GUIA PRACTICA Nº 12

NOMBRES: Guzman Moreira Lizbeth Caroline Fecha: 01/02/2023

DOCENTE: Ing. Walter Jacome Tipo de
IND
MATERIA: Diseño experimental practica:
Aplicar conocimientos de diseño de bloques Practica Noveno
INSTRUCCIONES:
completamente al azar en casa “ B"
Realizar los ejercicios de acuerdo a los conocimientos del tema de diseño de
OBJETIVO:
bloques completamente al azar
Fundamento Teórico
Diseño de bloques completamente al azar
El diseño de bloques completamente al azar es un tipo de experimento en estadística que se utiliza para
evaluar la efectividad de un tratamiento o intervención. En este diseño, los participantes son asignados de
manera aleatoria a grupos que recibirán diferentes tratamientos. Esta asignación al azar garantiza que
cualquier diferencia observada entre los grupos tratados se deba a la intervención y no a otros factores.
Este diseño es útil para controlar las variables confundentes y garantizar la validez interna de los resultados
(Berenson, Levine, & Krehbiel, 2006).
El diseño en bloques completos al azar trata de comparar tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloques y el error aleatorio. El adjetivo completo se refiere a que en cada bloque
se prueban todos los tratamientos. La aleatorización se hace dentro de cada bloque. (Díaz, 2009).
Este es el más simple y quizás el ampliamente usado de los diseños de bloques al azar que es definido por
Hinkelman(1994) así: El material experimental es dividido en b grupos de t unidades experimentales (UE)
cada uno, donde t es el número de tratamientos , tales que las UE dentro de cada grupo son lo más
homogénea posible y las diferencias entre las UE sea dada por estar en diferentes grupos. Los conjuntos
son llamados bloques. Dentro de cada bloque las UE son asignadas aleatoriamente, cada tratamiento
ocurre exactamente una vez en un bloque.
Procedimientos
Se planteo la comparación de cuatro métodos de ensamble, ahora se va a controlar activamente en
el experimento a los operadores que realizaran el ensamble, lo que da lugar al siguiente diseño de
bloques completamente al azar.

OPERADOR
MÉTODO
1 2 3 4
A 6 9 7 8
B 7 10 11 8
C 10 16 11 14
D 10 13 11 9
Información del factor
Factor Tipo Niveles Valores
METODO Fijo 4 A; B; C; D

OPERADOR Fijo 4 1; 2; 3; 4

Análisis de Varianza
SC SC MC Valor
Fuente GL Sec. Contribución Ajust. Ajust. F Valor p
METODO 3 61,50 56,94% 61,50 20,500 10,25 0,003
OPERADOR 3 28,50 26,39% 28,50 9,500 4,75 0,030
Error 9 18,00 16,67% 18,00 2,000
Total 15 108,00 100,00%

Resumen del modelo

R-
R- R-cuad. cuad.
S cuad. (ajustado) PRESS (pred) AICc BIC
1,41421 83,33% 72,22% 56,8889 47,33% 83,86 69,47

Coeficientes
EE del
Término Coef coef. IC de 95% Valor T Valor p FIV
Constante 10,000 0,354 (9,200; 28,28 0,000
10,800)
METODO
A -2,500 0,612 (-3,885; - -4,08 0,003 1,50
1,115)
B -1,000 0,612 (-2,385; -1,63 0,137 1,50
0,385)
C 2,750 0,612 (1,365; 4,135) 4,49 0,002 1,50
OPERADOR
1 -1,750 0,612 (-3,135; - -2,86 0,019 1,50
0,365)
2 2,000 0,612 (0,615; 3,385) 3,27 0,010 1,50
3 0,000 0,612 (-1,385; 0,00 1,000 1,50
1,385)
Agrupar información utilizando el método de Tukey y una confianza de 95%
OPERADOR N Media Agrupación
2 4 12,00 A
3 4 10,00 A B
4 4 9,75 A B
1 4 8,25 B
Las medias que no comparten una letra son significativamente diferentes.

Agrupar información utilizando el método LSD de Fisher y una confianza de 95%

METODO N Media Agrupación
C 4 12,75 A
D 4 10,75 A B
B 4 9,00 B C
A 4 7,50 C
Las medias que no comparten una letra son significativamente diferentes.

¿Existe variación entre los métodos de ensamble?

