Académique Documents
Professionnel Documents
Culture Documents
8.1. Introduccin
El modelo en cuadrado greco-latino se puede considerar como una extensin del
cuadrado latino en el que se incluye una tercera variable de control o variable de bloque.
En este modelo, como en el diseo en cuadrado latino, todos los factores deben tener el
mismo nmero de niveles K y el nmero de observaciones necesarias sigue siendo K 2 . Este
diseo es, por tanto, una fraccin del diseo completo en bloques aleatorizados con un
factor principal y 3 factores secundarios que requerira K 4 observaciones.
Los cuadrados greco-latinos se obtienen por superposicin de dos cuadrados latinos del
mismo orden y ortogonales entre s, uno de los cuadrados con letras latinas el otro con
letras griegas. Dos cuadrados reciben el nombre de ortogonales si, al superponerlos, cada
letra latina y griega aparecen juntas una sola vez en el cuadrado resultante.
En el Apndice C se muestra una tabla de cuadrados latinos que dan lugar, por su-
perposicin de dos de ellos, a cuadrados greco-latinos. Notamos que no es posible formar
cuadrados greco-latinos de orden 6.
La Tabla 5-8 ilustra un cuadrado greco-latino para K = 4
Tabla 5-8.
Cuadrado greco-latino
A B C D
D C B A
B A D C
C D A B
1
2 Diseos en cuadrados greco-latinos
y....
y.... = yij(..) y.... =
K2
i j
K
yi...
yi... = yij(..) yi... = (8.2)
K
j=1
8.3 Estimacin de los parmetros del modelo 3
K
y.j..
y.j.. = yij(..) y.j.. = (8.3)
K
i=1
y..h.
y..h. = yij(h.) y..h. = (8.4)
K
i,j
y...p
y...p = yij(.p) y...p = (8.5)
K
i,j
y..h. se obtiene sumando las K observaciones en las que la letra latina se ha jado al
nivel h.
y...p se obtiene sumando las K observaciones en las que la letra griega se ha jado al
nivel p.
Comentario 8.1
Uno de los inconvenientes del cuadrado greco-latino, al igual que el cuadrado latino, es
que requiere el mismo nmero de niveles para los cuatro factores que intervienen. Adems
no hay cuadrados greco-latinos de dimensin 6.
yij(..)
i j
= = y.... , (8.6)
K2
K
1
i = yij(..) = yi... y.... , (8.7)
K
j=1
K
1
j = yij(..) = y.j.. y.... , (8.8)
K
i=1
4 Diseos en cuadrados greco-latinos
1
h = yij(h.) = y..h. y.... , (8.9)
K i,j
1
p = yij(.p) = y...p y.... , (8.10)
K i,j
1 2
2 = yij.. i j h p . (8.11)
N
i,j
8.3.1. Residuos
Los residuos en este modelo adoptan la expresin
Como en el diseo en cuadrado latino los residuos suman cero por las, por columnas,
para cada letra latina y adems tambin deben sumar cero para cada letra griega. Por lo
tanto, el nmero de grados de libertad de los residuos es (K 1)(K 3). En efecto
Se verican las mismas propiedades para los estimadores mximo-verosmiles que en los
modelos anteriores. En este modelo la expresin de la varianza residual tiene la siguiente
forma
K K K K
2
yij(hp) yij(hp) e2ij(hp)
i=1 j=1 i=1 j=1
2 = SR
2
= = . (8.13)
(K 1)(K 3) (K 1)(K 3)
K K K K
(yij(hp) y.... )2 = K (yi... y.... )2 + K (y.j.. y.... )2 +
i=1 j=1 i=1 j=1
K K
K (y..h. y.... )2 +K (y...p y.... )2 + (8.14)
h=1 p=1
K K
(yij(hp) yi... y.j.. y..h. y...p + 3y.... )2
i=1 j=1
K
K 2j
(8.16)
j=1
E(CMC) = E(SC2 ) = 2 +
K 1
K
K 2h
(8.17)
h=1
E(CML) = E(SL2 ) = 2 +
K 1
K
K 2p
(8.18)
2 ) = 2 + p=1
E(CM G) = E(SG
K 1
2 ) = 2
E(CMR) = E(SR (8.19)
Como en el modelo anterior, este diseo tiene la propiedad de que todos los contrastes
H0 : i = 0, i H0 : h = 0, h
; (8.20)
H0 : j = 0, j H0 : p = 0, p
son ortogonales. Y los estadsticos de contraste para vericar dichas hiptesis son, respec-
tivamente
SCF/ 2 SCL/2
K 1 SF2 K 1 SL2
F = = ; F = =
SCR/2 SR2 SCR/ 2 2
SR
(K 1)(K 3) (K 1)(K 3)
SCC/2 SCG/ 2
K 1 SC2 K 1
2
SG
F = = ; F = = .
