Vous êtes sur la page 1sur 15

DISEO POR BLOQUES COMPLETOS Y ALEATORIZADOS

El diseo por bloques completos y aleatorizados fue creado alrededor de


1925 por R. A. Fisher, quien buscaba mtodos para el mejoramiento de
experimentos en el campo agrcola. El diseo por bloques completos y
aleatorizados es un diseo en el que las unidades (llamadas unidades de
experimentacin) a las que se aplican los tratamientos son subdivididas
en grupos homogneos llamados bloques, de tal manera que el nmero
de unidades de experimentacin en un bloque es igual al nmero (o a un
mltiplo del mismo) de tratamientos en estudio. Luego se asignan los
tratamientos en forma aleatoria a las unidades experimentales dentro de
cada bloque. Es necesario hacer notar que cada uno de los tratamientos
aparece en todos los bloques, y cada bloque recibe todos los
tratamientos.
Objetivo. El objetivo al utilizar el diseo por bloques completos y
aleatorizados es aislar y eliminar del trmino de error la variacin
atribuible a los bloques, y asegurar que las medias del tratamiento estn
libres de los efectos del bloque. La eficacia del diseo depende de la
capacidad de conseguir bloques homogneos de unidades de
experimentacin. Esta capacidad depende del conocimiento de los
investigadores acerca del material experimental. Cuando el diseo se
utiliza con eficacia, el cuadrado medio del error en la tabla ANOVA se
reduce, aumenta la R.V. y mejora la probabilidad de rechazar la hiptesis
nula.
En experimentos con animales, si se piensa que las diferentes cepas
de animales respondern de manera diferente a un mismo tratamiento, la
cepa se puede utilizar como un factor para formar bloques. Las carnadas
tambin pueden utilizarse como bloques, en cuyo caso un animal de cada
carnada recibe un tratamiento. En experimentos en los que intervienen
seres humanos, si se desea eliminar las diferencias que resultan de la
edad, los individuos pueden agruparse de acuerdo con la edad, de tal
forma que una persona de cada edad recibe el tratamiento respectivo. El
diseo por bloques completos y aleatorizados tambin se puede utilizar
de manera eficaz cuando el experimento se lleva a cabo en ms de un
laboratorio (bloque) o cuando se requieren varios das (bloques) para
terminarlo.
Ventajas: Una de las ventajas del diseo por bloques completos y
aleatorizados es que se comprende fcilmente. Adems, algunas
complicaciones que podran surgir en el transcurso de un experimento
son fciles de controlar cuando se utiliza este diseo.
Resulta conveniente sealar que el anlisis de comparaciones por parejas
que aparece en el captulo 7 es un caso especial del diseo por bloques

completos y aleatorizados. El ejemplo 7.4.1. Puede ser como un diseo


por bloques completos y aleatorizados en el que los dos puntos en el
tiempo (antes y despus) son los tratamientos, y los individuos sobre los
que se hacen las mediciones son los bloques.
Despliegue de datos: En general, los datos de un experimento que utiliza
el diseo por bloques completos y aleatorizados pueden presentarse en
tablas como la 8.3.1. Se debe observar la siguiente notacin nueva:

Lo cual indica que el gran total se puede obtener sumando los totales de
los renglones o sumando los totales de las columnas.
TABLA 1. Tabla de valores aleatorios para el diseo por bloques
completos y aleatorizados

ANOVA bilateral. La tcnica para analizar los datos de un diseo por


bloques completos y aleatorizados se llama anlisis de la variancia
bilateral, porque una observacin se clasifica con base en dos criterios: el
bloque al que pertenece y el grupo de tratamiento del cual forma parte.

