‰ DISEÑO EN CUADRADOS DE YOUDEN

‰ DISEÑO EN CUADRADOS GRECO-LATINOS

‰ DISEÑO EN CUADRADOS LATINOS

‰ DISEÑO EN BLOQUES INCOMPLETOS ALEATORIZADOS

‰ DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS

™ DISEÑO EN BLOQUES ALEATORIZADOS

41


.
.
.
...

yij
.
.
.
yIj


.
.
.
...

y i1

yI1

.
.
.

.
.
.


.
.
.

y2j


.
.
.

y21

.
.
.

y1j

BLOQUE j

y11

BLOQUE 1

yIJ

.
.
.

yiJ

.
.
.

y2J

y1J

BLOQUE J

™ DISEÑO EN BLOQUES ALEATORIZADOS COMPLETOS

42

Aditividad

∑ i =1τ i = 0

J

∑ j =1 β j = 0

u ij → Distribución Normal


I

i≠r o j≠k

E  u ij u rk  = 0



∀ i, j

Var  u ij  = σ 2

∀ i, j

E  u ij  = 0

HIPOTESIS DEL MODELO

µ : Media general ; τ i : Efecto del tratamiento i − esimo
β j : Efecto del bloque j − esimo ; u ij : Errores exp erimentales

y ij : Observación del tratamiento i − esimo y del bloque j − esimo

y ij = µ + τ i + β j + u ij ; i :1,..., I ; j :1,..., J

¾ PLANTEAMIENTO DEL MODELO

43

H 1( β ) : β j ≠ 0 H 0( β ) : β j = 0 H 1(τ ) : τ i ≠ 0 Para algún j ∀j Para algún i ∀i Contraste de Hipótesis H 0(τ ) : τ i = 0  ƒ Comparaciones Múltiples ƒ Comprobar la Idoneidad del Modelo ƒ Contrastar la Hipótesis de Igualdad de los bloques ƒ Contrastar la Hipótesis de Igualdad de los tratamientos ƒ Estimar los Parámetros del Modelo ♦ OBJETIVOS 44 .

I I I y i =1 ij y j = ∑ y ij i =1 ..... I Tratamientos Bloques ” ANALISIS DEL MODELO . . .. y. i ... . y I 1 .... yi = ∑ . y 1 J ... y i1 . j = yi 1 J yi = y ij = ∑ j = 1 J J J y j =1 ij .j J total y la media del i-esimo tratamiento: total y la media del i-esimo bloque: total y la media general: ● El ● El ● El J i =1 j =1 = ∑ ∑ y ij I y i =1 j =1 45 y 1 I J y ij = = ∑ ∑ IJ IJ ... y Ij .. . . y i J . j 1 I = ∑ y. y I J 1 ●N 1 .... . ... y = IJ es el número total de observaciones y 11 .. y ij . y 1 j .

L..( ) ⇒ G. . .(τˆi ) = I − 1 j =1 ˆ = 0 ⇒ G.. J 1 τˆi = ∑ yij − µˆ = yi − y J j =1 .L. I J 1 µˆ = ∑ ∑ y ij = y N i =1 j =1 • ESTIMACIÓN POR MÁXIMA VEROSIMILITUD 46 . I 1 βˆ j = ∑ yij − µˆ = y j − y I i =1 .. βˆ = J − 1 β ∑ j j J i =1 ∑τˆi = 0 I • Estos estimadores son insesgados .

j = 1.. . J 1 2 I J e ∑ ∑ ( I − 1)( J − 1) i =1 j =1 ij E  S R2  = σ 2   VARIANZA RESIDUAL ( I − 1)( J − 1) 2 2   ˆ σ E σ =   N G. I . i = 1..L. ∑ j eij = 0.... (Res) = (I-1)(J-1) eij = y ij − yˆ ij = y ij − µˆ − τˆi − βˆ j = y ij − y i − y j + y  2 2 ● σˆ no es un estimador centrado de σ ∑i eij = 0. 2 SR = ) 2 1 I J I J ˆ 2 ˆ ˆ ˆ σ = ∑ i =1∑ j =1 y ij − µ − τ i − β j = ∑ i =1 ∑ j =1eij2 N 47 .( RESIDUOS ... .

