Beruflich Dokumente
Kultur Dokumente
en
la
su
de
Los factores de bloqueo que aparecen en la prctica son: Turno, lote, da, tipo de
material, lnea de produccin, operador, maquina, mtodo, etc.
Supongamos una situacin experimental con k tratamientos y b bloques. El
aspecto de los datos para este caso se muestra en la tabla 3,1. Considerando una
repeticin en cada combinacin de tratamiento y bloque.
bloques completos al azar
Tratamiento
1
2
3
.
k
Bloque
.
.
.
.
.
.
Modelo estadstico
Cuando se decide utilizar un DBCA, el experimentador piensa que cada medicin ser el
resultado del efecto del tratamiento donde se encuentre, del efecto al que pertenece y de
cierto error que se espera sea aleatorio. El modelo estadstico para este diseo est dado
por:
Donde
Es la medicin que corresponde al tratamiento y al bloque
Es la media global poblacional
Es el efecto debido al tratamiento
Es el efecto debido al bloque
Es el error aleatorio atribuible a la medicin
Hiptesis a probar
La hiptesis de inters es la misma para todos los diseos comparativos, y est pada por:
alternativa, es posible afirmar que todos los efectos de tratamiento sobre la variable de
respuesta son nulos, porque cuando el efecto
, entonces necesariamente
la respuesta media del tratamiento es igual a la media global (
).
Anlisis de varianza
La hiptesis dada se prueba con un anlisis de varianza con dos criterios de clasificacin,
porque se controlan dos fuentes de variacin: el factor de tratamientos y el factor de
bloque. En la tabla 3.2 se muestra el aspecto del ANOVA para diseo DBCA.
Tabla 3.2 ANOVA para un diseo en bloques completos al azar
Fuentes de
variabilidad
Tratamientos
Bloques
Suma de
cuadrados
SCTRAT
SCB
Error
Grado de
libertad
K1
Cuadrado
medio
CMTRAT
b1
CMB
Valor-p
(k 1)(b 1)
CME
SCE
Total
N-1
SCT
Operador
1 2 3
6 9 7
7 10 11
10 16 11
10 13 11
A
B
C
D
4
8
8
14
9
Recordemos que la variable de respuesta son los minutos en que se realiza el ensamble.
Para comparar los cuatro mtodos se plantea la hiptesis:
=
Cuenta
4
Suma
30
Promedio
7,5
36
51
12,75
43
10,75
4
4
33
48
8,25
12
4 , 25
10
40
10
39
9,75
8 , 25
Suma de
cuadrados
61,5
Grados de
libertad
3
Promedio de los
cuadrados
20,5
Operador
Varianza
1,666666
67
3,333333
33
7,583333
33
2,916666
67
ANLISIS DE VARIANZA
Origen de las
variaciones
Filas
Columnas
28,5
9,5
Error
18
Total
108
15
F
10,2
5
4,75
Probabilid
ad
0,002919
257
0,029845
948
Valor crtico
para F
3,862548
358
3,862548
358
De esta tabla se observa que para los mtodos se obtuvo un valor-p = 0,003
, por lo que se rechaza la
de que el tiempo medio poblacional de los mtodos
de ensamble son iguales, y se acepta que al menos dos de los mtodos son diferentes en
cuanto al tiempo medio que se requiere.
Fuente
Mtodo
Operador
Error
Total
S = 1,414
GL SC
MC
F
P
3
61,5 20,5 10,25 0,003
3
28,5
9,5
4,75 0,030
9
18,0
2,0
15 108,0
R-cuad. = 83,33% R-cuad.(ajustado) = 72,22%
SC
GL
CM
Valor
crtico
para F
Tratamientos
Bloque
Error
Total
5- Estadstico de prueba
Concentrado en tabla
ANOVA
Suma de Grados de
cuadrados libertad
61,5
3
28,5
3
18
9
108
Promedio de
los cuadrados
F
20,5
10,25
9,5
4,75
2
Valor
crtico
para F
3,8625483
3,8625486
15
donde b es el nmero de bloques, que hace las veces de nmero de rplicas, y (k-1)(b-1)
son los grados de libertad del
De aqu que en el ejemplo de los cuatro mtodos de ensamble tenemos que
=
=
2,26 (valor buscado en tablas de T
de estudent)
Al comparar esta diferencia mnima significativa con los datos se obtiene la siguiente
tabla:
Diferencia
poblacional
Diferencia
muestral
-1,5 2,26
-5,25 2,26
-3,25 2,26
-3,75 2,26
-1,75 2,26
2,00 2,26
Decisin
No
significativo
Significativo
Significativo
Significativo
No
significativo
No
significativo
Ejercicios
1.- En qu situaciones se aplica un diseo en bloques completos al azar? En qu
diferentes los factores de tratamiento y de bloque?