Los pasos para la prueba de hiptesis, si se utiliza el diseo por


bloques completos y aleatorizados, es como sigue:

1. Datos. Despus de identificar los tratamientos, los bloques y las


unidades de experimentacin, los datos pueden presentarse por
conveniencia, como en la tabla 1.
2. Supuestos. El modelo para el diseo por bloques completos y
aleatorizados se fundamenta en las siguientes suposiciones:
El modelo es

En este
Xij

bij

modelo

es el valor representativo de toda la poblacin


es una constante desconocida.
representa un efecto de bloque que refleja el hecho de que la unidad
de experimentacin cae en el i-simo bloque.
tj representa el efecto de un tratamiento que refleja el hecho de que la
unidad de experimentacin recibe el j-simo tratamiento
eij es un componente residual que representa toda las fuentes de
variacin que no son tratamientos ni bloques.

Supuestos del modelo


a. Cada Xij que se observa constituye una muestra aleatoria
independiente de tamao 1 a partir de una de las kn poblaciones
representadas.
b. Cada una de estas kn poblaciones sigue una distribucin normal con
una media ij y la misma variancia 2, Esto implica que los eij siguen
una distribucin normal e independiente con una media igual a 0 y
variancia 2.
c. Los efectos del tratamiento y del bloque son aditivos. Esta
suposicin se interpreta como la no existencia de interaccin entre
los tratamientos y bloques. En otras palabras, una combinacin
particular de bloque- tratamiento no produce un efecto que sea
mayor o menor que la suma de sus efectos individuales. Es posible
demostrar que cuando esta suposicin se satisface

Las consecuencias de contravenir esta suposicin son resultados


engaosos. No es necesario preocuparse por la suposicin de
adicin, a menos que la media mayor sea en ms de 50 por ciento
ms grande que la media menor.
Cuando estas suposiciones son verdaderas, j y j, son un conjunto de
constantes fijas, y se tiene una situacin que se ajusta al modelo de
efectos fijos.

3. Hiptesis. Se puede probar


H 0 : tj = 0, j = 1, 2, . .. , k

Contra la alternativa
H A : no todas las j = 0
Una prueba de hiptesis respecto a los efectos del bloque no se
efecta, por lo general, bajo las suposiciones del modelo de efectos
fijos por dos razones. Primero, el inters principal est en los efectos
del tratamiento, siendo el propsito general de los bloques
proporcionar una forma de eliminar las fuentes extraas de variacin.
Segundo, aunque las unidades experimentales se asignen al azar a los
tratamientos, los bloques no se obtienen de manera aleatoria.
4. Estadstica de prueba. La estadstica de prueba es R.V.
5. Distribucin de la estadstica de prueba. Cuando H 0 es
verdadera y se cumplen las suposiciones, R.V. sigue una distribucin
F.
6. Regla de decisin. Se rechaza la hiptesis nula si el valor calculado
para la estadstica de prueba R.V. es mayor o igual que el valor crtico
de F.
7. Clculo de la estadstica de prueba. Puede mostrarse que la suma
total de los cuadrados para el diseo por bloques completos y
aleatorizados puede dividirse en tres componentes, cada uno
atribuible a los tratamientos (SCtrat), bloques (SCbloq) y error (SCresidual).
Esto es:
SCtotal = SCbloq + SCtrat + scresidual
Las frmulas para las cantidades en la ecuacin 8.3.2 son las siguientes:

Los grados de libertad adecuados para cada componente en la ecuacin


8.3.2 son:
total

bloques

kn =
1

= (n1)

tratamient
os
+ (k +
1)

(error)
residual
+ (n-1)(K-1)

Los grados de libertad residuales, al igual que la suma de cuadrados


residuales, pueden calcularse mediante una resta como sigue:
(kn -1) - (n -1) - (k -1) = kn -1 - n +1 - k +1
= n(k-1)-l(k-1) = (n-1)(k-1)

Tabla ANOVA
Los resultados de los clculos para el diseo por bloques completos y
aleatorizados pueden desplegarse en una tabla ANOVA como la 8.3.2

