NotasU3 DisExp EE CL Exp CG-Conmutativo
NotasU3 DisExp EE CL Exp CG-Conmutativo
NotasU3 DisExp EE CL Exp CG-Conmutativo
Diseos Experimentales
UNIDAD 3
DISEOS DE UN FACTOR CON RESTRICCIONES EN LA
ALEATORIZACIN
Mrida, Yucatn
2016
Especializacin en
Estadstica
Diseos Experimentales
Pgina 2
1
C=12
B=14
A=17
D=13
Automvil
2
D=11
C=12
B=14
A=14
3
A=13
D=11
C=10
B=13
4
B=8
A=13
D=9
C=9
Se mide la diferencia mxima entre el grosor de la llanta nueva y el grosor de la llanta despus
de haber recorrido los 32000 kilmetros. Obviamente, a mayor diferencia en grosor mayor
desgaste. Las unidades de medicin son milsimas de pulgada.
Diseo experimental
El cuadrado latino es un arreglo cuadrado en donde los tratamientos se acostumbra denotarlos
con letras latinas (A, B, C, D, en el ejemplo); de all su nombre. Se observa en el ejemplo que
cada letra latina aparece una sola vez en cada rengln y columna. En general, un cuadrado
latino para p tratamientos, o un cuadrado latino pp, es un cuadrado que contiene p renglones
y p columnas. Cada una de las p2 celdas contiene una de las p letras que corresponden a un
tratamiento, y cada letra ocurre solamente una vez en cada combinacin rengln-columna.
Seleccin y aleatorizacin de un cuadro latino
Como en cualquier experimento, las observaciones en cuadrado latino deben recopilarse de
manera aleatoria. La configuracin del cuadrado latino del ejemplo de las marcas de llantas se
clasifica como no estndar. Para que un cuadrado latino sea estndar debe tener como primer
rengln y primera columna las letras escritas en orden alfabtico. El resto del cuadrado latino
estndar se obtiene escribiendo cada rengln como el rengln anterior, desplazado un lugar
hacia la izquierda. La tabla de abajo muestra algunas propiedades importantes de los cuadrados
latinos y los cuadrados estndar. Como puede observarse, el nmero de cuadrados latinos crece
mucho conforme el tamao de stos aumenta; esto implica que es prcticamente imposible
enumerar todos los cuadrados latinos y seleccionar uno al azar. El procedimiento usual es
seleccionar un cuadrado latino de una tabla de tales diseos, y despus arreglar al azar el
orden de los renglones, columnas y letras latinas.
Cuadro. Cuadrados latinos estndares y nmero de cuadrados latinos de varios tamaos.
Tam
Eje
Cua
Est
33
A B C
B C A
C A B
A
B
C
D
44
B C
C D
D A
A B
D
A
B
C
A
B
C
D
E
B
A
D
E
C
55
C
E
A
B
D
D
C
E
A
B
E
D
B
C
A
A
B
C
D
E
F
B
C
F
E
A
D
66
C D
F A
B E
A B
D F
E C
E
D
A
F
C
B
F
E
D
C
B
A
A
B
C
D
E
F
G
B
C
D
E
F
G
A
C
D
E
F
G
A
B
77
D
E
F
G
A
B
C
E
F
G
A
B
C
D
F
G
A
B
C
D
E
No.
Est
56
9408
16,942,080
N
cua
12
576
161,280
818,851,200
61479,419,904,000
G
A
B
C
D
E
F
pp
A B C p
B C D A
C D E B
A B p
p!(p-1)!
(no. de cuadros
estndares)
Nota. Se puede correr el experimento por columna o por rengln segn convenga. Lo que no es
correcto es efectuar todas las pruebas de un tratamiento, luego todas las de otro, y as
sucesivamente, puesto que se puede introducir ruido adicional debido a factores no controlables
que cambian con el tiempo.
Ejemplo.
