Instituto Tecnológico Superior de Coatzacoalcos
Carrera: Ingeniería Industrial
Ciclo escolar: Enero-Junio 2024
Asignatura: Estadística inferencial 2
Unidad: 4 Diseño de bloques.
Alumno: Rasgado Hernández Ezequiel Obet.
No. De control: 22080958 semestre: 4 Grupo: C
Docente: Bricio Jiménez Ventura
Fecha: 20/02/2024
1
Índice
Introducción.................................................................................................................................................3
4.1 Diseños en bloques completos al azar....................................................................................................4
4.2 Diseño en cuadrado latino......................................................................................................................6
4.3 Diseño en cuadro grecolatino.................................................................................................................8
4.4 Uso de un software estadística..............................................................................................................10
Conclusión................................................................................................................................................12
Glosario.....................................................................................................................................................13
Bibliografía................................................................................................................................................14
2
Introducción
Se puede iniciar introduciendo que la investigación presentada continuación, es punto de partida
para la elaboración de la unidad, desarrollando y adquiriendo nuevas habilidades y herramientas,
para el desarrollo de uno en el lado estudiantil, laboral y cotidiano, los temas presentados son de
gran ayuda y apoyo para toda la comunidad, ya que estos temas son utilizados para el desarrollo
de la humanidad y para poder tener un control, de igual manera para la toma de decisiones.
Algunos experimentos diseñados pueden proveer información de manera efectiva cuando las
mediciones son difíciles o muy costosas de hacer o pueden minimizarle efecto de variabilidad
no deseada en la inferencia del tratamiento.
Esto es de gran ayuda los temas son muy complejos y de mucha importancia. A continuación, se
mostrará información acerca de los diseños comúnmente utilizados. Para mostrar estos
diseños, se consideran dos factores de tratamiento(A y B) y su interacción (A*B). Sin embargo,
estos diseños no están restringidos a dos factores. Si el diseño es balanceado, se puede utilizar el
ANOVA (Análisis dela varianza) balanceado para analizar los datos. Si no es así, utilice GLM
(Modelo lineal generalizado).
3
4.1 Diseños en bloques completos al azar
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.
Para ilustrar el diseño, supongamos que queremos determinar si cuatro laboratorios miden la
misma resistencia característica del hormigón a compresión. Para ello se han considerado 5
amasadas diferentes que han sido analizadas por cada uno de los laboratorios. A los 28 días, se
han roto las probetas a compresión simple y los resultados son los que hemos recogido en la tabla
que sigue. El diseño de Bloques Completos al Azar (DBCA) es un de los diseños experimentales
que tienen mayores aplicaciones en el área de ingeniería. Este diseño es especialmente útil, para
experimentos en industria en donde no es muy alto el número de tratamientos que se evalúan y el
área experimental sigue un gradiente de productividad predecible. Características generales. La
principal característica que distingue a este diseño es la presencia de bloques o franjas de igual
tamaño, conteniendo a cada uno de los tratamientos que se ensayan La formación de bloques
reduce el error experimental eliminando la contribución de fuentes de variación conocidas sobre
las unidades experimentales. Debido a que solo la variación dentro de bloques resulta parte del
error experimental la conformación de los bloques es más efectiva cuando el área experimental
tiene un gradiente de productividad predecible.
Esquema de aleatorización en donde cada tratamiento (Ti) ocurre una sola vez en cada bloque. El
modelo lineal que define a un diseño de bloques completos al azar es el siguiente:
4
El diseño de bloques completos al azar surge por la necesidad que tiene el investigador de ejercer
un control local de la variación dado la existencia de un material experimental heterogéneo. En
ese orden de ideas, los pasos que el investigador sigue son:
a). Forma los bloques de unidades experimentales homogéneos fundamentándose para ello en
algún criterio de bloqueo o agrupamiento. Estos criterios pueden ser: Raza, Época, Edad, Sexo,
Peso, Sistema de Manejo, Tipo de Explotación, Zona, País, Número de Partos, número de
lactaciones, número de ordeños, corrales o establos, potreros, camadas, métodos, variedades,
entre otros. b). Luego de formados los bloques se asignan al azar los tratamientos a la unidades
experimentales de cada bloque. El esquema dado a continuación ayuda a comprender la filosofía
de la formación de bloques.