.) SCR = ∑ ∑ ( y ij − y i − y j + y I i =1 .) + ∑ ∑ ( yij − yi... 2 ) ..) 2 SCT = SCTr + SCBl + SCR 2 .) 2 j =1 . . − y.. j + y. ... i =1 j =1 J 2 . .) SCBl = I ∑ ( y j − y J i =1 j =1 J +I ∑(y j − y = SCT = ∑ ∑ ( y ij − y i =1 = J ∑ ( yi − y I i =1 j =1 2 2 .) ∑ ∑ ( yij − y I • DESCOMPOSICION DE LA VARIABILIDAD 2 48 ..) I J j =1 J . SCTr = J ∑ ( y i − y I i =1 j =1 I .J ..

) ∑(y j − y J .. 1 i =1 j =1 2 j =1 . ....) I CMR = S 2 = 2 2 1 CMT = S = N −1 T ♦ CUADRADOS MEDIOS 2 49 . . − y.) I CMBl = S 2 = B l J −1 i =1 j =1 ∑ ∑ ( yij − y I y ij − y i − y j + y ( ∑ ∑ ( I −1)( J −1) ∑ ( yi.J CMTr = S = T r I −1 i =1 R 2 I J .) J 2 .

( J −1) . ( I −1)( J −1) Fτ = 2 SR → F( J −1) .. ( I −1)( J −1) Fβ = S Bl 2 H 0 : β1 = β 2 = ...... ( I −1) . = β I = 0 ƒ Estadístico de Contraste: ƒ Criterio de Rechazo ƒ Estadístico de Contraste: S Tr 2 H 0 : τ 1 = τ 2 = . ( I −1)( J −1) Fβ ( exp ) > Fα . = τ I = 0 • ANALISIS ESTADÍSTICO 50 ... ( I −1)( J −1) Fτ ( exp ) > Fα .ƒ Criterio de Rechazo 2 SR → F( I −1) ..

) I S. . 2 2 . V.) I i =1 j =1 2 ∑ ∑ ( y ij − yi − y j + y I Bloques SCBl = I Tratam.) ∑(y j − y J i =1 ∑ ( yi. − y.TOTAL SCT = Residual SCR = . N-1 (I . 2 2 2 S Bl S R 2 S Tr S R Fexp 51 . C..1) (J . L. J j =1 .1 I. ..1) TABLA ANOVA 2 ST 2 SR 2 S Bl 2 S Tr C. SCTr = J F.. 2 J.) J i =1 j =1 ∑ ∑ ( yij − y.1 G. M..

Residual Bloques Tratam.. M. F. . L. 2 y 1 J SCBl = ∑ y.. j =1 S. I i =1 TOTAL IJ SCR = SCT − SCTr − SCBl I 2 1 I 2 y SCTr = ∑ y i − J i =1 IJ .1 I.2j − .. V. DE DETERMINACIÓN 2 = R Tr ♦ COEFICIENTE SCT = ∑ y2 J 2 y − j =1 ij IJ .R2 = ∑ SCTr + SCBL SCT N-1 (I – 1) (J – 1) J. C.1 G. FORMA PRACTICA DE LA TABLA ANOVA 52 . SCTr SCT 2 = R Bl SCBL SCT 2 ST SR 2 2 2 2 S Bl S Bl S R 2 2 S Tr S R Fexp 2 S Tr C.

Al recoger la cosecha se mide el rendimiento de la semilla. el experimentador decide efectuar un diseño en bloques aleatorizados. divide el terreno en 4 bloques y cada bloque en 5 parcelas. Para ello. obteniéndose las siguientes observaciones. 53 . fumigando dentro de cada bloque cada una de las parcelas con un fertilizante. quiere comprobar si dicho rendimiento depende del tipo de fertilizante utilizado para tratar la planta. Como puede haber diferencia entre las parcelas.A 87 85 90 89 99 Fertilizantes 1 2 3 4 5 96 97 92 87 86 B 91 98 95 95 88 C Bloques 90 88 90 85 83 D ✦Ejemplo Una industria algodonera. A su disposición tiene 5 tipos de fertilizantes. interesada en maximizar el rendimiento de la semilla de algodón.

.99 5 y j 96 97 .20 SCTr = ∑ y i − 4 20 J IJ i =1 j =1 SCT = ∑ ∑ 5 4 209764 89 4 92 202500 90 3 87 458 85 2 86 B 450 87 1 . yi 1 2 18112 2 y ij − y = 164407 − = 420. y i2 367 352 344 .95 218089 467 91 98 95 95 88 C i =1 2 1 5 2 y 656689 18112 = − = 186. y..2j A Fertilizantes Bloques 164407 35398 34678 33689 31044 29598 2 y ∑ ij 54 .. . IJ 190096 436 90 88 90 85 83 D 20 820449 1811 656689 141376 138384 372 376 134689 123904 118336 .

