Diseño de bloques

completamente al azar
(DBCA)

 El diseño en bloques completos al azar trata de comparar tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloques y el error aleatorio. El adjetivo completo se refiere a que en cada bloque
se prueban todos los tratamientos. La aleatorización se hace dentro de cada bloque.
 Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. las unidades
experimentales homogéneas se agrupan formando grupos homogéneos llamados bloques.

Tratamientos A, B, C, D, E
Bloque I : B A E C D Bloque II : C B D E A Bloque III: B E A D C Bloque IV: D C A E B
Las Fuente de variación para el análisis estadístico son:
Fuentes Grados de libertad
Tratamiento (t-1)
Bloques (r-1)
Error (t-1) (r-1)
 Diseño de bloques
completamente al azar
(DBCA)

Características generales
1 2 3 4 5 6
B1
T5 T1 T6 T4 T3 T2
La principal característica que distingue a este 7 8 9 10 11 12
diseño es la presencia de bloques o franjas de igual B2
tamaño, conteniendo a cada uno de los T2 T1 T4 T5 T6 T3
tratamientos que se ensayan. 13 14 15 16 17 18
B3
La formación de bloques reduce el error T1 T6 T3 T2 T4 T5
experimental eliminando la contribución de
fuentes de variación conocidas sobre las unidades
experimentales.
Debido a que solo la variación dentro de bloques Esquema de aleatorización en donde
resulta parte del error experimental la cada tratamiento (Ti) ocurre una sola
conformación de los bloques es más efectiva vez en cada bloque.
cuando el área experimental tiene un gradiente de
productividad predecible.
 Diseño de bloques
completamente al azar
(DBCA)

Proceso de aleatorización en el diseño de Bloques

Completamente al azar
La aleatorización de los tratamientos sobre las unidades experimentales, se realiza
independientemente para cada bloque, asignando al azar un tratamiento a cada unidad
experimental del propio bloqueo.
Durante el experimento todas las parcelas dentro del bloque se deben tratar igual, excepto
cuando se aplique un tratamiento cuyo efecto se quiera medir.
 Diseño de bloques
completamente al azar
(DBCA)

Modelo Lineal
El modelo aditivo lineal es una expresión algebraica que condensa todos los factores
presentes en la investigación. Resulta útil para sintetizar que factores son independientes o
dependientes, cuáles son fijos o aleatorios, cuáles son cruzados o anidados.

El modelo lineal que define a un diseño de bloques completos al azar es el siguiente:

Donde:
yij = respuesta observada con el tratamiento i en el bloque j
µ = media general
yij=µ+ti+ßj+Ԑij ti = efecto del tratamiento i; i=1,2,…,t
ßj = efecto del bloque j; j=1,2,…,r
Ԑij = termino de error asociado al tratamiento i en el bloque j
 Diseño de bloques
completamente al azar
(DBCA)

Modelo Estadístico

Cuando se decide utilizar un DBCA, el experimentador piensa que cada medición será el
resultado del efecto del tratamiento donde se encuentre, del efecto del bloque al que
pertenece y de cierto error que se espera sea aleatorio.
 Diseño de bloques
completamente al azar
(DBCA)

El cuadro de análisis de varianza (ANOVA)

Es un arreglo dado por las fuentes de variación, seguido de los grados de libertad, de las
sumas de cuadrados, de los cuadrados medios de cada componente, así como del valor F y su
probabilidad de significación (valor P).
 Diseño de bloques
completamente al azar
(DBCA)
El cuadro de análisis de varianza (ANOVA)
Fuente de Grados de Suma de cuadrados Cuadrado medio F. F. Tablas
variación Libertad Calculada

Este valor se
obtiene de tablas,
utilizando grados
σ𝑡𝑗=1 𝑇𝑗2 𝑆𝐶𝑇 𝐶𝑀𝑇 de libertad del
Tratamieto t-1 SCT= −𝐶 CMT = tratamiento y del
𝑟 𝑡−1 𝐶𝑀𝐸
error, así como el
nivel de confianza
a utilizar.

σ𝑡𝑖=1 𝐵𝑖2 𝑆𝐶𝐵 𝐶𝑀𝐵

Bloques r-1 SCB= −𝐶 CMB =
𝑡 𝑟−1 𝐶𝑀𝐸

Error 𝑆𝐶𝐸
(t-1)(r-1) 𝑆𝐶𝐸 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − 𝑆𝐶𝐵 − 𝑆𝐶𝑇 𝐶𝑀𝐸 =
Experimental (𝑟 − 1)(𝑡 − 1)

Total (t r-1) SCtotal= σ 𝑦 2 − 𝐶

 Diseño de bloques
completamente al azar
(DBCA)

Ventaja Desventaja
(BCA) (BCA)

·Se caracteriza por su ·Su única desventaja es

equilibrio. que cuando el número
de tratamientos es alto,
aumenta la superficie
·Fácil planeación y del terreno dentro de
procedimiento de cada bloque y también
cálculo simple. el error experimental.
 Diseño de bloques
completamente al azar
(DBCA)

CONCLUSIÓN

 DBCA, es un diseño bien equilibrado.

 Es fácil de planear y cuenta con cálculos simples.

 Al aumentar la superficie del terreno aumentan la información para

procesar.
 Diseño de bloques
completamente al azar
(DBCA)
APLICACIÓN
Para ilustrar el diseño, supongamos que queremos determinar si cuatro laboratorios miden la misma
resistencia característica del hormigón a compresión. Para ello se han considerado 5 amasadas diferentes
que han sido analizadas por cada uno de los laboratorios. A los 28 días, se han roto las probetas a
compresión simple y los resultados son los que hemos recogido en la tabla que sigue.

