VENTAJAS

Cuando en un experimento las unidades experimentales se arreglan bajo un Diseño

completamente al azar se tienen las siguientes ventajas:

1. Flexibilidad: Cualquier número de tratamientos y cualquier número de réplicas

pueden ser usadas, siempre y cuando se tengan suficientes Unidades
Experimentales homogéneas. Se pueden variar a voluntad del investigador el
número de repeticiones de un tratamiento a otro, pero no es recomendable sino
existe una buena razón. Todo el material experimental disponible puede usarse, lo
cual es una ventaja en experimentos preliminares pequeños donde el material
experimental de que se dispone es escaso.

2. Análisis Estadístico simple: ya sea cuando todos los tratamientos tengan igual
número de réplicas (balanceado), diferente número de réplicas (desbalanceado) o
pérdida de datos, caso en el cual se trata como un análisis desbalanceado sigue
siendo sencillo. La pérdida relativa de información debida a los datos faltantes, es
de menos importancia que en cualquier otro sistema.

3. Máximo número de grados de libertad para el error: Esto ocurre porque el diseño
tiene solo dos fuentes de variación que son, los tratamientos y el error y los grados

de libertad para este error están dados por la expresión . El número de

grados de libertad es máximo en comparación con otros modelos, el modelo
estadístico sigue siendo fácil aun cuando se pierdan unidades experimentales.

4. Precisión: Aun cuando el dato de algún tratamiento se hayan perdido, o rechacen

por alguna causa el método de análisis sigue siendo sencillo. Es muy preciso si se
tienen en cuenta Unidades Experimentales homogéneas.

DESVENTAJAS
 1. No es apropiado para un número elevado de tratamientos. (se recomienda entre 6
y 24 tratamientos).

2. No es aconsejable cuando exista una gran variación (en más de una variable) en
el material experimental.

3. Si el efecto de bloque no es significativo se trabaja innecesariamente con

disminución de la precisión.

4. Si resulta una interacción entre bloque y tratamiento, se invalida la prueba F.

5. La principal estriba en su grado de precisión, algún otro diseño suele ser capaz
de estimar el error stándar por unidad experimental (error experimental) con un
mayor grado de precisión

6. No siempre puede garantizarse condiciones de homogeneidad. No se asegura,

ninguna forma para aseverar que las unidades reciben un tratamiento similar a
aquellas que reciben otro tratamiento, toda la variación que existe entre las
unidades pasa a formar parte del error experimental.

7. Se puede obtener baja precisión cuando las unidades experimentales no sean muy
homogéneas y así ser ineficiente.

USOS

1. Es recomendado cuando es posible que gran parte de las UE no respondan al

tratamiento o puedan perderse durante el experimento.

2. Es útil en experimentos en los que el número de UE es limitado, ya que provee el

máximo número de grados de libertad del error.
EJEMPLO:

Se realiza un experimento para determinar el efecto de cuatro sustancias químicas

diferentes sobre la resistencia de una tela. Las sustancias se emplean como parte del
proceso terminal de planchado permanente. Para ello, se escogen cinco muestras de tela
y se aplica un diseño aleatorizado por bloques completos mediante la prueba de cada
sustancia en un orden aleatorio sobre cada una de las muestras de tela. Se probará la
diferencia en las medias utilizando para ello el análisis de la varianza con α = 0,01. Los
datos aparecen a continuación.

Sustancia/Muestra 1 2 3 4 5 Media
1 1,3 1,6 0,5 1,2 1,1 1,14
2 2,2 2,4 0,4 2,0 1,8 1,76
3 1,8 1,7 0,6 1,5 1,3 1,38
4 3,9 4,4 2,0 4,1 3,4 3,56
MEDIA 2,3 2,53 0,88 2,2 1,9 1,96

El factor de interés es la sustancia química, con cuatro niveles y el factor bloque es la

muestra de tela, con cinco niveles. Entonces a = 4, b = 5 y n = 20

 𝑆𝐶𝐴 = 5(1,142 + 1,762 + 1,382 + 3,562 ) − 20 ∗ 1, 962 = 18,04

 𝑆𝐶𝐵 == 4(2, 32 + 2,532 + 0,882 + 2, 22 + 1, 92 ) − 20 ∗ 1, 962 = 6,692
 𝑆𝐶𝑇 =
1,32 + 1,62 + 0,52 + 1,22 + 1,12 + 2,22 + 2,42 + 0,42 + 22 + 1,82 + 1,82 + 1,72 + 0,62 + 1,52 + 1,32 +
3,92 + 4,42 + 22 + 4,12 + 3,42
2
20 ∗ 1, 96 = 25,69
 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 = 25,69 − 18,04 − 6,69 = 0,96

La tabla ANOVA es:

Fuente de Grados de Suma de Cuadrados 𝑴𝑪

F( )
variación Libertad cuadrados medios 𝑬
Sustancia 3 18.04 6.01 75.13
Muestra 4 6.69 1.67
Error 12 0.96 0.08
Total 19 25.69

Como 𝐹3;12:0.01 = 5,9526, existe una diferencia significativa en las sustancias químicas en cuanto
al efecto que tienen sobre la resistencia promedio de la tela.