Objetivos
- Maximizar las diferencias entre bloques
-Minimizar la variación dentro de bloques
Ventajas
-Elimina una fuente de variación del error, aumentando de esta forma la precisión del ensayo.
-Permite una gran flexibilidad en la relación tratamiento bloque, siempre y cuando se reserven un
número igual (o un múltiplo) de tratamientos por unidad experimental.
- La pérdida de información por bloque o tratamiento no dificulta el análisis estadístico.
-Permite aplicar el principio de confusión al hacer coincidir los bloques con los ciertas variables
que influyen sobre la respuesta pero que no son de interés para el investigador.
5
4.2 Diseño en cuadrado latino.
En el diseño en cuadrado latino (DCL) se controlan dos factores de bloques y se estudia un factor
de tratamientos, por lo que se tienen cuatro fuentes de variabilidad y que pueden afectar la
respuesta observada; éstas son; los tratamientos (letras latinas, A,B,C,D,E,…etc.), el factor de
bloques “I” (columnas), el factor de bloques “II” (renglones), y el error aleatorio. Se llama
cuadrado latino por dos razones: es un cuadrado debido a que tiene la restricción adicional de que
los tres factores involucrados se prueban en la misma cantidad de niveles ( tienen el mismo
número de renglones, el mismo número de columnas y el mismo número de letras latinas), y es
latino porque utiliza letras latinas para denotar los tratamientos o nivele del factor de interés. Un
cuadrado latino es un rompecabezas antiguo en el que intentas averiguar de cuántas maneras se
pueden organizar las letras latinas en un número determinado de filas y columnas (una matriz);
cada símbolo aparece solo una vez en cada fila y columna.
Se llama cuadrado latino porque se desarrolló en base a las obras de Leonard Euler, que usaban
símbolos latinos. Sin embargo, se puede utilizar cualquier letra.
El agrupamiento de las unidades experimentales en dos direcciones (filas y columnas) y la
asignación de los tratamientos al azar en las unidades, de tal forma que en cada fila y en cada
columna se encuentren todos los tratamientos constituye un diseño cuadrado latino.
Principios Básicos
Las unidades experimentales se distribuyen en grupos, bajo dos criterios de homogeneidad
dentro de la fila y dentro de la columna y heterogeneidad en otra forma. El diseño cuadro latino
se usa cuando se tienen tres factores a evaluar en una misma unidad experimental.
En cada fila y en cada columna, el número de unidades es igual al número de tratamientos. Los
tratamientos son asignados al azar en las unidades experimentales dentro de cada fila y dentro de
cada columna.
El número de filas = número de columnas = número de tratamientos. Los análisis estadísticos T-
student, Duncan, Tuckey y en pruebas de contraste se procede como el diseño completo al azar y
el diseño de bloques.
6
La desviación estándar de la diferencia de promedios y la desviación estándar del promedio, están
en función del cuadrado medio del error experimental.
Lo importante del diseño es que con pocas unidades experimentales se pueden probar varios
factores, sin embargo se tienen dos limitantes importantes:
-Que el número de niveles deben ser iguales.
-Que no se pueden evaluar interacciones.
En algunos casos se pueden realizar repeticiones, especialmente para cuadros de 3 o 4
tratamientos, que los datos son pocos.
Para tres tratamientos: Al sortear los tratamientos A, B y C en un diseño de 3 x 3, con la
condicionante de que un mismo tratamiento no se puede repetir en la misma hilera o en la misma
columna.
El resultado puede ser como se muestra, Luego los niveles de los otros dos factores se sortean en
los números de columnas e hileras.