5833 46.00 420. TABLA ANOVA SCR = SCT − SCTr − SCBl = 131 i =1 .6887 SCTr 186 . 95 SCT 420.264 Fexp SCBl 103.168 4. S.5500 C. R 2 = Rτ2 + R β2 = 0. L. F. 4 186..2464 19 12 34.75 2 Rβ = = = 0. V. 103. 2 1 4 2 y 820449 18112 = − = 103.20 Entre tratamientos 3 G.. 4423 .9166 3.95 Entre bloques Residual TOTAL SCT 420 . M. 2 2 Rτ = = = 0 .95 10.75 SCBl = ∑ y j − 5 20 I IJ 55 . C.75 131.

12 = 5.264 Fexp > F-t Fexp = 4. 3.12 = 3.01.12 = 3.Fexp = 4. 3.12 = 5.0629 Fexp < F-t Nivel de Significación: α = 0.95 Acep.264 Acep. H0 0.0233 Fexp < F-t Rech.26 Nivel de Significación: α = 0.168 Nivel Mínimo de Significación F0. H0 0. 4. 4.49 Fexp = 3.05 CONTRASTE PARA LOS TRATAMIENTOS 56 .168 Fexp < F-t CONTRASTE PARA LOS BLOQUES Nivel Mínimo de Significación F0.05.01 Nivel de Significación: α = 0. H0 Acep.01 F0.05 F0.05. H0 Fexp = 3.41 Nivel de Significación: α = 0.01.

0233 Nivel de Significación: α = 0. Nivel de Significación: α = 0.05 Fexp = 2.89 Fexp = 2. TABLA ANOVA PRESCINDIENDO DEL FACTOR ``TIPO DE TERRENO'' 57 .20 234. H0 15.75 420.01 F0. F.01. en Bloques = 0. 4. 2.974 Fexp < F-t Acep.95 Entre tratamientos Residual TOTAL 19 15 4 G.05 F0. C.15 = 4.55 C.15 = 3.974 Fexp Es mejor el Modelo en Bloques Nivel Mínimo de Significación de los tratamientos en el M.0561 Nivel Mínimo de Significación Acep. M.65 46. 4. L. H0 0.974 Fexp < F-t S.05. V.186.

el modelo tendrá la siguiente ecuación • TEST DE INTERACCION DE TUKEY 58 .∑ jβ j = 0 ∑ i (τβ ) ij = ∑ j (τβ ) ij = 0 ¾ Replicamos el experimento ¾ Suponemos que la interacción es nula ¾ Suponemos una interacción de tipo lineal → Test de interaccion de Tukey Número de parámetros independientes: 1 + ( I . i :1.1 )( J -1 ) = IJ El número de parámetros a estimar es igual al número de observaciones e No hay grados de libertad para estimar los residuos ∑i τ i = 0 Restricciones para los parámetros (τβ ) ij → Interacción y ij = µ + τ i + β j + (τβ ) ij + u ij . j :1...1 ) + ( J . J Cuando existe interacción entre los factores ....1 ) + ( I . I ....

1 ) + 1 = I + J ∑ iτ i = 0 Restricciones para los parámetros y ij = µ + τ i + β j + γτ i β j + u ij ... Supone que la forma de la interacción es ¾ TEST DE INTERACCION DE TUKEY 59 . I ..1 ) + ( J . j :1. conocido como el test de interacción de un grado de libertad... i :1.. J (τβ ) ij = γτ i β j Tukey desarrolló un método para determinar si existe interacción cuando sólo hay una observación por celdilla..∑ jβ j =0 ∑ iγ τ iβ j = ∑ j γ τ iβ j = 0 Número de parámetros independientes: 1 + ( I ..