TABLA 2. Tabla ANOVA para el diseo por bloques completos y


aleatorizados

8.
Decisin estadstica. Es posible mostrar que, cuando el
modelo de efectos fijos se aplica y la hiptesis nula de no efectos
del tratamiento (todas las i = 0) es verdadera, tanto el cuadrado
medio del error, o residual, como el cuadrado medio de los
tratamientos son estimaciones para la variancia comn 2. Por lo
tanto, cuando la hiptesis nula es verdadera, la cantidad
CMtrat /CMresidual

sigue una distribucin F con k - 1 grados de libertad en el numerador y (n


- 1) x (k - 1) grados de libertad en el denominador. La razn de la
variancia calculada, por lo tanto, se compara contra el valor crtico de F.
9.
Conclusin. Si se rechaza H0, se concluye que la hiptesis
alternativa es verdadera. Si no se rechaza H0, se concluye que H0
puede ser verdadera.
10.

Valor de p

El siguiente ejemplo muestra el uso del diseo por bloques completos


y aleatorizados.
EJEMPLO 1.
Un fisioterapeuta tena como propsito comparar tres mtodos para
ensear a sus pacientes a utilizar cierto mecanismo protsico. Consider
que el porcentaje de aprendizaje sera diferente en pacientes con
diferentes edades, y quiso disear un experimento en el que la edad
fuera tomada en cuenta.
Solucin: El diseo por bloques completos y aleatorizados es un diseo
adecuado para el fisioterapeuta.
1) Datos. Escogi al azar a tres pacientes por grupo para formar
cinco grupos de edad para que participaran en el experimento,
y a cada uno de los pacientes en cada grupo de edad se le
asign al azar un mtodo de enseanza. Los mtodos de

instruccin forman tres tratamientos, y los cinco grupos de


edad son los bloques. Los datos que se obtuvieron se muestran
en la tabla 8.3.3.
2) Supuestos. Se supone que cada una de las 15 observaciones
forman una muestra aleatoria de tamao 1 a partir de una de
las 15 poblaciones definidas por la combinacin de bloques y
tratamientos. Por ejemplo, se supone que el nmero 7 en la
tabla forma una respuesta seleccionada al azar a partir de una
poblacin de respuestas que resultara si la poblacin de
individuos con edades menores a 20 aos recibiera el mtodo
de enseanza A. Se supone que las respuestas en las 15
poblaciones representadas siguen una distribucin normal con
variancias iguales.
3) Hiptesis.
H0: tj = 0
j = 1, 2, 3
HA no todas las j = 0
Sea = .05.

4) Estadstica de prueba. La estadstica de prueba es R.V. =


CMtrat /CMresidual
TABLA 3. Tiempo (en das) necesario para aprender a utilizar
cierto aparato protsico

5) Distribucin de la estadstica de prueba. Cuando Hg es


verdadera y las suposiciones se cumplen, R.V. sigue una
distribucin F con 2 y 8 grados de libertad.

6) Regla de decisin. Rechazar la hiptesis nula si el valor


calculado de R.V. es mayor o igual que el valor crtico de F. El
valor de F, 4.46, se puede localizar en la tabla G.

7) Clculo de la estadstica de prueba. Se calculan las


siguientes sumas de cuadrados:

Los grados de libertad en total son = (3) (5) - 1 = 14, bloques = 5 1 = 4 , tratamientos = 3 - 1 - 2, y el (error) residual = (5 - 1)(3 - 1)
= 8. Los resultados de los clculos pueden desplegarse en una tabla
ANOVA como la que se muestra en la tabla 4.
TABLA 4. Tabla ANOVA para el ejemplo 8.3.1

8) Decisin

estadstica. Puesto que la razn dla variancia,


20,91, es mayor que 4.46, se rechaza la hiptesis nula de que
no hay efectos del tratamiento bajo la suposicin de que una
R.V. tan grande refleja que el cuadrado medio de las dos
muestras no son estimaciones de la misma cantidad. La otra
nica explicacin para esa R.V tan grande sera que la hiptesis
nula es realmente verdadera, y que se observ un conjunto de
resultados inusuales. Se descarta la segunda explicacin en
favor de la primera.

