CME F, (t-1),(t-2)(t-1)
(LL) SCLL/(t-1)
E.E. (t-2)(t-1) SCE SCE/(t-1)(t-2)
TOTAL
(T) t2 - 1
SCT
6
14/5/18
1 t 2 Y...2
SCF   Yi..  t 2
t i 1
(TC)Termino de
Corrección de la
t 2
1 Y
 . j.
suma de
SCC  2

Cuadrados
...
Y
t2
t j 1
1 t 2 Y...2
SCLL   Y..k  t 2
t k 1
t t t
Y...2
Tot   Y  2
ijk t2
i 1 j 1 k 1
SCE = Tot – SCLL – SCF - SCC
7
CALCULOS DE LOS PARAMETROS
Parámetros del Modelo:
t t t
² = CMEE
  Y ijk
 i 1 j 1 k 1
2
t
Estimación de las Estimación de las

medias de los niveles medias de las
columnas
..k  Y .. k  Y... . j.  Y . j.  Y..

k= 1........t j= 1........t
7
14/5/18
7 CALCULOS DE LOS PARAMETROS

( CONTINUACIÓN)
Estimación de las
medias de las filas
i..  Y i ..  Y...
i= 1........t
8 Intervalos de Confianza
Para las medias de los niveles del factor de interés
IC k  y .. k  t / 2 ,( t 1)( t  2 ) CMEE t
Para las medias de las columnas
IC j  y . j .  t / 2,( t 1)( t  2 ) CMEE t
Para las medias de las filas
IC i  y i ..  t / 2,( t 1)( t  2 ) CMEE t
8
14/5/18
9
Coeficiente de Determinación:
R² = (SCF + SCC + SCLL) / SCTo
Interpretación:
Es un valor entre 0 y 1
Indica que el modelo explica en ese
porcentaje la variabilidad de los
datos
PROBLEMA: EJEMPLO 5.4 Mongomery:

Suponga que un experimentador está estudiando el efecto de
cinco fórmulas diferentes de la mezcla de dinamita sobre la
fuerza de explosión observada.
Cada fórmula se prepara usando un lote de materia prima, lo

suficientemente grande para que se puedan hacer cinco
mezclas.
Las mezclas las preparan cinco operarios, pudiendo existir una
diferencia sustancial en la habilidad y experiencia entre ellos.
Debido a estos dos efectos extraños , el diseño apropiado
consiste en probar cada fórmula exactamente una vez,
utilizando cada lote de materia prima, y en que cada fórmula
sea preparada exactamente una vez por cada uno de cinco
operarios
9
14/5/18
P
R Determinar el efecto de cinco formulas ( A, B, C, D Y E) diferentes sobre la fuerza
O de explosión de la dinamita, preparadas por cinco operarios diferentes, utilizando
B cinco lotes de materia prima
L
Determinar si hay diferencias significativas en la fuerza de explosión promedio de la
E
dinamita para cinco fórmulas diferentes preparadas por cinco operarios distintos
M
con 5 lotes de materia prima
A
Yijk =  + i + j + k + εijk
M
O
D
i = 1...5 j = 1...5 k = 1...5
E
L
Yijk = es la fuerza de explosión observada para la dinamita preparada con la k´-
esima fórmula con el i-ésimo lote de materia prima, por el j-ésimo operador.
O
 = fuerza explosiva
E
S i = es el efecto del i-ésimo lote de materia prima
T
A
D
j = es el efecto del j-ésimo operario
k = es el efecto de la k-ésima fórmula (letra latina)

Í
S
T
I
C
εijk = es el error experimental
PLANTEAMIENTO DE LAS HIPÓTESIS
LOTES DE MATERIA PRIMA

H0 = 1 = 2 = ... 5
H1 = al menos una de las fuerzas promedio de explosión es diferente...
OPERADORES
H0 = 1 = 2 = ... 5
FACTOR DE INTERES
H0 = 1 = 2 = ... 5
REGLA DE DECISIÓN (igual para todas las hipótesis)