SCR/2 SR2 SCR/ 2 2
SR
(K 1)(K 3) (K 1)(K 3)
(8.21)
Bajo las hiptesis nulas (8.20) cada uno de los estadticos de contraste sigue una
distribucin F de Snedecor con K 1 y (K 1)(K 3) grados de libertad. Por tanto,
se rechazar la hiptesis nula correspondiente cuando el valor experimental del estadstico
8.4 Descomposicin de la variabilidad 7
i=1
K
E. col. K (y.j.. y.... )2 K 1 SC2 SC2 /SR
2
j=1
K
E. l. l. K (y..h. y.... )2 K 1 SL2 SL2 /SR
2
h=1
K
E. l. g. K (y...p y.... )2 K 1 2
SG 2 /S 2
SG R
p=1
Residual SCT SCF (K 1)(K 3) 2
SR
SCC SCL SCG
K K
2
TOTAL yij(hp) y.... K2 1 ST2
i j
Las expresiones abreviadas de SCT , SCF , SCC, SCL, SCG y SCR, son
K K 2
2 y....
SCT = yij..
K2 K
i=1 j=1
1 2
y....
SCC = 2
y.j..
K K K2
2 j=1
1 2 y....
SCF = yi... ; (8.22)
K K2 K
i=1
1 2
y....
SCL = 2
y..h.
K 2
K K2
1 y.... h=1
SCG = 2
y...p
K p=1
K2
Y utilizando las expresiones abreviadas de SCT , SCF , SCC, SCL, SCG y SCR,
dadas en (8.22), se construye la siguiente tabla ANOVA.
Coeciente de determinacin
A continuacin se dene el coeciente de determinacin como
Ejemplo 8.2
En la obtencin de un determinado producto qumico se est interesado en comparar
4 procedimientos. Se supone que en dicha obtencin tambin puede inuir la temperatura,
presin y tipo de catalizador empleado, decidindose realizar un experimento en cuadrado
greco-latino. Para ello, se consideran 4 niveles de cada uno de estos factores. La tabla
adjunta muestra el cuadrado greco-latino que resulta elegido y las cantidades de producto
obtenidas. En dicha tabla:
Temperaturas
Procedimientos T1 T2 T3 T4 yi... 2
yi...
P1 C B A D
5 12 13 13 43 1849
P2 B C D A
6 10 15 11 42 1764
P3 D A B C
7 5 5 7 24 576
P4 A D C B
11 10 8 9 38 1444
y.j.. 29 37 41 40 147 5633
2
y.j.. 841 1369 1681 1600 5491
2
yij(hp) 231 369 483 420 1503
Por otra parte, los totales y sus cuadrados para las letras latinas y griegas se muestran
en las tablas 5-12 y 5-13
10 Diseos en cuadrados greco-latinos
Tabla 5-12.
letra latina Observaciones y..h. 2
y..h.
A 11 5 13 11 40 1600
B 6 12 5 9 32 1024
C 5 10 8 7 30 900
D 7 10 15 13 45 2025
147 5549
Tabla 5-13.
letra griega Observaciones y...p 2
y...p
11 12 15 7 45 2025
5 10 5 11 31 961
6 5 8 13 32 1024
7 10 13 9 39 1521
147 5531
Seguidamente calculamos las sumas de cuadrados
4 4 2
2 y.... 1472
SCT = yij.. = 1503 = 152,4375
i=1 j=1
K2 42
4 2
1 2 y.... 5633 1472
SCF = yi... = 2 = 57,6875
K K2 4 4
i=1
4 2
1 2 y.... 5491 1472
SCC = y.j.. = 2 = 22,1875
K j=1
K2 4 4
4 2
1 2 y.... 5549 1472
SCL = y..h. = 2 = 36,6875
K K2 4 4
h=1
4 2
1 2 y.... 5531 1472
SCG = y...p = 2 = 32,1875 ,
K K2 4 4
p=1
Tabla 5-14. Anlisis de la varianza para los datos del Ejemplo 5-2
Bibliografa utilizada
Garca Leal, J. & Lara Porras, A.M. (1998). Diseo Estadstico de Experimentos.
Anlisis de la Varianza. Grupo Editorial Universitario.