Se desea estudiar el efecto de cuatro dietas (pasto estrella y pasto taiwan en dos formas de
presentacin: fresco y ensilado) sobre el consumo por cerdas gestantes. Se consideran 4 cerdas
y 4 perodos experimentales. Al final de cada perodo experimental se midi en kilogramos la
cantidad total consumida por cerda correspondiente (diferencia entre la cantidad ofrecida y la
rechazada).
Una vez iniciada la prueba, cada perodo experimental consisti en un da de oferta y registro
del
consumo del forraje-presentacin respectivo, del cual se suministraba 3 kg/da/cerda, seguido
de dos das de oferta de alimento comercial. Pasado este tiempo se iniciaba otro
periodo
Animales
1
2.8 (A)
2.3 (B)
2.4 (C)
1.6 (D)
1
2
3
4
2
2.2 (B)
1.9 (A)
2.4 (D)
1.8 (C)
3
2.3 (C)
1.8 (D)
2.7 (A)
2.3 (B)
4
2.5 (D)
2.5 (C)
2.2 (B)
2.1 (A)
Tratamientos: A: pasto estrella ensilado, B: pasto taiwan fresco, C: pasto taiwan ensilado y D: pasto
estrella fresco.
a)
b)
i 1, 2,..., p
y ijk i j k ijk
j 1, 2,..., p
k 1, 2,..., p
i1
j1
k1
0 , obtenindose:
Y
i Y i Y
j Y j Y
k Y k Y
ijk Yijk Y ijk Yijk Y i Y j Y k 2Y
Hiptesis
H0: 1 = 2 =...= p vs. H1: i j para al menos un par (i, j) donde ij
Equivalentemente:
H1 : j 0
para al menos una j.
H0 : j 0 para toda j vs.
ANOVA
El anlisis de varianza consiste en descomponer la suma de cuadrados total de las N=p2
observaciones en sus componentes de rengln, columna, tratamiento y error:
(*)
SCT SCrenglones SCcolumnas SCtrat
SCE
Con gl:
2
p 1 (p 1) (p 1) (p 1) (p 2)(p
1)
Bajo el supuesto ijk ~ NI(0, 2), cada una de las SC del lado derecho de la ecuacin (*) son (al
dividirlas entre 2) variables aleatorias independientes con distribucin ji-cuadrada. El estadstico
de prueba bajo H0 verdadera es:
CM trat ~ F(p1), (p2)(p1)
F
CM E
Regin de rechazo: F0 F; (p1), (p2)
(p1)
F0
CMtrat
trat
j 1
y 2
p N
p1
2
p
y2
SCcolumnas y k
N
k1 p
p1
Error
(p2)(p1)
Total
2
SC y y
Renglones
SCrenglones
i1
Columnas
y2
p1
SC
i 1 j1k 1 ijk
p21
renglones
p1
SC
columnas
p1
SCE
(p 2)(p 1)
CME
Notas.
1. Es posible probar que no existen efectos de rengln o de columna si se toma la razn de
CMrenglones o CMcolumnas contra CME.
Sy
S yi y j
CME
p
2CME
p
El ANOVA para cuadrados latinos repetidos depende del mtodo utilizado para hacer las
rplicas, en Montgomery (2004) se presentan las tablas de anlisis de varianza para cada uno
de los tres casos.
Una vez estudiado la teora bsica sobre el diseo de cuadrado latino se resolver el ejemplo
planteado al inicio de la seccin
Ejemplo [Comparacin de cuatro marcas de llantas, tomado de Gutirrez y De la Vara (2012)].
Una compaa de mensajera est interesada en determinar cul marca de llantas tiene mayor
duracin en trminos del desgaste. Para ello se planea un experimento en cuadro latino, en el
que se comparan las cuatro marcas de llantas sometindolas a una prueba de 32000 kilmetros
de recorrido, utilizando cuatro diferentes tipos de auto y las cuatro posiciones posibles de las
llantas en el auto. As, el factor de inters es el tipo de llanta o marca, y se controlan dos
factores de bloques: el tipo de automvil y la posicin de la llanta en el automvil. Estos
factores de bloques se controlan ya que, por experiencia, se sabe que tienen efecto en el
desgaste de la misma.