2.- Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar
moscas. Para ello, cada producto se aplica a un grupo de 100 moscas, y se cuenta el
nmero de moscas muertas expresando en porcentajes. Se hicieron seis replicas, pero en
das diferentes; por ello, se sospecha que puede haber algn efecto importante debido a
esta fuente de variacin. Los datos obtenidos se muestran a continuacin.
Marca del
Nmero de replicas (da)
atomizador
A
7 65 67 7 62 73
B
2 59 68 5 53 50
C
5 74 61 7 51 69
5
0
6
5
4
8
a)
b)
c)
d)
1092
Grado Promedio de
s de
los cuadrados
liberta
d
2
148,1666
667
5
56,26666
667
10
51,43333
333
2,880751
78
1,093972
78
Probabilid Valor
ad
crtico
para F
0,102804
418
0,420717
751
4,102821
015
3,325834
529
17
=
En el ANOVA para los diferentes das de los spray se acepta la hiptesis nula de
que no importa el da, es decir son iguales
3.- A continuacin se muestran los datos para un diseo en bloque al azar
Tratamient
o
A
B
C
Bloque
1 2 3 4
3 4 2
6
1
7 9 3 0
7
4 6 3
Cuenta
4
Suma
15
Promedio
3,75
29
7,25
20
3
3
14
19
4,666666667
6,333333333
2,666666667
23
7,666666667
Tratamiento
Varianza
2,916666
667
9,583333
333
3,333333
333
4,333333
333
6,333333
333
0,333333
333
4,333333
333
ANLISIS DE VARIANZA
Origen de las
variaciones
Filas
Suma de
Grados de
cuadrados
libertad
25,1666666
2
7
42
3
Columnas
Error
5,5
72,6666666
7
Total
a) valor-p = 0,0057
los tratamientos
Promedio de los
cuadrados
12,58333333
14
0,916666667
F
13,72727
273
15,27272
727
Probabilid
ad
0,005768
838
0,003244
859
Valor crtico
para F
5,1432528
5
4,7570626
64
11
valor-p = 0,0032
, el factor de bloque (tratamientos) tambin afecta, es
decir, existen diferencias entre el bloque, por lo que se rechaza la
b)
c)
Diferencia
poblacional
Diferencia
muestral
-3,5 1,65
-1,25 1,65
2,25 1,65
Decisin
Significativo
No
Significativo
Significativo
Lavadora
2
43
44
49
37
Lavadora
3
51
52
57
49
Sustancia
Qumica
1
2
3
4
1
1,3
2,2
1,8
3,9
Muestra de tela
2
3
4
5
1,6
2,4
1,7
4,4
0,5
0,4
0,6
2,0
1,2
2,0
1,5
4,1
1,1
1,8
1,3
3,4
Los tratamientos
El factor de bloque I (renglones)
El factor de bloque II (columnas)
El error aleatorio
Se llama cuadro latino por dos razones: es un cuadro debido a que tiene la
restriccin adicional de que los tres factores involucrados se prueban en la misma
cantidad de niveles, y es latino porque se utilizan letras latinas para denotar a los
tratamientos o niveles del factor de inters. Sean A, B, C, , K, los k tratamientos a
comparar, por lo tanto ambos factores de bloques tienen tambin k niveles cada uno. El
aspecto de los datos se muestra en la siguiente tabla.
1
1A
2B
Bloque I 3
(renglones) .
.
k
= Y111
= Y221 C
= Y331
.
.
K = Ykk1
Bloque II (columnas)
2
3
B = Y212C
C = Y322D
D = Y432
.
.
A = Y1k2
= Y313
= Y423 E
= Y533
.
.
B = Y2k3
K = YK1K
A = Y12K B
= Y23K
.
.
