DISEÑO DE BLOQUES AL

AZAR
Un Factor de Interés
Diseño de Experimentos
GENERALIDADES
• En muchos problemas de investigación es necesario diseñar
experimentos en los que pueda controlarse
sistemáticamente la variabilidad producida por diversas
fuentes extrañas.
• A estas variables se las denomina variables bloque, y se
caracterizan porque:
• No son el motivo del estudio sino que aparecen de forma natural y
obligada en el mismo.
• Se asume que no tienen interacción con el factor en estudio.
• El experimentador no está interesado en investigar las posibles
diferencias de la respuesta entre los niveles de los factores bloque.
• La ventaja de bloquear un factor que se supone que tienen
una clara influencia en la respuesta pero en el que no se
está interesado. Convierte la variabilidad sistemática no
planificada en variabilidad sistemática planificada.
¿Qué es un DISEÑO DE BLOQUES
AL AZAR?

Es el diseño experimental más ampliamente utilizado

cuando se presenta el caso de que las unidades
experimentales no son homogéneas.

Se dividen las unidades experimentales en grupos

llamados bloques de modo que las observaciones
realizadas en cada bloque se realicen bajo condiciones
experimentales lo más parecidas posibles.
¿Qué es un DISEÑO DE BLOQUES
AL AZAR?
En este diseño el experimentador agrupa las unidades
experimentales en bloques, a continuación determina la
asignación de los niveles del factor en cada bloque.
Requiere que cada uno de los niveles del factor de interés se
prueben por lo menos una vez en cada uno de los bloques.

Todos los posibles niveles del factor de interés los cuales se

asignan en forma aleatoria.

Una variable bloque no presenta interacción con el factor en

estudio.
Ejemplo
• Se quieren determinar las necesidades energéticas de una
persona cuando camina (C), come (A) o hace deporte (G).
• Supongamos que se tienen 10 personas para realizar el
experimento y se considera como variable de respuesta
cuantitativa, el número de calorías consumidas por segundo.
• Los resultados varían según el individuo considerado. Aquí, el
factor es la actividad realizada, con 3 posibles niveles: caminar,
comer o hacer gimnasia
• Si a cada una de las personas se le asigna una actividad distinta
puede ser que la variabilidad observada entre las distintas
actividades sea debida a las diferencias entre los propios
individuos.
• Una posible solución es que cada uno de los individuos realice las
tres actividades. De este modo, la variable bloque es el tipo de
persona y cada uno de los bloques es cada persona.
 Ejemplo
BLOQUES ASIGNACIÓN
A cada bloque (persona) se le aplican
los 3 niveles del factor por Persona 1 C A G
orden aleatorio: Persona 2 A C G
Persona 3 G A C
caminar (C) Persona 4 C G A
comer (A) Persona 5 C A G
deportes (G) Persona 6 A C G
Persona 7 G A C
Persona 8 C G A
Esto quiere decir que cada Persona 9 A C G
persona realiza cada una de Persona 10 G A C
las actividades se mide la
variable de respuesta.
Ejemplo
• Se tienen cuatro máquinas y se quiere medir su
desempeño. Se restringe la validez de la comparación
de los operarios. El mismo operario en las cuatro
máquinas
• Diseño Completamente la Azar
• ALTERNATIVA 1: Tomar muestras de cada máquina evitando
al máximo favorecer el desempeño de alguna de ellas para
evitar cualquier tipo de sesgo que pueda afectar la
comparación del desempeño de las máquinas
• Diseño de Bloque al Azar
• ALTERNATIVA 2: Si hay otros factores que no se han
considerado y controlan o nulifican para hacer las
comparaciones se afectan las conclusiones. Por ejemplo si la
habilidad de los operarios es diferente. Cada operador trabaja
con cada una de las máquinas.
 Ejemplo N° de observación por operador
Diseño de Bloque al Azar

Tipo de Cantidad de unidades de producción

máquina Operador 1 Operador 2 Operador 3 Operador 4 Operador 5
A 68 72 77 42 53
B 72 53 63 53 48
C 60 82 64 75 72
D 64 65 70 68 53