Las pruebas se hacen al mismo tiempo con choferes, a quienes se les instruye para que
manejen de manera similar, sobre el mismo terreno (circuito) para los cuatro automviles. Al
hacer las pruebas de los cuatro autos al mismo tiempo se evita el efecto del ambiente en el
desgaste; asimismo, el conductor y el tipo de terreno podran influir, pero se considera
suficiente mantenerlos lo ms homogneos posible durante el experimento. El diseo y los
datos observados se muestran en la siguiente tabla.
Posicin
1
2
3
4
1
C=12
B=14
A=17
D=13
Automvil
2
D=11
C=12
B=14
A=14
3
A=13
D=11
C=10
B=13
4
B=8
A=13
D=9
C=9
Se mide la diferencia mxima entre el grosor de la llanta nueva y el grosor de la llanta despus
de haber recorrido los 32000 kilmetros. Obviamente, a mayor diferencia en grosor mayor
desgaste. Las unidades de medicin son milsimas de pulgada.
TALLER
a) Resolver el ejemplo con la ayuda de un software estadstico. Utilice un nivel de
significancia de 5%.
b) Interprete en el contexto del problema.
Diseo de cuadrado grecolatino
EXPOSICIN
3.8. Diseos conmutativos
EXPOSICIN
Bibliografa
Bibliografa citada
Cochran, W.G. y Cox, G.M. (1974). Diseos Experimentales. Trillas, Mxico, D.F.
Conover, W.J. (1999). Practical nonparametric statistics. 3a Ed. John Wiley and Sons. New York,
USA.
Gutirrez-Pulido, H. y de la Vara-Salazar, R. (2012). Anlisis y Diseo de Experimentos. 3 Ed.
McGraw Hill, Mxico, D.F.
Hollander, M., Wolfe, D.A. (1999). Nonparametric statistical methods. 2a Ed. John Wiley and Sons.
New York, USA.
Marques, C.M.J. (1988). Probabilidad y estadstica para ciencias qumico-biolgicas. Universidad
Autnoma de Mxico. Mxico, D.F.
Montgomery, D.C. (2004). Diseo y anlisis de experimentos. 2 Ed. Limusa Wiley, Mxico, D.F.
Siegel, S., Castellan N.J. (2001). Estadstica no paramtrica: aplicada a las ciencias de la
conducta. 4 Ed. Editorial Trillas. Mxico, D.F.
Wackerly, D.D., Mendenhall, W., Scheaffer, R.L. (2010). Estadstica Matemtica con
Aplicaciones. 7 Ed. CENGAGE Learning. Mxico, D.F.
Zar, J.H. (1999). Biostatistical Analysis. 4 Ed. Prentice Hall. New Jersey, USA.
Zar, J.H. (2010). Biostatistical Analysis. 5a Ed. Prentice-Hall. New Jersey, USA.
Bibliografa consultada
Daniel, W.W. (2006). Bioestadstica: Base para el Anlisis de las Ciencias de la Salud. 4a Ed.
Limusa Wiley. Mxico, D.F.
Daniel, W.W. (1990). Applied Nonparametrics Statistics. 2a Ed. Duxbury Thomson Learning.
Pacific Grove, CA, USA.
Dickinson, G.J., Chakraborti, S. (1992). Nonparametric statistical inference. 3a Ed. Marcel Dekker.
New York, USA.
Kuehl, R.O. (2001). Diseo de Experimentos. 2 Ed. Thomson Editores. Mxico, D.F.
Infante, G.S. y Zrate, L.G. (2005). Mtodos Estadsticos. 2 Ed. Editorial Trillas. Mxico, D.F.
Scheaffer, R.L., McClave, J.T. (1993). Probabilidad y estadstica para ingeniera. Grupo Editorial
Iberoamrica. Mxico, D.F.