UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE INGENIERIA
ESCUELA ACADEMICA PROFESIONAL DE
INGENIERIA AGROINDUSTRIAL

METODOLOGIA DE LA INVESTIGACION

PROFESOR:
 GAMARRA LEIVA PEDRO




NVO-CHIMBOTE, NOVIEMBRE DE 2013





DISEÑOS EN BLOQUES COMPLETAMENTE AL AZAR
I.- INTRODUCCION: ..................................................................................................................... 1
II.- ANALISIS DE LA VARIANZA: CLASIFICACIONES DOS CRITERIOS ................ 2
2.1.- Diseño en Bloque Completo al Azar ................................................................................ 2
2.2.- Objetivo del agrupamiento: ............................................................................................. 2
III.- CADA BLOQUE COSNTITUYE UNA REPLICACION .................................................. 2
IV.- CARACTERISTICAS: ............................................................................................................ 3
V.- MODELO ..................................................................................................................................... 4
5.1.- ESTIMACIÓN DE PARÁMETROS por Minimos cuadrados del error ................... 4
5.2.- SUMAS DE CUADRADOS ............................................................................................... 4
VI.- APLICACIÓN: ......................................................................................................................... 5











DISEÑO DE BLOQUES COMPLETAMENTE AL AZAR
I.- INTRODUCCION:
En cualquier experimento, la variabilidad que surge de un factor perturbador puede
afectar los resultados. Un factor perturbador se define como un factor del diseño que
probablemente tenga un efecto sobre la respuesta del experimentador.
Cuando se quiere comparar un grupo de tratamientos o estudiar el efecto de un factor,
se pretende que las posibles diferencias se deban principalmente al factor de interés y
no a otros factores que no se estén considerando en el estudio.
Cuando existen otros factores que no controlan al momento de realizar las
comparaciones entre los tratamientos, las conclusiones puedes ser afectadas
sensiblemente.
En el caso de que la fuente de variabilidad perturbadora es conocida y controlable,
puede utilizarse una técnica de diseño llamada formación de bloques para eliminar de
manera sistemática su efecto sobre las comparaciones estadísticas entre los
tratamientos.
A los factores adicionales al factor de interés que se incorporan de manera explicita en
un experimento comparativo se les llama factores de bloque, y tiene la particularidad
de que no se incluyen en el experimento porque interese analizar su efectividad, sino
como un medio para estudiar de manera adecuada y eficaz al factor interés.
Al utilizar este diseño, los bloques forman por una unidad experimental mas homogénea
en la cual comparar los tratamientos. Los factores de bloque entran al estudio en un
nivel de importancia secundaria con respecto al factor de interés; mas bien, la inclusión
de los factores de bloque es un medio y no un fin para lograr una comparación adecuada
y eficaz de los tratamientos.
En el diseño de bloques completos al azar se consideran 3 fuentes de variabilidad: el
factor de tratamientos, el factor de bloque y el error aleatorio, es decir, se tienen 3
posibles culpables de la variabilidad que presentan los datos .
En cada bloque se prueban todos los tratamientos y la aleatorización se hace dentro
de cada bloque



II.- ANALISIS DE LA VARIANZA: CLASIFICACIONES DOS
CRITERIOS
2.1.- Diseño en Bloque Completo al Azar
es un plan en el cual las unidades experimentales se asignan a grupos
homogéneos, llamados bloques, y los tratamientos son, luego, asignados al
azar dentro de los bloques.
2.2.- Objetivo del agrupamiento:
lograr que las unidades dentro de un bloque sean lo más uniformes
posible con respecto a la variable dependiente, de modo que las
diferencias observadas se deban realmente a los tratamientos. Al
controlar la variación dentro de los bloques reducimos la variabilidad del
error experimental.
Completo: todos los tratamientos están incluidos en cada bloque.