P es menor a 0,5 por lo que se acepta la Ha, lo que quiere decir que existe variación en las medias de los
métodos de ensamble.
¿Qué operador trabaja mejor?
El operador 1 es el que menos tiempo toma en trabajar, sin embargo, no es diferente con el operador 4
¿Qué método recomendaría para ensamblar en el menor tiempo?
El mejor método de ensamble es el método A, pero no existe diferencia entre el método A y el B
REPETICIONES
TRATAMIENTOS
1 2 3 4
A 47 52 62 51
B 55 56 76 59
C 76 65 79 82
D 54 65 74 59

Información del factor

Factor Tipo Niveles Valores
REPETICIONES Fijo 4 1; 2; 3; 4
TRATEMIENTOS Fijo 4 A; B; C; D

Análisis de Varianza
SC MC Valor
Fuente GL SC Sec. Contribución Ajust. Ajust. F Valor p
REPETICIONES 3 10043,2 92,24% 10043,2 3347,73 98,93 0,000
TRATEMIENTOS 3 540,7 4,97% 540,7 180,23 5,33 0,022
Error 9 304,6 2,80% 304,6 33,84
Total 15 10888,4 100,00%

Coeficientes
EE del
Término Coef coef. IC de 95% Valor T Valor p FIV
Constante 50,81 1,45 (47,52; 54,10) 34,94 0,000
REPETICIONES
1 -42,56 2,52 (-48,26; -36,86) -16,90 0,000 1,50
2 8,69 2,52 (2,99; 14,39) 3,45 0,007 1,50
3 21,94 2,52 (16,24; 27,64) 8,71 0,000 1,50
TRATEMIENTOS
A -8,06 2,52 (-13,76; -2,36) -3,20 0,011 1,50
B -1,31 2,52 (-7,01; 4,39) -0,52 0,615 1,50
C 8,19 2,52 (2,49; 13,89) 3,25 0,010 1,50
Agrupar información utilizando el método LSD de Fisher y una confianza de 95%
REPETICIONES N Media Agrupación
3 4 72,75 A
4 4 62,75 B
2 4 59,50 B
1 4 8,25 C
Las medias que no comparten una letra son significativamente diferentes.
Agrupar información utilizando el método LSD de Fisher y una confianza de 95%
TRATEMIENTOS N Media Agrupación
C 4 59,00 A
D 4 52,00 A B
B 4 49,50 B
A 4 42,75 B
Las medias que no comparten una letra son significativamente diferentes.
Al ser p menor que 0,5 se acepta la Ha, por lo tanto existe diferencias entre los tratamientos realizados,
las repeticiones 1 y 3 no tienen similitud con las demás, y el mejor tratamiento es el A, sin embargo no
presenta diferencias con el tratamiento B y D.
Conclusiones
Las conclusiones del diseño de bloques completamente al azar son válidas si se cumplen ciertas
condiciones estadísticas y éticas. Estas incluyen un tamaño de muestra adecuado, la asignación aleatoria
efectiva de participantes a los grupos, la igualdad de los grupos en cuanto a factores relevantes antes de
la intervención y la ausencia de sesgos en la asignación y la evaluación. Si estas condiciones se cumplen,
las conclusiones del diseño de bloques completamente al azar son válidas y pueden ser utilizadas para
inferir acerca de la efectividad del tratamiento en la población general. Sin embargo, es importante tener
en cuenta que, aunque este diseño es útil, puede haber limitaciones y deben considerarse otros factores,
como la variabilidad natural de la población y el tamaño de la muestra.
Recomendaciones
Algunas recomendaciones para el uso del diseño de bloques completamente al azar incluyen:
1. Definir claramente los objetivos del experimento: Es importante tener una idea clara de lo que se
quiere investigar y cómo se va a medir antes de implementar el diseño.
2. Tamaño de la muestra adecuado: El tamaño de la muestra debe ser suficiente para detectar
diferencias significativas entre los grupos.
3. Asignación aleatoria: La asignación de los participantes a los grupos debe ser completamente al
azar para minimizar el sesgo.
4. Controlar las variables confundentes: Es importante controlar las variables confundentes que
puedan afectar los resultados, como la edad, el género y la historia médica.
5. Evaluación adecuada: La evaluación de los resultados debe ser objetiva y estandarizada para
garantizar la fiabilidad de los datos.

Bibliografía
Balluerka Lasa, N., & Vergara Iraeta, A. I. (2002). Diseños de investigación experimental en psicología: modelos
y análisis de datos mediante el SPSS 10.0. Madrid, España: Pearson Educación.

Berenson, M. L., Levine, D. M., & Krehbiel, T. C. (2006). Estadística para administración. Pearson Educación.
Díaz, A. (2009). Diseño estadístico de experimentos 2a Ed. Universidad de Antioquia.
Fallas, J. (2012). ANÁLISIS DE VARIANZA Comparando tres o más medias. Obtenido de ucipfg. Repositorio:
https://www.ucipfg.com/Repositorio/MGAP/MGAP-05/BLOQUE-ACADEMICO/Unidad-
2/complementarias/analisis_de_varianza_2012.pdf
Gladys Casas Cardoso, N. V. (Junio, 2008). Aplicación de métodos de comparaciones múltiples en Biotecnología
Vegetal. Biotecnología Vegeta, 67 - 71.