Académique Documents
Professionnel Documents
Culture Documents
DOCENTE:
ABANTO SANCHEZ DENNIS
INTEGRANTES:
Bazán Vargas, Melita Marisol
Diaz Ramos Neyser
Fernandez Rodriguez Ivan
Heraz Gonzales Danny
Rios Saucedo Yerson
CICLO:
VI
2018
Diseños en bloques aleatorizados
I. Introducción
II. RESUMEN
Utilizar bloques es una forma de reducir y controlar la varianza del error experimental
para tener mayor precisión. En el diseño completamente al azar se supone que las u.e.
son relativamente homogéneas con respecto a factores que afectan la variable de
respuesta. Sin embargo, algunas veces no tenemos disponibles suficiente número de u.e.
homogéneas. Cualquier factor que afecte la variable de respuesta y que varíe entre u.e.
aumentará la varianza del error experimental y disminuirá la precisión de las
comparaciones. Factores como la edad y el peso de los animales, diferentes lotes de
material, sexo de las personas y parcelas alejadas son ejemplos de variables externas a
los tratamientos que pueden incrementar la variación entre las observaciones de la
variable de respuesta.
III. OBJETIVOS:
Evaluar la eficiencia del diseño de bloques completos al azar para grupos o
tratamientos.
Tener comparaciones precisas entre los tratamientos bajo estudio.
Características:
Las unidades experimentales son heterogéneas.
Las unidades homogéneas están agrupadas formando los bloques.
En cada bloque se tiene un número de unidades igual al número de Tratamientos
(bloques completos)
Los tratamientos están distribuidos al azar en cada bloque.
El número de repeticiones es igual al número de bloques.
Durante el experimento todas las parcelas dentro del bloque se deben tratar igual, excepto
cuando se aplique un tratamiento cuyo efecto se quiera medir.
a). Diseños con bloques Bloques al azar: bloques de tamaño t (número de tratamientos)
b). Bloques al azar generalizados: se repiten los tratamientos en cada bloque
c). Bloques incompletos: los bloques no contienen a todos los tratamientos
(i) No son el motivo del estudio sino que aparecen de forma natural y obligada en el
mismo.
(ii) Se asume que no tienen interacción con el factor en estudio
H0 ≡ μ1 = μ2 = ··· = μa
H1 ≡ μi 6= μj i 6= j lo cual es equivalente a
H0 ≡ αi = 0
H1 ≡ αj 6= 0 ∃j
Se consideran las siguientes hipótesis sobre el modelo:
- Normalidad: εij sigue una distribución normal. Esto es equivalente a que
Yij sigue una distribución normal.
- Linealidad: E(εij )=0. Esto es equivalente a que E(Yij ) = μ + αi + βj .
- Homocedasticidad: V ar(εij ) = σ2. Esto es equivalente a que V ar(Yij ) =
σ2.
- Independencia: εij son independientes entre sí. Esto es equivalente a que
Yij son independientes entre sí.
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.
Yij = µ + ti + ßj + Ԑij
Donde:
4.4.2. 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).
El diseño de bloques (completos) al azar implica que en cada bloque hay una sola
observación de cada tratamiento. El orden en que se “corren” los tratamientos dentro
de cada bloque es aleatorio (restricción en la aleatorización).