Para cuatro tratamientos: Al sortear los tratamientos A, B, C y D en un diseño de 4 x 4 el
resultado puede ser el siguiente:
Si cada entrada de un cuadrado latino de n × n se escribe como una tripleta (f, c, s), donde f es la
fila, c la columna y s el símbolo (para nuestro caso un número), se obtendrán n2 tripletas,
llamado arreglo ortogonal del cuadrado.
7
4.3 Diseño en cuadro grecolatino.
Con el diseño en cuadro
grecolatino (DCGL) se controlan
tres factores de bloque,
además del factor de tratamientos.
Se llama cuadro grecolatino porque
los cuatro
factores involucrados se prueban
en la misma cantidad de nive les,
de aquí que se
pueda escribir como un cuadro
(véase tabla 4.8); además, se
utilizan letras latinas
para denotar a los tratamientos y
letras griegas para nombrar a los
niveles del tercer
8
factor de bloque. Al igual que en el
cuadro latino, cada letra (latinas y
griegas) debe
aparecer sólo una vez en cada
renglón y en cada columna.
Además, cada par de letras
debe aparecer sólo una vez en todo
el arreglo. En la tabla 4.8 se
presenta el aspec-
to de los datos del diseño en cuadro
latino de dimensión k = 4.
El modelo estadístico que describe
a las mediciones en un cuadro
grecolatino
está dado po
Con el Diseño en Cuadro Grecolatino (DCGL) se controlan tres factores de bloque, además del
factor de tratamiento. Se llama cuadro grecolatino porque los cuatro factores involucrados se
prueban en la misma cantidad de niveles, de aquí que se pueda escribir como un cuadro, como se
muestra en la Tabla 1. Se utilizan letras para denotar los tratamientos, y letras griegas para
9
nombrar los niveles del tercer factor de bloque, mientras que el primer y segundo factor de
bloque se ubican en los renglones y en las columnas (Pulido & Vara Salazar, 2012).Con el diseño
en cuadro grecolatino (DCGL) se controlan tres factores de bloque, además del factor de
tratamientos. Se llama cuadro grecolatino porque los cuatro factores involucrados se prueban en
la misma cantidad de niveles, de aquí que se pueda escribir como un cuadro (véase tabla 4.8);
además, se utilizan letras latinas para denotar a los tratamientos y letras griegas para nombrar a
los niveles del tercer factor de bloque.
Al igual que en el cuadro latino, cada letra (latinas y griegas) debe aparecer sólo una vez en cada
renglón y en cada columna. Además, cada par de letras debe aparecer sólo una vez en todo el
arreglo. En la tabla 4.8 se presenta el aspec-to de los datos del diseño en cuadro latino de
dimensión k = 4.El modelo estadístico que describe a las mediciones en un cuadro grecolatino
está dado por.
donde Yijlm es la observación o respuesta que se encuentra en el tratamiento i (i-ésima letra
latina), en el renglón j, en la columna l y en la m-ésima letra griega; ti es el efecto del tratamiento
i, gj es el efecto del renglón j, dl representa el efecto de la co-lumna l y jm representa el efecto de
la m-ésima letra griega, que son los niveles del tercer factor de bloque; el término eijlm
representa el error aleatorio atribuible a la medición Yijlm.
Es importante no confundir las letras griegas del modelo que repre-sentan efectos, con las letras
griegas en el diseño 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
Donde las sumas SCB1, SCB2 y SCB3 miden la variabilidad debida a los facto res de bloque
renglón, columna y de letras griegas, respectivamente. Para k tratamientos, los grados de libertad
correspondientes a cada suma son
10
Se caracteriza porque utiliza dos variables de bloque si tiene dos variables independientes (diseño
factorial) y tres variables de bloqueo si sólo tiene una variable independiente (diseño un factorial)
ya que es imprescindible en este diseño que el número total de variables entre variables
independientes y bloqueadas sea 4. Este artículo es meramente informativo, en Psicología-Online
no tenemos facultad para hacer un diagnóstico ni recomendar un tratamiento. Te invitamos a
acudir a un psicólogo para que trate tu caso en particular.