III.- CADA BLOQUE COSNTITUYE UNA REPLICACION






TODOS LOS TRAMIENTOS APARECEN UNA SOLA VEZ EN CADA BLOQUE




Se divide el material experimental en tantos bloques como números de replicaciones a utilizar.
Cada bloque es luego dividido en tantas UE como tratamientos haya en estudio.
Como el DBCA especifica que todos los tratamientos deben aparecer una vez en cada
replicación, la aleatorización se hace separadamente en cada bloque.
La aleatorización es similar al DCA para 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) = 4
Bloques (r-1) = 3
Error (t-1)(r-1)=12

IV.- CARACTERISTICAS:
1. Las unidades experimentales son heterogéneas.
2. Las unidades homogéneas están agrupadas formando los bloques.
3. En cada bloque se tiene un número de unidades igual al número de
Tratamientos (bloques completos)
4. Los tratamientos están distribuidos al azar en cada bloque.
5. El número de repeticiones es igual al número de bloques.
V.- MODELO

Cada observación del experimento es expresada mediante una ecuación lineal en los
parámetros, el conjunto conforma el modelo para el diseño de bloques completos al azar :
µ τ β εij j Yij = + i + + i=1,2,...,t
j=1,2,...,r
µ = Parámetro, efecto medio
τ i = Parámetro, efecto del tratamiento I
β j = Parámetro, efecto del bloque j
εij= valor aleatorio, error experimental de la u.e. i,j
Yij = Observación en la unidad experimental

5.1.- ESTIMACIÓN DE PARÁMETROS por Minimos cuadrados del error
∑ ∑
El error en cada unidad experimental puede ser encontrado por diferencia:

5.2.- SUMAS DE CUADRADOS

Donde

es el termino de corrección de las sumas de cuadrados, en las expresiones de
sumas de cuadrados se acostumbra colocar solo C.


VI.- APLICACIÓN:
1.- Estudio de Variedades forrajeras en Camote.
Se realizo un ensayo de 4 nuevas variedades forrajeras (V1, V2, V3 y V4) frente a una
variedad ya conocida. Se dispuso realizar el ensayo en la epoca de verano en Selva. Cada
parcela de 10 m2 con un total de 15 parcelas. Se formaron bloques de 5 parcelas homogeneas.
Se midio el peso fresco y seco y se registro el peso en kilos.


V1 Testigo V2 V3 V4 Yj
I
II
III
17.9
20.8
21.4
7.0
5.9
4.2
19.8
16.7
16.7
15.2
21.0
8.8
12.7
14.2
11.5
72.6
78.6
62.6
Yi 60.1 17.1 53.2 45.0 38.4 213.8

El objetivo es comparar las nuevas variedades entre ellas y con el testigo
CALCULO DE SUMAS DE CUADRADOS:

RESULTADOS DEL ANVA:
Variable: Follaje

Fuente Gl SC CM Fc Pr > F
Bloque 2 26.1333 13.0666 1.51 0.2785
Tratamiento 4 364.0440 91.0110 10.49 0.0029
Error 8 69.4000 8.6750
Total 14 459.5773

CV = 20.6 %
Promedio = 14.25
F0.05 (4,8) = 3.84
F0.01 (4,8) = 7.01












2.- Se requiere comparar 3 herbicidas para medir a su posible efecto residual en el suelo se
propone medir la cantidad de residuo activo a las 24 horas de aplicado el herbicida en parcelas
de suelo. Tenemos 12 parcelas para este experimento, del mismo tipo de suelo pero ubicadas en
un pendiente pronunciada. Estudiando la pendiente se consegui reunir 4 grupos de 3 parcelas
cada uno, suficientemente homogeneos dentro de allos como para llevar acabo la comparacion
de herbicidas. A continuacion se presentan los datos de residuo activo a las 24 horas medidos
en las parcelas.
Datos:
Parcelas herbicidas Alto Medio Bajo Bañado Yi
A 2,4 2 1,8 1,5 7,7
B 1,8 1,9 1,9 1,6 7,2
C 1 1,2 1,3 1,4 4,9
Yj 5,2 5,1 5 4,5 19,8

Calculo de C:






32,67






1,69




1,115



0,09666667

C =

=

SCTrat =

– C =
SCBloques =

– C =



0,47833333

ANALISIS DE VARIANZA

fuentes de variable G.L SC CM F
Bolques 3 0,096666667 0,03222222
Tratamientos 2 1,115 0,5575 6,99303136
Error 6 0,478333333 0,07972222
total 11 1,69

3.- Considerará si el experimento de la prueba de Dureza. Hay cuatro puntas y cuatro
ejemplares de prueba de metal. Cada punta se prueba Una Vez en Cada Ejemplar, resultando
Un diseño de Bloques Completos aleatorizados. Los Datos obtenidos sí repiten por Conveniencia
en la Tabla 1. Recuerde Que El Orden En que se probaron las puntas en un Ejemplar particular,
se determinó al azar
Tabla 1. Diseño de bloques Completos aleatorizados párrafo el experimento de la prueba
de Dureza