J = YJkK
donde
es la observacin del tratamiento , en el nivel , del factor rengln y en el
nivel del factor columna;
es el error atribuible a dicha observacin. De acuerdo con
este modelo, la variabilidad total presente en los datos se puede descomponer como
Suma de Grado de
cuadrados libertad
Tratamientos
SCTRAT
Renglones
SCB1
Columnas
Error
Total
Cuadrado
medio
k1
Valor-p
CMTRAT
k1
CMB1
k1
SCB2
(k 2)(k 1)
CMB2
SCE
k2 - 1
CME
SCT
ABCD
B ADC
C DBA
D C AB
ABCD
B DA
Cy
C ADB
DCBA
Para cuatro tratamientos se pueden construir un total de 576 cuadros latinos de los
cuales cuatro son estndar. La seleccin del diseo debera ser elegir uno al azar de los
576 posibles; no obstante, es prcticamente imposible construirlos a todos para
seleccionar uno al azar. Sin embargo, ocurre que dado un cuadro latino, cualquier
intercambio de columnas o de renglones es tambin cuadro latino, por eso la estrategia
de seleccin y aleatorizacin recomendada en la prctica es la siguiente:
Ejemplo.
Comparacin de cuatro marcas de llantas. 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 32 000 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 llantas o marca, y se controlan dos
factores de bloque: el tipo de carro y la posicin de la llanta en el auto. Estos factores de
bloque se controlan ya que, por experiencia, se sabe que el tipo de carro y la posicin
de la llanta tienen efecto en el desgaste de la misma.
La eleccin del cuadro latino a utilizar se hace antes de obtener los datos. Para ello, a
partir de un cuadro latino inicial se aleatorizan las columnas y los renglones; despus,
las diferentes marcas de llantas se asignan de manera aleatoria a las letras latinas que
denotan los niveles del factor de inters
Posici
n
1
2
3
4
Carro
1
2
3
C = 12 D = 11 A =
B = 14 C = 12 13
A = 17 B = 14 D =
D=
A = 14 11
C=
13
10
B=
13
4
B=8
A=3
D=
9
C=9
Las pruebas se hacen al mismo tiempo con choferes, a quienes se les instruye
para que manejen de manera similar sobre el mismo terreno 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 homogneo posible durante el
experimento. El diseo y los datos observados se muestran en la tabla anterior. Se mide
Suma de
cuadrados
5,6875
Grados de
libertad
3
Posicin
Carro
Error
16,1875
103,6875
30,375
3
3
6
Total
155,9375
15
Promedio de los
cuadrados
10
F
0,37
2,0625
12,8958
0,895833
Valor crtico
Valor-p para F
0,775 4,76
1,07
6,83
0,431
4,76
0,023 4,76
Se observa que nuestro punto critico tanto para la posicin, el tipo de carro y las
marcas es de 4,76. Concluimos que en las marcas y posicin no existe evidencia de que
esta influya por lo que se acepta la hiptesis nula de que son iguales a un nivel de
significancia de = 0,05. En cuanto al tipo de carro observamos que este si influye en el
desgaste de las llantas por lo que rechazamos la hiptesis nula
Resultado arrojado en Minitab
Modelo lineal general: Desgaste vs. Posicin, Carro, Marcas
Factor
Posicin
Carro
Marcas
Fuente
Posicin
Carro
Marcas
Error
Total
Tipo
fijo
fijo
fijo
Niveles Valores
4
1, 2, 3, 4
4
1, 2, 3, 4
4
A, B, C, D
Bloque 1
(filas)
Bloque 2
(columnas)
F
1,07
6,83
0,37
CM
P
0,431
0,023
0,775
Valor
crtico
para F
Error
Total
Tratamiento
44 40 50
(
49
(
56
51
47
29
de los datos
de medicin
total
media global
5- Estadstico de prueba
16,19
5,39
1,06
4,76
103,69
34,56 6,83
4,76
30,37
5,06
19
Ejercicios
1.- Las letras A, B, C y D representan cuatro variedades de trigo; los renglones
representan cuatro diferentes fertilizantes; y las columnas 4 anos diferentes. Los datos
de la siguiente tabla son los rendimientos para las cuatro variedades de trigo, medidas
en kilogramos por parcela. Se supone que las diversas fuentes de variacin no
interactan. Utilice un nivel de significancia de 0.05 para probar la
; no hay
diferencia en los rendimientos promedio de las cuatro variedades de trigo
Rendimiento del trigo (kg por parcela)
Fertilizantes 1981
Fertilizante 1 A
70
Fertilizante 2 D
66
Fertilizante 3 C
59
Fertilizante 4 B 41
1982
B
75
A
59
D
66
C
57
1983 1984
C
D
81
68
B
C
55
63
A
B
39
42
D
A
39
55
Niveles
4
4
4
GL SC sec.