Un cuadrado grecolatino, cuadrado de Euler o cuadrados latinos ortogonales de orden n se
denomina, en matemáticas, a la disposición en una cuadrícula cuadrada n×n de los elementos de
dos conjuntos S y T, ambos con n elementos, cada celda conteniendo un par ordenado (s, t),
siendo s elemento de S y t de T, de forma que cada elemento de S y cada elemento de T aparezca
exactamente una vez en cada fila y en cada columna y que no haya dos celdas conteniendo el
mismo par ordenado.La disposición exclusivamente de los caracteres latinos o de los griegos
forma un cuadrado latino. Un cuadrado grecolatino, por lo tanto, se puede descomponer en dos
cuadrados latinos "ortogonales”. Ortogonalidad aquí significa que cada uno de los pares (s, t) del
producto cartesiano S×T aparece exactamente una vez.
Objetivo Proporcionar métodos que permitan obtener la mayor cantidad de información válida
acerca de una investigación, teniendo en cuenta el factor costo y el uso adecuado del material
disponible mediante métodos que permitan disminuir el error experimental.
11
4.4 Uso de un software estadística
Software estadístico: Sistemas
de análisis de la información.
El software estadístico nace
desde los problemas reales o
las oportunidades de
reducir de costos, tiempo y
esfuerzos. La potencialidad
del software es facilitar
tareas específicas y organizar
una infraestructura de sistemas
de información.
La estadística es una ciencia
aliada a la investigación
científica. Los científicos que
12
trabajan en ecología,
medicina, ingeniería e
investigación de mercados;
comúnmente emplean software
estadístico para realizar
análisis multivariados y
gráficos de los cálculos.
Muchos programas no son
netamente estadísticos pero
hacen cálculos aplicables a la
tarea de los investigadores.
La complejidad para organizar
un alto volumen de datos le da
protagonismo a las
13
herramientas estadísticas. Los
softwares en la actualidad
pueden programarse
para representar gráficos de
cada cálculo o modelo
predictivo en segundos.
Las herramientas de
análisis estadístico son
aliadas de las importantes
empresas del mercado.
Hay muchos tipos de
programas informáticos
estadísticos, algunos de ellos
son complejos y requieren de
profesionales en
14
programación para usarlos.
Por otro lado, hay otro tipo de
software de uso más
intuitivo pero limitado y
finalmente se puede programar
un software a la medida.
Desde estas diferentes
perspectivas, el software puede
ser parte de los activos o
generar costos periódicos por
licencias o suscripciones.
Software estadístico: Sistemas de análisis de la información. El software estadístico nace
desde los problemas reales o las oportunidades de reducir de costos, tiempo y esfuerzos.
La potencialidad del software es facilitar tareas específicas y organizar una infraestructura de
sistemas de información.
La estadística es una ciencia aliada a la investigación científica. Los científicos que trabajan en
ecología, medicina, ingeniería e investigación de mercados; comúnmente emplean
software estadístico para realizar análisis multivariados y gráficos de los cálculos. Muchos
programas no son netamente estadísticos pero hacen cálculos aplicables a la tarea de los
15
investigadores. La complejidad para organizar un alto volumen de datos le da protagonismo a las
herramientas estadísticas.
Los softwares en la actualidad pueden programarse para representar gráficos de cada cálculo o
modelo predictivo en segundos. Las herramientas de análisis estadístico son aliadas
de las importantes empresas del mercado.
Hay muchos tipos de programas informáticos estadísticos, algunos de ellos son
complejos y requieren de profesionales en programación para usarlos. Por otro lado, hay
otro tipo de software de uso más intuitivo pero limitado y finalmente se puede programar un
software a la medida. Desde estas diferentes perspectivas, el software puede ser parte de los
activos o generar costos periódicos por licencias o suscripciones.
Un software estadístico de uso libre puede ser complejo de usar y requerir de
conocimientos de programación del lenguaje de programación en que se desarrolló. En el
mercado también se pueden encontrar software en la nube, a los que el usuario se debe adaptar
para facilitar algunas tareas.