9) Conclusin.

Se concluye que no todos los efectos de los


tratamientos son iguales a cero, o equivalentes, es decir que no
todos los tratamientos son iguales.

10)

Valor de p. Para esta prueba p < .005.

Anlisis por computadora Muchos paquetes de software estadstico


analizan los datos a partir de diseos por bloques completos y
aleatorizados, A continuacin se muestra la entrada y la salida del

paquete MINITAB. Los datos del experimento servirn para alimentar la


hoja de trabajo de MINITAB formada por tres columnas. La columna 1
contiene las observaciones, la columna 2 contiene los nmeros que
identifican el bloque a que corresponde cada observacin. La columna
tres contiene los nme- 1 ros que identifican el tratamiento a que
corresponde cada observacin. La figura 1 muestra la hoja de trabajo de
MINITAB para el ejemplo 1. La figura 2 muestra las cajas de dilogo para
comenzar el anlisis y la tabla ANOVA que resulta.

FIGURA 1. Hoja de trabajo de MINITAB para los datos de la figura 8.3.2.

FIGURA 2. Caja de dilogo y resultados para el anlisis de la variancia


bilateral, ejemplo 1. MINITAB.

FIGURA 3. Resultados impresos parcialmente para el ejemplo 1. Paquete


MINITAB.
La tabla ANOVA producida por el paquete SAS para el anlisis del
ejemplo 1 se muestra en la figura 3 Observe que en estos resultados el
modelo SC es igual a la suma de SCbloq y SCtrat
Alternativas Cuando los datos disponibles no cumplen las suposiciones
del diseo por bloques completos y aleatorizados tal como se estudia
aqu, puede ser conveniente un procedimiento alternativo no-parmetrico
como el de Friedman.

EJERCICIOS PROPUESTOS
Para los ejercicios del 1 al .5 aplique el procedimiento de los diez
pasos de la prueba de hiptesis para el anlisis de la variancia.

1. Druml et al. (A-ll) tenan como propsito, en uno de sus estudios,


evaluar el impacto de la alcalosis respiratoria sobre la eliminacin del
lactato administrado por va intravenosa. Realizaron el estudio en ocho
individuos que eran pacientes con tratamiento de respiracin asistida
debido
a
que
presentaban
enfermedades
neurolgicas
o
neuromusculares, Se tomaron mediciones, al azar y en dos ocasiones, de

las concentraciones plasmticas de lactato: primero, durante la


respiracin normal, y despus durante la alcalosis inducida por
hiperventilacin controlada. Se evalu la eliminacin de lactato cinco
minutos despus de administrar 1 mmol/ kg de peso corporal de cido Llctico. Los siguientes datos representan los niveles de lactato del plasma
(mmol/1) 90 minutos despus de administrarlo a cada uno de los
pacientes por cada ocasin.

Despus de eliminar los efectos en los individuos, es posible concluir que


la concentracin media de lactato en el plasma es diferente durante la
respiracin normal y durante la hiperventilacin? Sea = .05.

2. McConville et al. (A-12) informaron acerca de los efectos que produce


masticar una pieza de goma de mascar con nicotina (2 miligramos)
en la frecuencia con que se presenta un tic en pacientes con
desrdenes de Tourette tratados inadecuadamente con haloperidol.
Los siguientes datos corresponden a la frecuencia del tic nervioso
bajo cuatro condiciones.

