INGENIERÍA INDUSTRIAL

NOMBRE DE MATERIA
ESTADSTICA INFERENCIAL II

Nombre de activida

ENZAYO UNIDAD 4

Profesor: M.C. Moises Muñoz Diaz

Alumnos: Emmanuel Reyes Reyes

Fecha: 14/4/2021
El Diseño de Bloques Totalmente Aleatorizado: En muchos problemas de diseño
experimental es necesario diseñar el experimento de modo que sea posible controlar la
variabilidad generada por un factor indeseable. El procedimiento general para el diseño
aleatorizado por bloques completos consiste en seleccionar b bloques y realizar una réplica
completa del experimento en cada uno de ellos.

Análisis Estadístico: Suponga que tiene interés en un solo factor que tiene a niveles, y que el

experimento se efectúa en b bloques. Las observaciones pueden presentarse con el modelo estadístico
lineal
donde  es la media global,  i es el efecto del i-ésimo tratamiento,  j es el efecto del j-ésimo

bloque y  i j es el término de error aleatorio, el cual se supone que tiene una distribución normal

e independiente con media cero y varianza  2 (  i j ~ NID ( 0 ,  2 ) ).

Se supone que los tratamientos y los bloques no interactúan entre sí. Esto es, el efecto del tratamiento
i es el mismo sin importar en que bloque (o bloques) se pruebe. El interés recae en probar la igualdad
de los efectos de los tratamientos (equivale a probar la hipótesis de que las medias de tratamientos son
iguales)
Hipótesis:

El estadístico de prueba es:

La regla de decisión para  , con v1  a  1 y v2  ( a  1 )( b  1 ) grados de libertad es:

Rechazar H0 si F0  Fvv1, 
2

Para evaluar el estadístico de prueba se utiliza la tabla de análisis de varianza:

Decisión: SE rechaza o NO se rechaza H0

Conclusión: (Si se rechaza H0: Al menos uno de los efectos de tratamientos es diferente de
cero) ó (Si NO se rechaza H0:los efectos de tratamientos son todos iguales a cero).

Verificación del Modelo: En cualquier experimento diseñado, es siempre importante examinar los
residuos y verificar si se violan las suposiciones básicas (Normalidad, Independencia, Aditividad e
Igualdad de varianzas) que pueden invalidar los resultados.

Trazado de los Residuos Contra Tratamientos, Bloques y Valores Ajustados: La presentación visual en el bloque
completo aleatorizado implica graficar los residuos por separado para cada tratamiento y para cada
bloque. El analista debe esperar variabilidad aproximadamente igual si es válida la suposición de
igualdad de varianzas. En el caso de la gráfica de residuos contra valores estimados podría revelar
violación a nuestra suposición de aditividad, es decir, ninguna interacción.

En ocasiones, cuando se utiliza un diseño aleatorizado por bloques completos, alguna de las
observaciones en uno de los bloques puede faltar. Esto sucede debido algún descuido o error, o por
razones fuera del control del experimentador, como sería el caso de la pérdida de alguna unidad
experimental. Una observación faltante introduce un nuevo problema en el análisis, ya que los
tratamientos dejan de ser ortogonales a los bloques.

Un diseño cuadrado latino para p factores, o un cuadrado latino p x p, es un cuadrado que

contiene p renglones y p columnas. Cada una de las p2 celdas contiene una de las p letras
que corresponde a un tratamiento, y cada letra aparece una sola vez en cada renglón y
columna. El diseño cuadrado latino se usa para eliminar dos fuentes de variabilidad
problemáticas; en otras palabras, permite analizar sistemáticamente por bloques en dos
direcciones. A continuación se presentan algunos ejemplos de cuadrados latinos.
Modelo estadístico del diseño cuadrado latino.

yi j k  observación correspondiente al i-ésimo renglón, la k-ésima columna y el j-ésimo

tratamiento

  la media general

 i  es el i-ésimo efecto de renglón

 j  es el j-ésimo efecto de tratamiento

 k  es el k-ésimo efecto de la columna

 i j k  es el error aleatorio

El Diseño Cuadrado Greco – Latino: Consideremos un cuadrado latino p x p al que se le

sobrepone un segundo cuadrado latino cuyos tratamientos se designan por letras griegas. Se
dice que los dos son ortogonales si al sobreponerse poseen la propiedad de que cada letra
griega aparece solamente una vez con cada letra latina. El diseño cuadrado greco-latino puede
utilizarse para controlar sistemáticamente tres fuentes extrañas de variabilidad. En otras
palabras, se usa para hacer un análisis por bloques en tres direcciones. El diseño permite
analizar cuatro factores (renglón columna, letra griega y letra latina).

Modelo estadístico de un diseño cuadrado greco-latino:

i  1, 2 ,  , p
j  1, 2 ,  ,
 p
yi j k     i   j  k   l   i jk l 
k  1, 2 ,  , p
 l  1, 2 ,  , p
 yi j k l  la observación que corresponde al renglón i, la columna k, la letra latina j y la letra

griega k.

  la media general

 i  es el efecto del i-ésimo renglón

 j  es el j-ésimo efecto de tratamiento de las letras latinas

 k  es el k-ésimo efecto de tratamiento de las letras griegas

 l  es el efecto de la columna l

 i j k l  es la componente del error aleatorio

Conclusión:

Con la información encontrada y con la que nos fue entregada por el profesor,
puedo llegar a la conclusión de que el tipo de cuadros como lo el latino y el greco
son muy importantes ya que se utilizan para cierto uso, para poder obtener los
datos estadísticos esperados, toda la información me será muy útil ya que como
futuro ingeniero industrial estaré en constante contacto con estos métodos y los
usare muy seguido.