BLOQUES
AMASADAS
TRATAMIENTOS 1 2 3 4 5
LABORATORIO 1 63,5 63,2 62,3 65,6 65,0

LABORATORIO 2 64,1 64,2 63,0 64,2 64,9

LABORATORIO 3 65,9 65,0 63,9 66,0 65,8

LABORATORIO 4 64,9 65,2 64,1 64,9 67,9

 Diseño de bloques
completamente al azar
(DBCA)
APLICACIÓN

Variable de respuesta: Resistencia característica del hormigón a compresión (Mpa)

Factor: Laboratorio, con 4 Niveles
Bloques: Amasada (no son objeto directo de motivo del estudio)
No hay interacción entre el laboratorio y la amasada (entre factor y bloque)
 Diseño de bloques
completamente al azar
(DBCA)

• En este caso, la variable de respuesta es la resistencia característica del hormigón a compresión

(MPa), el factor es el laboratorio (4 niveles), el bloque es la amasada (no son objeto directo de
motivo del estudio). Por otra parte, se considera que no existe interacción entre el laboratorio y la
amasada (factor y bloque).
• En este tipo de experimento, la medición será el resultado del efecto del tratamiento (laboratorio)
donde se encuentre, del efecto del bloque al que pertenece (amasada) y de cierto error que se
espera que sea aleatorio. La hipótesis de que las medias son iguales se va a analizar con el
análisis de la varianza (ANOVA), con dos criterios de clasificación.
• A parte de los suspuesto de normalidad, igualdad de varianzas y de independencia, aquí se añade
otro que es que no existe interacción entre el factor y el bloque.
• Para los curiosos, después de haber analizado los datos, diremos que en este caso, con una
seguridad del 95%, se aprecian diferencias significativas entre las resistencias medidas por los
laboratorios 1 y 3, entre los laboratorios 1 y 4, y entre los laboratorios 2 y 4.
 Diseño de bloques
completamente al azar
(DBCA)

 Se realiza la suma para obtener el total

BLOQUE
AMASADAS
TRATAMIENTOS 1 2 3 4 5 Total Promedio
LABORATORIO 1 63,5 63,2 62,3 65,6 65,0 319.6 63,92
LABORATORIO 2 64,1 64,2 63,0 64,2 64,9 320,4 64,08
LABORATORIO 3 65,9 65,0 63,9 66,0 65,8 326,6 65,32
LABORATORIO 4 64,9 65,2 64,1 64,9 67,9 327,0 64,40
Total 258,4 257,6 253,3 260,7 263,6 1293,6 258,72
Promedio 64,6 64,4 63,33 65,18 65,9
 Diseño de bloques
completamente al azar
(DBCA)

 Se procede a la realización de los cálculos correspondientes para la construcción del ANOVA.

𝐺2 1293.62
C= = = 83 670.05
𝑟𝑡 20

σ𝑡𝑗=1 𝑇𝑗2 319.62 +320.42 +326.62 +327.02

SCT= −𝐶 = − 83 670.05 = 9.33
𝑟 5
σ𝑡𝑖=1 𝐵𝑖2 258.42 +257.62 +253.32 +260.72 +263.62
SCB= −𝐶 = − 9.33 = 83 675.34
𝑡 4

SCE = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − 𝑆𝐶𝐵 − 𝑆𝐶𝑇 = 83690.85 − 83675.34 − 9.33 = 6.18

SCtotal= σ 𝑦 2 − 𝐶 = 63.52 + 64.12 + 65.92 … . . +65.82 + 67.92 − 9.33 = 83690.85
 Diseño de bloques
completamente al azar
(DBCA)

 Se procede a la realización de los cálculos correspondientes para la construcción del ANOVA.

𝑆𝐶𝑇 9.33
CMT = = = 3.11
𝑡−1 3

𝑆𝐶𝐵 83675.34
CMB = = = 20918.84
𝑟−1 4
𝑆𝐶𝐸 6.18
CM𝐸 = = = 0.52
(𝑟−1)(𝑡−1) (4)(3)

𝐶𝑀𝑇 3.11
= = 5.98
𝐶𝑀𝐸 0.52
𝐶𝑀𝐵 20918.84 𝐶𝑀𝑇 3.11
= = 40228.54 Fo= 𝐶𝑀𝐸 = = 5.98
𝐶𝑀𝐸 0.52 0.52
 Diseño de bloques
completamente al azar
(DBCA)

 Se elabora el Análisis de Varianza

Fuente de Grados de Suma de Cuadrado F. Calculada

variación libertad cuadros medio

Tratamientos 3 9.33 3.11 5.98

Bloques 4 83675.34 20918.84
Error 12 6.18 0.52
Total 19 83690.85
 Diseño de bloques
completamente al azar
(DBCA)
 Determinar la significancia estadística de los valores de F
Prueba de hipótesis para Bloques

Hipótesis nula : bi=bj “No hay diferencias entre bloques”

Hipótesis alternativa: bi ≠ bj “Si hay diferencias entre bloques”
Regla de decisión:
Rechazar la hipótesis nula, si F Bloques > F [a; (r-1), (r-1)(t-1) g.l.]

Prueba de hipótesis para Tratamientos

Hipótesis nula : ti=tj “No hay diferencias entre las medias de los tratamientos”
Hipótesis alternativa: ti ≠ tj “Existen diferencias para al menos un par de
tratamientos”
Rechazar la hipótesis nula, si F Tratamientos > F [a; (t-1), (r-1)(t-1) g.l.]