Ejemplar de prueba (bolque)
Tipos de puntas 1 2 3 4
1 9,3 9,4 9,6 10,0
2 9,4 9,3 9,8 9,9
3 9,2 9,4 9,5 9,7
4 9,7 9,6 10,0 9,2


=
Para Simplificar los Cálculos, los Datos Originales sí codifican restando 9,5 de Cada
Observación y multiplicando el Resultado por 10. Se obtienen los Datos dela Tabla 2

Ejemplar de prueba (bLOQUE)
Tipos de puntas 1 2 3 4
1 -2 -1 1 5
2 -1 -2 3 4
3 -3 -1 0 2
4 2 1 5 7

Para el Desarrollo del Ejercicio, Statgraphics utilizaremos, Primero configuramos el menú a
utilizar para Ello vamos a la Opción de editar / preferencias y seleccionamos en la Pestaña de
general / OPCIONES del Sistemay marcamos el check Qué Dice USAR el Menú Seis Sigma


A continuación creamos un nuevo diseño para ello nos vamos al menú que
dice Mejorar/Procedimientos DOE Heredados/Crear Diseños de Experimentos/Diseño Nuevo





Luego nos aparece una nueva ventana Opciones de Creación de Diseños, seleccionamos dentro
de Clases de Diseño/ Un solo Factor Categórico, y No. De variable de respuesta 1, que para
nuestro caso es la Prueba de dureza, presionamos el botos de Aceptar.


El siguiente paso es definir los factores incluidos en el experimento para nuestro caso es el
tipo de Punta y definimos el número de niveles (4). Podemos darle una descripción a cada uno
de los niveles para ello presionamos el botón de etiquetas.

Luego definimos el nombre de la variable de respuesta, que para el ejemplo es la Prueba de
Dureza, en caso tal de que las variables lleven consigo unidades de medida se especifican en el
cuadro de texto inferior.

En las siguiente ventana, es muy importante dado, que es la parte donde seleccionaremos el
tipo de diseño, debemos especificar el tipo de diseño Bloques aleatorios (1 factor de
bloqueo), Replicar diseño (Número = 0), desmarcamos el botón de Aleatorizar, Número de
Bloques (4)



Posteriormente Statgraphics, nos arroja una ventana de resumen, dónde nos indica los
atributos del diseño Factorial Categórico Individual, vemos que este experimento
presenta Numero de Factores Experimentales: 1,Corridas: 16, Bloques 4, Grados de Libertad
del Error: 9. Minimizamos esta ventana.


El siguiente paso es ingresar los valores obtenidos después de ejecutar el experimento. Para
ello registramos los valores codificados en libro de datos, en la columna que dice Prueba de
dureza que es nuestra variable de respuesta. Note que se ingresan los datos verticalmente de
acuerdo con el bloque y tipo de punta.



Lo que queda es analizar ya propiamente el experimento, para ello nos vamos a la barra de
menús, opción Mejorar / Procedimiento DOE Heredados / Analizar Diseño de Experimentos
/ Analizar Diseño.






Nos aparece nuestra variable de respuesta a analizar, que es la prueba de dureza, la
desplazamos hacia la derecha y presionamos el botón de Aceptar.



En el siguiente paso escogemos las opciones ya propiamente dichas a analizar, tablas y gráficos,
para este caso solamente seleccionaremos Tabla Anova y presionamos el botón de aceptar.


En el siguiente paso escogemos las opciones ya propiamente dichas a analizar, tablas y gráficos,
para este caso solamente seleccionaremos Tabla Anova y presionamos el botón de aceptar.


El resultado es nuestra Tabla ANOVA para la prueba de dureza.



Utilizando una a = 0.05, el valor crítico de F es F0.0-5,3,9 = 3.86. Como 14.44 > 3.86 se concluye
que el tipo de punta afecta la lectura de la dureza media, el valor de P para la prueba también
es muy pequeño, son menores de 0.05. Además al parecer los ejemplares (bloques) difieren de
manera significativa, ya que el cuadrado medio de los bloques es grande en comparación con el
error. El siguiente paso ya es analizar los residuales en la Verificación de la Adecuación del
Modelo, como anteriormente se había desarrollado.