Despus de disipar los efectos en el paciente, es posible concluir que el


nmero medio de tics difiere en las cuatro condiciones? Sea a = .01.
3. Un equipo de especialistas en remotivacin, en un hospital
psiquitrico, condujo un experimento para comparar cinco mtodos para
remotivar a los pacientes. Estos fueron agrupados de acuerdo con el nivel
de motivacin inicial. En cada grupo, los pacientes fueron asignados al
azar a los cinco mtodos. Al final del periodo experimental, un equipo de
trabajo formado por un psiquiatra, un psiclogo, una enfermera y un
trabajador social evaluaron a los pacientes. Ningn miembro del equipo
de evaluacin saba de los mtodos que fueron asignados a los pacientes.
El equipo asign a cada paciente una calificacin como medida de su
nivel de motivacin. Los resultados son los siguientes:

Proporcionan estos datos evidencia suficiente que indique una diferencia


en las calificaciones medias entre los mtodos? Sea a = .05.

4. La enfermera supervisora de un departamento de salud local quera


analizar el efecto de la hora del da en la duracin de las visitas
domiciliarias realizadas por el personal de enfermera. Pensaba que las
diferencias individuales entre las enfermeras podan ser grandes, por lo
que utiliz a las enfermeras como un factor de formacin de bloques.
Recolect adems los siguientes datos:

Proporcionan estos datos evidencia suficiente para indicar una diferencia


en la duracin de las visitas domiciliarias en las diferentes horas del da?
Sea a = .05.
5. Cuatro individuos participaron en un experimento para comparar tres
mtodos de liberacin de la tensin nerviosa. Cada individuo fue puesto
en una situacin de tensin nerviosa en tres ocasiones diferentes. Por
cada vez se utiliz un mtodo diferente para reducir el estrs en cada
individuo. La variable de respuesta es el total de reduccin del nivel de
tensin nerviosa antes y despus de la aplicacin del tratamiento. Los
resultados son los siguientes:

Es posible concluir a partir de estos datos que los tres mtodos difieren
en eficacia? Sea a = .05.
6. En un estudio realizado por Valencia et al. (A-13) se midieron los
efectos de la temperatura ambiental y la humedad en el gasto energtico
durante 24 horas mediante calorimetra indirecta de todo el cuerpo en
ocho hombres jvenes con peso normal. Los individuos estudiados
utilizaron ropa ligera y siguieron un rgimen de actividad controlada. Se

evaluaron los efectos de la temperatura medida a 20, 23, 26 y 30 grados


Celsius en un ambiente hmedo, y en un ambiente altamente hmedo
con temperaturas de 20 y 30 grados Celsius. Cul es la variable bloqueo?
Cul es la variable tratamiento? Cuntos bloques existen? Cuntos
tratamientos hay? Elabore una tabla ANOVA en la que se especifiquen las
fuentes variabilidad y los grados de libertad para cada una. Cules son
las unidades experimentales? Cules son las variables extraas que
pueden influir y podran incluirse en el trmino de error?
7. Hodgson et al. (A-14) realizaron un estudio en el cual indujeron
dilatacin gstrica en seis perros con anestesia, mantenidos con dosis
constantes de isofluorano en oxgeno. Compararon las mediciones
cardiopulmonares antes de la distensin estomacal (medidas de lnea de
base) contra las mediciones tomadas durante .1, .5, 1.0, 1.5, 2.5 y 3.5
horas de distensin estomacal para analizar los cambios a partir de las
medidas de lnea de base. Despus de la distensin estomacal, los ndices
cardiacos aumentaron de 1.5 a 3.5 horas. No hubo cambios en el volumen
sistlico. Durante la insuflacin, se observ un incremento en la presin
arterial sistmica, arterial pulmonar y auricular derecha. No cambi la
frecuencia de la respiracin. La PaO2 tendi a disminuir durante la
dilatacin gstrica. Cules son las unidades de experimentacin? Cules
son los bloques? Cul es la variable tratamiento? Cul es la variable o
variables respuesta? Qu variables extraas pueden causar efectos que
pudieran incluirse en el trmino de error? Elabore una tabla ANOVA para
este estudio en el que se identifiquen las fuentes de variabilidad y se
especifiquen los grados de libertad.

Vous aimerez peut-être aussi