En el caso de las empresas que invierten en diseñar software a la medida: Los sistemas a la
medida
deberían ser más sencillos de utilizar para ahorrar tiempo y otros esfuerzos.
Un software estadístico de uso libre puede ser complejo de usar y requerir de
conocimientos de programación del lenguaje de programación en que se desarrolló. En el
mercado también se pueden encontrar software en la nube, a los que el usuario se debe adaptar
para facilitar algunas tareas. En el caso de las empresas que invierten en diseñar software a
la medida: Los sistemas a la medida deberían ser más sencillos de utilizar para ahorrar
tiempo y otros esfuerzos.
Es una realidad que el mercado de empleos se va a ver afectado por los avances tecnológicos. En
el campo de la estadística es necesario contar con programas informáticos que reducen
costos y esfuerzos para hacer análisis. La información cualitativa es importante como la
cuantitativa para ofrecer una perspectiva amplia del objeto de estudio. Los reportes
estadísticos deben contar con ambos tipos de información, una simple cifra no siempre alcanza a
explicar si un impacto es positivo o negativo.
16
Utilizar software estadístico en las compañías mejorará su enfoque estratégico para la
planificación de los avances tecnológicos. No solo es atractivo por la eficiencia de reducir
costes, también por las nuevas capacidades empresariales que resultan de un cambio evolutivo.
Toda gestión de calidad de los procesos debe enfocarse en obtener resultados para la
satisfacción de los clientes.
El perfeccionamiento de la capacidad de competir se consigue desarrollando nuevas
capacidades y cualidades. Los software analíticos aceleran el potencial de innovación
teniendo en cuenta los aspectos que deben cambiar. Conocer la información a tiempo les
permite a las empresas adaptarse a las condiciones medioambientales.
El software tiene el alcance
de monitorear actividades que
causan impactos en
diferentes ámbitos. La
inteligencia artificial es un
importante complemento para
los
sistemas de analítica. En las
tecnologías Big Data, las
ventajas se obtienen del
17
análisis de la información y
la creación de nuevos
modelos. El aprendizaje
automático se usa para
acelerar la rapidez en que se
obtienen los objetivos del
procesamiento de los datos.
El software tiene el alcance de monitorear actividades que causan impactos en diferentes
ámbitos. La inteligencia artificial es un importante complemento para los sistemas de analítica.
En las tecnologías Big Data, las ventajas se obtienen del análisis de la información y la
creación de nuevos modelos. El aprendizaje automático se usa para acelerar la rapidez en
que se obtienen los objetivos del procesamiento de los datos.
Un software estadístico es un programa informático cuyo principal objetivo es automatizar y
realizar análisis de datos complejos. Este tipo de herramientas suelen proporcionar mecanismos
útiles para la organización, interpretación y presentación de forma fácil y sencilla de los datos
seleccionados para el análisis estadístico.
Conclusión
Se puede concluir que en el diseño se considera tres fuentes de variabilidad. El factor de
tratamientos, el factor de bloque y el erro aleatorio es decir tiene tres posibles culpables de la
variabilidad que pueden presentar los datos. El diseño en bloques completos al azares el diseño
donde se incorpora una técnica de diseño llamada formación de bloques que tiene como finalidad
eliminar de manera sistemática a los factores perturbadores, los cuales pueden influir en la
18
respuesta del experimento. Dentro del Diseño de boques tenemos el Diseño de Bloques
Completos al Azar(DBCA) que tiene como finalidad eliminar de manera sistemática a los
factores perturbadores, los cuales pueden influir en la respuesta del experimento. El diseño
cuadro latino se usa cuando se tienen tres factores a evaluar en una misma unidad experimental.
Una característica del cuadro latino es que los tres factores deben tener el mismo número
de niveles. En el DBCA pudimos ocupar Excel como herramienta estadística para obtener el
ANOVA y a partir de ahí tomar la decisión de aceptar o rechazar la Hipótesis nula. En el caso del
DCL se utilizó otro software estadístico ya que Excel no permite analizar este tipo de diseño, el
software que se utilizo fue InfoStat y nos ayudó obtener el F calculado con una buena precisión.