1) .SCIT 1 FIT = → F1.1 = I J .1 ) .J SCT = SCTr + SCBl + SCIT + SCR 2 J ˆ ˆ  I  τ i β j y ij  ∑ ∑ 1 1 i j = =  I J 2 2 2   ˆ = SCIT = γˆ ∑ τˆi ∑ β i =1 j =1 j I ˆ2 J ˆ 2 ∑i =1τ i ∑ j =1β j I J ˆ ˆ τ i β j y ij ∑ ∑ i j = 1 = 1 γˆ = I ˆ2 J ˆ2 ∑i =1τ i ∑ j =1β j 60 .I . ( IJ − I − J ) SCR ( IJ − I − J ) H 1 : γ ≠ 0 ( Hay int eracción del tipo γτ i β j ) H 0 : γ = 0 ( No hay interacción) G.1 ) .L.( I .( J . (Res) = ( IJ .

obteniéndose las siguientes observaciones. A su disposición tiene 5 tipos de fertilizantes.A 87 85 90 89 99 Fertilizantes 1 2 3 4 5 96 97 92 87 86 B 91 98 95 95 88 C Bloques 90 88 90 85 83 D ✦Ejemplo Una industria algodonera. fumigando dentro de cada bloque cada una de las parcelas con un fertilizante. quiere comprobar si dicho rendimiento depende del tipo de fertilizante utilizado para tratar la planta. Como puede haber diferencia entre las parcelas. Al recoger la cosecha se mide el rendimiento de la semilla. Para ello. divide el terreno en 4 bloques y cada bloque en 5 parcelas. el experimentador decide efectuar un diseño en bloques aleatorizados. 61 . interesada en maximizar el rendimiento de la semilla de algodón.

122 11.20 -21.49 91.6 91 98 95 95 88 C 90 96 97 92 87 86 B y j .440 1.2.16 τˆi2 .302 1.00 .2 -0.002 2.05 87.00 91. =90.62 .55 y 94.58 βˆ j2 1.45 1.502 .55 20.75 .69.75 88.102 8.55 6.222 2.03 6.4 90 88 90 85 83 D βˆ j 91.4.00 93.87 85 90 89 99 1 2 3 4 5 -3. yi 11.702 τˆi .45 46.55 93.55 62 ∑ jτˆi βˆ j yij .35 0..902 3. A Fertilizantes Bloques 20.78.63 19.00 86.45 14.

524 11 SCR = SCT .05.55 )( 20.SCBl .04011 < F0.186.4760 FIT (exp) = = = 0.0.0222 5 ˆ2 4 ˆ2 46. 11 = 4.524 SCIT = ∑ 5 4 ˆ ˆ τ i β j y ij ∑ ∑ − 21.1.84 ⇒ Aceptamos H 0 α = 0.75 .11 = 4.0222 ( ) i j i =1∑ j =1 F0.103.95 .I J ˆ2ˆ 2 ˆ 2 2 ( 46.04011 SCR ( IJ − I − J ) 130.75 ) ( τ β ∑i =1 i ∑ j =1 j 63 .SCTr .20 .1.84 No hay interacción entre los factores FIT (exp) = 0.4760 = 130.75 ) γ τ β = − 0.SCIT = 420.55 )( 20.05. SCIT 1 0.05.45 1 1 i j = = γˆ = = = − 0.

número de tratamientos o niveles del factor principal PARAMETROS: ƒ Cada par de tratamientos ocurren juntos el mismo número de veces que cualquier otro par ƒ Cada tratamiento ocurre el mismo número de veces en el diseño ¾ DISEÑO EN BLOQUES INCOMPLETOS BALANCEADOS ™ DISEÑOS EN BLOQUES INCOMPLETOS ALEATORIZADOS 64 . es decir el número de réplicas de un tratamiento dado • K. número total de observaciones • l.• N. número de bloques en los que un par de tratamientos ocurren juntos • R. número de tratamientos por bloque • J. número de bloques • I. número de veces que cada tratamiento se presenta en el diseño.

K = 4 = R. ‰ Estos parámetros deben verificar las siguientes relaciones: 65 .ii ) λ = R K −1 . I −1 iii ) J ≥ I . X X X 1 5 B A Tratamientos X X X X X X E X X D K −1 3 =4 =3 λ=R I −1 4 X X X X C Bloques Cuando J = I el diseño recibe el nombre de simétrico i ) N = IR = JK . X X X X X 2 3 4 I = 5 = J.

SCTr* .( I .L. SCT = ∑ I i =1 ∑ i =1 =0 . i :1.J + 1 y2 1 J 2 SCBl = ∑ y j− 1 j = K N nij = λI .I . si el tratamiento i ocurre en el bloque j 0...... ( Res ) = ( N..1 ) = N .... 1 J Ti = y i − ∑ nij y j . 2..I G. K j =1 1...SCBl . en otro caso SCTr * = I K ∑ i =1Ti2 SCT = SCTr* + SCBl + SCR y ij = µ + τ i + β j + u ij ..1 ) . I . ... SCR = SCT .( J .1 ). j :1. . y2 J 2 y − j =1 ij N ∑ Ti I i = 1. J ¾ PLANTEAMIENTO DEL MODELO 66 .