Descartar H0 si Fc  F0.05, 4, 12
10
14/5/18
ALEATORIZACIÓN:
Todas las fórmulas son preparadas por cada uno de los operarios
utilizando cada uno de los lotes de materia prima
A cada lote y a cada operario se le asignan aleatoriamente cada uno de las
fórmulas.
Una configuración de aleatorización posible es la siguiente:
OPERARIOS
Lotes de 1 2 3 4 5
Materia prima
1 A B C D E
2 B C D E A
3 C D E A B
4 D E A B C
5 E A B C D
Registro de los Datos

OPERADORES
Lotes de 1 2 3 4 5
Materia prima
1 A=24 B=20 C=19 D=24 E=24
2 B=17 C=24 D=30 E=27 A=36
3 C=18 D=38 E=26 A=27 B=21
4 D=26 E=31 A=26 B=23 C=22
5 E=22 A=30 B=20 C=29 D=31
11
14/5/18
OPERARIOS
Lotes de 1 2 3 4 5 Totales
por
Materia prima Lotes
1 A=24 B=20 C=19 D=24 E=24 111111
2 B=17 C=24 D=30 E=27 A=36 134134
3 C=18 D=38 E=26 A=27 B=21 111130
4 D=26 E=31 A=26 B=23 C=22 111128
5 E=22 A=30 B=20 C=29 D=31 111132
TTotales por Operario 107 143 121 130 134 111635
Totales por Fórmula

A B C D E
143 101 112 149 130
ANDEVA
Fuente de Suma de Grados de Cuadrado Fc F, gln, gld
Variación Cuadrados Libertad Medio
Fórmulas 330.00 4 82.50 7.73 3.259

LL
Lotes de 68.00 4 17.00

material 1.59 3.259
Filas
Operarios 150.00 4 37.50
3.51 3.259
Columnas
Error 128.00 12 10.67
Total 676.00 24
R 2  (330  68  150) / 676 635

² =10.67   25  25.4
R  0.8
2
12
14/5/18
Estimación de las Medias de los Niveles
  Y..1  Y...  28 .5  25 .4  3.2

..1
  Y..2  Y...  20 .2  25 .4  3.2
..2
  Y..3  Y...  22 .2  25 .4  3.0

..3
  Y..4  Y...  29 .8  25 .4  4.4

..4
  Y..5  Y...  26 .0  25 .4  0.6

..5
CONCLUSIONES : observando los resultados del Análisis de Varianza se puede

conluir lo siguiente:
La fuerza de explosión promedio es de 25.4 con una variabilidad de 10.67
El coeficiente de determinación es 0.8 , lo cual indica que el 80 % de la
variabilidad en la fuerza de explosión se debe a los factores estudiados
Para las fórmulas:

Fc  F, gln, gld, por lo tanto se rechaza H0

Se concluye que existe diferencia significativa en la fuerza de explosión promedio
para las cinco fórmulas
Para los lotes
En cuanto a los lotes de materia prima, se observa que Fc es menor F, gln, gld.
Por lo tanto no hay evidencias de que los lotes sean diferentes.
Para los operarios
En cuanto a los operarios, Fc es mayor F, gln, gld, por lo tanto se concluye que
existe diferencia significativa en cuanto a su habilidad para preparar las fórmulas.
En términos generales se puede concluir que no esra necesario el bloque en
ninguna de las dos direcciones
13
14/5/18
Intervalos de Confianza
Para las medias de los niveles
IC  1  28.5  2.1788 10.67 5
IC  2  20.2  2.1788 10.67 5
IC  3  22.2  2.1788 10.67 5
IC  4  29.8  2.1788 10.67 / 5
IC  5  26.0  2.1788 10.67 / 5
Bibliografía
Douglas Montgomery. Diseño y Análisis de Experimentos. Grupo Editorial
Iberoamerica
Robert Kuehl. Diseño de Experimentos. Thomson & Learning
Berenson & Levine. Estadística Básica en Administración. Prentice Hall
Miller & Freund. Probabilidad y Estadística para Ingenieros. Prentice Hall
Design and Analysis of Experiments Volumen I.Klaus Hinkelmann - Oscar

Kempthorne. John Wiley and Sons, INC 1994
Bioestadistica Principios y Procedimientos. Steel and Torrie. 2ªEdición. Mc

Graw Hill,1988.
Statistical methods in agriculture and experimental biology. R. Mead, N.