Glosario
-Diseño Experimental: En el ámbito empresarial, se refiere a un método de investigación
que se utiliza para probar hipótesis y tomar decisiones basadas en datos, mediante la
manipulación controlada de variables relevantes.
19
- Factor: En un diseño experimental empresarial, un factor es una variable que se
modifica o controla para evaluar su efecto sobre un resultado o variable de interés. Por
ejemplo, el precio, la publicidad o la ubicación pueden ser factores en un experimento de
marketing.
-Interacción: La interacción en el diseño experimental empresarial se refiere a cómo dos
o más factores pueden interactuar entre sí para afectar el resultado. Por ejemplo, la
interacción entre el precio y la calidad del producto puede influir en las decisiones de
compra de los clientes.
-Bloque: Un bloque en el contexto empresarial se utiliza para agrupar unidades
experimentales que tienen características similares o para controlar variables que no son de
interés en el experimento. Por ejemplo, en un estudio de mercado, se podrían bloquear
grupos de clientes por edad o ubicación geográfica.
-Experimento: Un experimento empresarial implica la manipulación controlada de
variables para observar su impacto en un resultado específico. Puede ser utilizado para
probar estrategias de marketing, evaluar nuevos productos o mejorar procesos de negocio.
-Nivel: En el diseño experimental empresarial, un nivel se refiere a los diferentes valores
que puede tomar un factor. Por ejemplo, en un experimento de precios, los niveles del
factor "precio" podrían ser $10, $20 y $30. Importancia del diseño experimental en el ámbito
empresarial Optimización de
-Procesos: Permite a las empresas identificar y mejorar procesos para aumentar la
eficiencia y reducir costos.
Bibliografía
García Leal, J. & Lara Porras, A.M. (1998). “Diseño Estadístico de Experimentos. Análisis dela
Varianza.” Grupo Editorial Universitario.
•Lara Porras, A.M. (2000). “Diseño Estadístico de Experimentos, Análisis de la Varianza yTemas
Relacionados: Tratamiento Informático mediante SPSS” Proyecto Sur de Ediciones.•Estadística
20
agroindustrias. (2014). Diseño en cuadrado latino en InfoStat, de YouTube Sitioweb:
https://www.youtube.com/watch?v=QDfx5H7FecA•
Instituto Tecnológico de Pachuca. (2010). Ejercicios cuadrados latinos ejercicio 1 . 03-
Mayo2020, de SlideShare Sitio web: https://es.slideshare.net/iorifoar/ejercicios-
cuadradoslatinosejercicio-1
BUSTOS, R. (2020). DISEÑO EXPERIMENTAL PARA UN FACTOR. STUDOCU. RECUPERADO 25 DE
NOVIEMBRE DE 2021, DE https://www.studocu.com/es-mx/document/instituto-politecnico-
nacional/estadistica/estadistica-iii-investigacion-del-diseno-experimental-para-un-factor/8418982
GUTIÉRREZ H. Y DE LA VARA R. (2008) ANÁLISIS Y DISEÑO DE EXPERIMENTOS;
MÉXICO: MCGRAW HILL https://www.academia.edu/41280762/Analisis_y_diseno_experimentos
BADII, M.H, J. CASTILLO, M. RODRÍGUEZ, A. WONG & P. VILLALPANDO (2007)
DISEÑOS EXPERIMENTALES E INVESTIGACIÓN CIENTÍFICA; UNIVERSIDAD AUTÓNOMA DE NUEVO
LEÓN: MÉXICO http://eprints.uanl.mx/12482/1/A5.pdf
SOTO, M. (2016, 26 ENERO). NOMENCLATURA Y SIMBOLOGIA EN EL DISEÑO
EXPERIMENTAL. APUNTES - MORARZL. RECUPERADO 25 DE NOVIEMBRE DE 2021, DE
https://www.clubensayos.com/Ciencia/NOMENCLATURA-Y-SIMBOLOGIA-EN-EL-DISE
%C3%91O-EXPERIMENTAL/3110298.
21