∑ ∑ I i =1 2 y J 2− y ij j =1 N . L. S. I −1 SCTr * * CMTr = CMR CMTr* C. C. . CMTr* / CMR Fexp SCR CMR = N − I − J +1 67 .SCTr * .. V... y2 J 2 y − j =1 j N TOTAL ∑ λI SCT . TABLA ANOVA CMTr * Fτ = CMR Residual Bloques Trat-Ajustados F.SCBl 1 K N–I–J+1 J–1 I–1 K ∑ i =1Ti2 I G. M.

I i =1 ∑ j =1 . SCR = SCT . 2. 2 1 I 2 y SCTr = ∑ y i − R i =1 IJ nij = SCBl * = J R ∑ j =1 B 2j SCT = SCTr + SCBl * + SCR EFECTO DE LOS BLOQUES 68 . .SCBl * . y2 J 2 y − j =1 ij IJ SCTr* + SCBl = SCTr + SCBl * SCT = ∑ j = 1. en otro caso λJ .. si el tratamiento i ocurre en el bloque j 0....J ∑ Bj =0 J 1 I B j = y j − ∑ nij y i .SCTr ... . R i =1 1..

C. V. TOTAL ∑ ∑ I i =1 CMR N–I–J+1 y2 J 2 y − j =1 ij N λJ SCT . J −1 SCBl * * CMBl = 69 . TABLA ANOVA CMBl * Fβ = CMR CMBl* / CMR Fexp SCR CMR = N − I − J +1 R ∑ j =1 B 2j Trat-No-Ajustad.. J–1 J y2 1 I 2 yi − ∑ = 1 i R IJ . M. F..SCBl * Bloques-Ajustados Residual C. CMBl* I–1 G. S.SCTr .. L. .

como se cree que el tipo de terreno puede influir también en el rendimiento de la semilla de algodón se considera el terreno dividido en bloques. no se pueden aplicar todos los fertilizantes en cada bloque. 94 1 5 B1 Fertilizantes λ=R 91 98 96 95 93 86 92 B5 97 92 B4 K −1 3 =4 =3 I −1 4 102 76 100 B3 Bloques Se considera de nuevo el ejemplo de la industria algodonera donde se quiere comprobar la eficacia de 5 fertilizantes.95 76 94 2 3 4 I = 5 = J. 75 100 75 96 B2 K = 4 = R. Se decide utilizar un diseño en bloques incompletos balanceado. Supongamos que debido a la extensión de los bloques y a la falta de recursos. sino que sólo se puede aplicar 4 de los 5 fertilizantes en cada uno de ellos. ✦ EJEMPLO 70 .

Bloques 71 . y.. . yi 2 145924 36516 y 2 665343 1823 2 5 2 y − = 169..2j y j 346 75 100 75 96 B2 369 91 102 76 100 B3 95 86 381 96 93 368 98 92 B5 97 92 B4 1823 347 385 371 338 382 .95 76 94 2 3 4 . yi 1 SCBl = K ∑ . 20 2 y ∑ ij 666443 167627 120409 30327 148225 37105 137641 34789 114244 28890 1 2 1823 2 2 y ij − y = 167627 = 1460. .55 IJ .3 = j =1 j 4 20 N i =1 j =1 SCT = ∑ ∑ 5 5 128881 119716 136161 135424 145161 665343 359 94 1 5 B1 Fertiliz.

.. B1 94 95 76 94 75 B2 96 75 100 .5 4 T2 = 338 − 1 ( 369+346+359+381) = − 25. 2.5 102 91 5 Ti = y i − 1 ∑ j =1 nij y j .... K Fertilizantes 1 2 3 4 5 Bloques B3 100 76 EFECTO DE LOS TRATAMIENTOS 5 T =0 i =1 i 92 98 96 95 B5 72 .75 4 T5 = 347 − 1 ( 369+346+368+381) = − 19 4 ∑ i = 1.5 4 T4 = 385 − 1 ( 369+368+359+381) = 15.75 4 T3 = 371 − 1 ( 346+368+359+381) = 7. 97 93 86 B4 92 T1 = 382 − 1 ( 359+346+368+369 ) = 21.