3 1557,19
3
417,69
3
263,69
Valores
1, 2, 3, 4
1, 2, 3, 4
A, B, C, D
SC ajust.
1557,19
417,69
263,69
MC ajust.
F
P
519,06
11,92 0,006
139,23
3,20 0,105
87,90
2,02 0,213
20
Error
Total
6
15
261,37
2499,94
261,37
43,56
3 C
Columnas
2
3
4
BC
D
D
AA
C
B
D
B
4 D
1
1 A
2 B
Renglones
Al igual que en el cuadro latino, cada letra (latinas y griegas) debe aparecer slo una vez
en cada rengln y en cada columna. Adems, cada par de letras debe aparecer slo una
vez en todo el arreglo.
El modelo estadstico que describe a las mediciones en un cuadro grecolatino est dado
por
donde
es la observacin o respuesta que se encuentra en el tratamiento ( -sima
letra latina), en el rengln , en la columna y en la -sima letra griega; es el efecto
del tratamiento , es el efecto del rengln , representa el efecto de la columna y
representa el efecto de la -sima letra griega, que son los niveles del tercer factor
de bloque; el trmino
representa el error aleatorio atribuible a la medicin
. Es
importante no confundir las letras griegas del modelo que representan efectos, con las
letras griegas en el diseo que simbolizan a los niveles del tercer factor de bloque. La
variabilidad total presente en los datos se puede partir de la manera usual como
22
Suma de cuadrados
Grados de libertad
k-1
Factor de bloque I
(renglones)
k-1
Factor de bloque II
(columnas)
k-1
k-1
(k-3)(k-1)
Error
Total
El anlisis de varianza para el ejemplo se aprecia que el nico efecto significativo son
los tratamientos (mtodos), y ninguno de los factores de bloque tiene un efecto
significativo sobre el tiempo de ensamble. El factor operador tiene un valor-p bajo, lo
cual indica que podra tener un efecto significativo; sin embargo, en este experimento
fue imposible detectarlo. Si contrastamos con respecto a F critica para los cuatro casos
F en tablas es F = 9,28, por lo cual se rechaza la hiptesis nula para mtodo, en cuanto
para operador, orden y lugar se acepta.
CONCLUSION
Como ya observamos en los temas investigados el diseo en bloques completas al azar
es el diseo donde se incorpora una tcnica de diseo llamada formacin de bloques que
tiene como finalidad eliminar de manera sistemtica a los factores perturbadores, los
cuales pueden influir en la respuesta del experimento.
Los bloques no se incluyen en el experimento por que interese analizar su efectividad, si
no como un medio para estudiar de manera adecuada y eficaz a los tratamientos.
Tambin vemos que en este diseo se consideran tres fuentes de variabilidad: como es el
factor de tratamientos (k), el factor de bloque (b) y el error aleatorio, es decir se tienen
tres posibles culpables de la variabilidad que puedan presentar los datos.
Tambin mencionamos y vimos los que son ejemplos de factores de bloqueo como lo
son: turno, lote, da, tipo de material, lnea de produccin, operador maquina etc.
El DBCA es uno de los diseos ms utilizados en la experimentacin industrial.
BIBLIOGRAFIA
GUTIERREZ, P. H y DE LA VARA, S. R. 2008. Segunda edicin. Anlisis y Diseo
de Experimentos. Mc Graw Hill.
MONTGOMERY, C.D.; G.C, RUNGER. 2010. Segunda edicin. Probabilidad y
Estadstica. LIMUSA WILEY
MONTGOMERY, C.D. Diseo y Anlisis de Experimentos. Segunda edicin.
LIMUSA WILEY
WALPOLE, R.; MAYERS, R.H.; MAYERS, S.L. 1998. Sexta edicin. Probabilidad y
Estadstica Para Ingenieros. Pearson Education