Vous êtes sur la page 1sur 7

TEMA: BLOQUES DE DISEÑO

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

En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar


los resultados. Un factor de ruido es un factor que probablemente tiene un efecto en la
respuesta pero que no nos interesa estudiar. Si el factor de ruido es desconocido y no
controlable, la solución es la aleatorización, que tiende a distribuir los niveles y efectos
de este factor entre todas las u. e. Si el factor de ruido es conocido y no controlable, pero
por lo menos podemos medir su valor en cada corrida del experimento, entonces
podemos compensarlo usando análisis de covarianza. Si el factor de ruido es conocido y
controlable, se utilizan bloques para eliminar su efecto en la comparación estadística de
los tratamientos.

En algunos experimentos las unidades diseño experimentales no son homogéneas, es


decir, algunas tienen características diferentes a las demás. Para eficientar el experimento
las unidades experimentales se agrupan por su homogeneidad y a esos grupos se les
aplican los tratamientos. Así se evalúa también el impacto del grupo de unidades llamado
bloque. La varianza total se va a separar en tres varianzas, la de tratamientos, la de
bloques y la del error.

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.

IV. MARCO TEÓRICO

Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor; es


deseable que las posibles diferencias se deban principalmente al factor de interés y no a
otros factores que no se considera en el estudio. Cuando esto o ocurre y existen otros
factores que no se controlan o nulifican para hacer la comparación, las conclusiones
podrian ser afectadas sensiblemente.

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.

4.1.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.

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

Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente que


aparezcan otras variables o factores que también influyen y que deben ser controladas.
A estas variables se las denomina variables bloque, y se caracterizan por

(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

4.2.Observaciones : Una variable bloque no presenta interacción con los factores en


estudio. El modelo se dice que es de bloques aleatorizados completos cuando en cada
bloque se presentan todos los posibles tratamientos (o un múltiplo de ese número) y
dentro de cada bloque se asignan los tratamientos de forma aleatoria. En ocasiones
no se pueden asignar todos los tratamientos sobre cada bloque, de modo que se tienen
los diseños por bloques aleatorizados incompletos.

4.3.Modelo: Suponemos que el número de unidades experimentales para cada bloque


coincide con el número de tratamientos, esto es, hay una observación para cada cruce
de los niveles del factor y del bloque.
La variable respuesta Y puede depender de un primer factor de interés (A) y de la
variable bloque (B). El modelo es:
Yij = μ + αi + βj + εij para i = 1,...,a y j = 1, . . . , b, siendo:
- μ el efecto medio global
- αi el efecto incremental sobre la media causado por el nivel i del factor A
- βj el efecto incremental sobre la media causado por el nivel j del bloque B
- εij el término de error.
Vamos a suponer que Xa i=1 αi = X b j=1 βj = 0 El problema consiste en comparar
las medias de los tratamientos, esto es

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.

4.4.Modelo Aditivo 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.

4.4.1. Modelo estadístico

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).

Ventaja del Diseño de Bloques Completamente al azar


 Se caracteriza por su equilibrio. Fácil planeación y procedimiento de cálculo
simple

Desventaja del Diseño de Bloques Completamente al Azar


 Su única desventaja es que cuando el número de tratamientos es alto,
aumenta la superficie del terreno dentro de cada bloque y también el error
experimental.
Usar bloques estratifica a las u.e. en grupos homogéneos. Una buena elección del
criterio de bloqueo resulta en menor variación entre las u.e. dentro de los bloques
comparada con la variación entre u.e. de diferentes bloques. Generalmente los
criterios de bloqueo son:

■ proximidad (parcelas vecinas)


■ características físicas (edad, peso, sexo)
■ tiempo
■ manejo de las u.e. en el experimento .
Suponga que se tienen t tratamientos que se quieren comparar en b bloques.

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).

 El modelo estadístico para este diseño es:


yij = µ + τi + βj + ǫij i = 1, . . ., t j = 1, . . ., b
µ media general
τi efecto del i-ésimo tratamiento
βj efecto del j-ésimo bloque
ǫij error experimental en la unidad j del tratamiento
iǫij ∼ NID(0, σ2). Se supone que los efectos de tratamientos y bloques son
aditivos.
La aditividad significa que no hay interacción entre tratamientos y bloques. Es decir,
la relación entre los tratamientos es la misma en cada uno de los bloques.
V. CONCLUSIONES
 Los diseños experimentales han demostrado ser una herramienta fundamental
para la investigación en las ciencias aplicadas.
 Es un Diseño bien equilibrado
 Es fácil de planear y cuanta con cálculos simples.
 Al aumentar la superficie del terreno aumentan la información para procesar.

VI. REFERENCIAS BIBLIOGRAFICAS

- Kuehl, R. 2001. Diseño de experimentos. Segunda edición. Thomson Learning,


México, D.F. 666 p. Marín, J.M. 2005. Tema 0: Introducción al diseño de
experimentos. Notas curso Diseño de experimentos y teoría del muestreo.
Universidad Carlos III, Madrid, España. 19 pp.
Disponible en:
- http://www.iuma.ulpgc.es/~nunez/mastertecnologiasteleccion/Tema3Disenod
eExperimentos/doe-4- bloques_al_azar.pdf
- http://wpd.ugr.es/~bioestad/wp-content/uploads/BloquesCompletos.pdf
- http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE.p
df