625=477.L.5 .375 I −1 4 G.97 CMR = N − I − J +1 11 * 477.75 SCTr * = 5 K ∑ i =1Ti2 73 .5 3× 5 CMTr * 119.5 + 1 = 11 SCR = SCT .I .SCBl = 813.SCTr * .λI 4 = 1790.75 SCR = = 73.5 SCTr CMTr * = = = 119.J + 1 = 20 .614 CMR 73.97 813.375 Fτ = = = 1. ( Res ) = N .

375 Fexp Nivel de Significación: α = 0. 4. Acep. H0 477.67 Fexp = 1.11 = 5. C.05. Nivel de Significación: α = 0.11 = 3.614 Fexp < F-t S.1460. TABLA ANOVA PARA EL CONTRASTE DE LOS TRATAMIENTOS 74 .5 Tratamientos-Ajustados G.614 0.36 Fexp = 1.614 Fexp < F-t 169.3 Bloques-No-Ajustaos 4 C. M.75 Residual 4 119.05 F0.243 Los efectos de los fertilizantes no son significativos Nivel Mínimo de Significación Acep.97 1. V. F. L.01 F0.01. H0 813. 4.55 TOTAL 19 11 73.

. 2.25 4 B5 = 381 − 1 ( 338+371+385+347 ) = 20.5 102 91 B1 = 359 − 1 ( 382+338+371+385 ) = − 10 4 B 2 = 346 − 1 ( 382+338+371+347 ) = − 13.75 4 Bj = y j − Fertilizantes 1 2 3 4 5 Bloques B3 100 76 EFECTO DE LOS BLOQUES 5 B =0 j j 92 98 96 95 B5 75 .... 1 5 nij y i . B1 94 95 76 94 .5 4 B3 = 369 − 1 ( 382+338+385+347 ) = 6 4 B 4 = 368 − 1 ( 382+371+385+347 ) = − 3.. ∑ i 1 = R 75 B2 96 75 100 97 93 86 B4 92 ∑ j = 1.

97 SCR = 813. J −1 4 SCT = 1460.75 * 202.3 i = 1 R IJ 5 20 SCBl * = R∑ EFECTO DE LOS BLOQUES 76 .625.5 3× 5 .625 Fβ = = = 0.97 CMR = 73.5 SCBl CMBl * = = = 50.55 1 5 2 y2 666443 1823 SCTr = ∑ y i − = − = 444.375 = 202. .684 CMR 73.4 = 759. λJ J B 2j j =1 CMBl * 50..

36 C. TABLA ANOVA PARA EL CONTRASTE DE LOS BLOQUES 77 . V.684 Fexp Acep. H0 0.444. 4.11 = 5.11 = 3.01 F0.684 Fexp = 0.3 202.684 Acep. 4.5 813.626 Fexp < F-t 0.05. F. Fexp = 0. C.625 Nivel de Significación: α = 0. H0 Los efectos del tipo de terreno no son significativos Nivel Mínimo de Significación F0.55 Tratam-No-Ajustados Bloques-Ajustaos Residual TOTAL 19 11 4 4 G.01.97 Fexp < F-t Nivel de Significación: α = 0. M. 50.67 73. L.75 1460.05 S.

H0 15 202.75 Acep. 4.243 Nivel Mínimo de Significación Acep. TABLA ANOVA ANALISIS DEL MODELO PRESCINDIENDO DEL FACTOR ``TIPO DE TERRENO'' 78 .3 Tratamientos G.15 = 3.06 Fexp = 1.639 Fexp < F-t 19 1460.05 F0.075 C.25 Residual 111. L.639 Fexp Nivel Mínimo de Significación de los tratamientos en el M.05. H0 Nivel de Significación: α = 0. S. en Bloques = 0.01. V.217 1. 4.15 = 4. C.01 F0. M.75 = 1016.89 Fexp = 1.5 + 813.639 Fexp < F-t 4 444.0. Nivel de Significación: α = 0.55 TOTAL 67. F.

R2 = ES MEJOR EL MODELO SIN BLOQUES SCTr 2 R = 444.5 + 169.3 SCTr * + SCBl = = 0.442 1460.304 1460.3 = = 0.55 SCT ƒ MODELO EN BLOQUES COEFICIENTES DE DETERMINACION 79 .55 SCT ƒ MODELO SIN BLOQUES 477.