Curnow and A.M. Hasted. Editorial Chapman & Hall. 1.993.
Biometría. Principios y métodos estadísticos en la investigación. Robert R.

Sokal y F. James Rohlf.
Bioestadística. William C. Schefler. Fondo Educativo Interamericano, S.A.,
1981.
14
14/5/18
DISEÑO
EXPERIMENTAL
DISEÑO CUADRADO LATINO
(DCL)
Prof. Ing. Cecibel Torres M - MBA
15

Diseño experimental cuadrado latino (DCL) para menos de

Încărcat de

Informații document

Descriere originală:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Diseño experimental cuadrado latino (DCL) para menos de

Încărcat de

Drepturi de autor:

Formate disponibile

14/5/18

Prof. Ing. Cecibel Torres M - MBA

DISEÑO EN CUADRADO LATINO

bloque y uno de tratamientos;

I = es el efecto de la i-ésima fila sobre la Variable de Respuesta

 j = es el efecto de la j-ésima columna sobre la Variable de Respuesta

Para sacar conclusiones válidas se deben

1. Las variables aleatorias son independientes

2. Las variables aleatorias son normales con

3. Aditividad del modelo, es decir ausencia de

REGLA DE DECISIÓN (se aplica a todas las hipótesis)

Se selecciona al azar uno de los cuadrados estándar, de tal

Ejemplos de Configuraciones Estándar para la

Aleatorización en un Cuadrado Latino

4x4 5x5 6X6

1 Y11(t) Y12(t) Y1t(t)

Totales por Y.1. Y.2. Y.t. Y...

YA1 YB1 YZ1

Como se verifican los supuestos

NORMALIDAD PRUEBA DE SAHPIRO-WILKS

VARIANZA GRAFICA DE NIVELES DE FACTOR CONTRA

GRAFICO DEL ORDEN EN QUE SE

F.V. gl S.C. C.M. Fc F, gln,gld

E.E. (t-2)(t-1) SCE SCE/(t-1)(t-2)

SCE = Tot – SCLL – SCF - SCC

Estimación de las Estimación de las

..k  Y .. k  Y... . j.  Y . j.  Y..

7 CALCULOS DE LOS PARAMETROS

Para las medias de las columnas

IC j  y . j .  t / 2,( t 1)( t  2 ) CMEE t

Para las medias de las filas

IC i  y i ..  t / 2,( t 1)( t  2 ) CMEE t

PROBLEMA: EJEMPLO 5.4 Mongomery:

Cada fórmula se prepara usando un lote de materia prima, lo

k = es el efecto de la k-ésima fórmula (letra latina)

PLANTEAMIENTO DE LAS HIPÓTESIS

LOTES DE MATERIA PRIMA

H1 = al menos una de las fuerzas promedio de explosión es diferente...

REGLA DE DECISIÓN (igual para todas las hipótesis)

Registro de los Datos

2 B=17 C=24 D=30 E=27 A=36

3 C=18 D=38 E=26 A=27 B=21

4 D=26 E=31 A=26 B=23 C=22

5 E=22 A=30 B=20 C=29 D=31

1 A=24 B=20 C=19 D=24 E=24 111111

3 C=18 D=38 E=26 A=27 B=21 111130

4 D=26 E=31 A=26 B=23 C=22 111128

5 E=22 A=30 B=20 C=29 D=31 111132

TTotales por Operario 107 143 121 130 134 111635

Totales por Fórmula

Fórmulas 330.00 4 82.50 7.73 3.259

Lotes de 68.00 4 17.00

R 2  (330  68  150) / 676 635

Estimación de las Medias de los Niveles

  Y..1  Y...  28 .5  25 .4  3.2

  Y..3  Y...  22 .2  25 .4  3.0

  Y..4  Y...  29 .8  25 .4  4.4

  Y..5  Y...  26 .0  25 .4  0.6

CONCLUSIONES : observando los resultados del Análisis de Varianza se puede

Para las fórmulas:

Fc  F, gln, gld, por lo tanto se rechaza H0

IC  1  28.5  2.1788 10.67 5