Factor de Interés
Diseño Completamente al Azar
PASOS

Diseño de
Bloques al
Azar
 DBA - Pasos
1. Identificación y
definición del
problema.
• Comparar si hay
diferencias significativas
entre los promedios de
los niveles del factor de
interés.
• Determinar el efecto del
factor de interés sobre
la variable de respuesta.
DBA - Pasos
2. Modelo Estadístico
• Hay dos formas de
escribir el modelo:
• Colocando los
bloques en las filas
y los niveles del
factor en las
columnas.
• Colocando los
niveles del factor en
las filas y los
bloques en las
columnas.
DBA - Pasos
Colocando los bloques en las filas y los niveles del
factor en las columnas:
Yij =  + i + j + ij
i =1.….n y j= 1.….k
• Donde:
• Yij = es la medición de la variable de respuesta en i-
esimo bloque para el j-ésimo nivel del factor de interés
•  = es la media total
• j = es el efecto del j-ésimo nivel del factor de interés
• i = es el efecto del i-ésimo bloque.
• ij = es el error experimental.
DBA - Pasos
Colocando los niveles del factor en las filas y los
bloques en las columnas:
Yij =  + j + i + ij
i =1.….k y j= 1.….n
• Donde:
• Yij = es la medición de la variable de respuesta en el i-
esimo bloque para el j-esimo nivel del factor de interés
•  = es la media total
• i = es el efecto del i-esimo nivel del factor de interés
• j = es el efecto del j-esimo bloque.
• ij = es el error experimental.
DBA - Pasos
3. Hipótesis para un
Factor de Interés Fijo
• En este caso la hipótesis
de los bloques sería solo
para confirmar que hay
diferencias entre estos.
• Si se ha considerado un
diseño por bloques es
porque estos influyen en
el experimento.
• Esto es válido tanto para
factores fijos como para
factores aleatorios.
 3. Hipótesis para un
DBA - Pasos Factor de Interés Fijo

• Para el factor de interés: • Para los bloques:

• Ho: 1 = 2 = . . . = k • Ho: 1 = 2 = . . . = n
• H1: al menos una de las • H1: al menos una de las
medias de los niveles medias de los bloques
del factor de interés es es diferente.
diferente.
• Regla de Decisión • Regla de Decisión
• Se rechaza • Se rechaza
Ho si Fc ≥ F,gln,gld Ho si Fc ≥ F,gln,gld
• Donde: • Donde:
• gln = ( k – 1) • gln = ( n – 1)
• gld = ( k – 1) (n – 1) • gld = ( k – 1) (n – 1)
 • Los factores de bloque no
se incluyen en el
DBA - Pasos experimento porque
interesa su efecto, sino es
un medio de estudiar de
3. Hipótesis para un Factor manera más adecuada el
Aleatorio
factor de interés.
• Para el factor de interés • Tiene un grado de
importancia secundaria en
• Ho: 1² = 2² =..... k² relación al factor de interés.
• H1: al menos una de las • Pueden existir otros
varianzas de los niveles factores que deben
del factor de interés es controlarse durante el
diferente. experimento pero no se
tiene que caer en el
• Regla de Decisión extremo de controlar todo.
• Se descarta • Solo aquellos que por
Ho si Fc ≥ F,gln,gld conocimiento del proceso o
experiencia previa se sabe
• Donde: que pueden afectar en
• gln = ( k – 1) forma sensible el resultado
• gld = ( k – 1) (n – 1) de las comparaciones.
DBA - Pasos
4. Asignar aleatoriamente cada uno de los k niveles del factor de
interés a cada uno de los n bloques considerados en el
experimento.

Ejemplo
3 Niveles A, B, C para el factor de interés y
4 Bloques 1, 2, 3, 4

Una posible configuración de la asignación aleatoria de los niveles

podría ser la siguiente:
• Bloque 1 C( ) A( ) B( )
• Bloque 2 A( ) C( ) B( )
• Bloque 3 C( ) B( ) A( )
• Bloque 4 A( ) B( ) C( )
 DBA - Pasos
Ecuación del Modelo Estadístico
5. Registro de Datos Yij =  + i + j + ij

NIVELES
1 2 … k Total/bloque

1 Y11 Y12 … Y1k Y1*

BLOQUES

2 Y21 Y22 … Y2k Y2*

… …
n Yn1 Yn2 … Ynk Yn*
Totales/niveles Y*1 Y*2 … Y*k Y**
 DBA - Pasos
Ecuación del Modelo Estadístico
5. Registro de Datos Yij =  + j + i + ij

BLOQUES
1 2 … n Total/niveles

1 Y11 Y21 … Yn1 Y*1

NIVELES

2 Y12 Y22 … Yn2 Y*2

… …
k Y1k Y2k … Ynk Y*k
Totales/bloques Y1* Y2* … Yn* Y**
DBA – Pasos (recordemos)
Se consideran las siguientes
hipótesis sobre el modelo
(supuestos del modelo)

Normalidad Homocedasticidad Independencia

εij son independientes

Var(εij) = σ2. Esto es
Yij sigue una distribución entre sí. Esto es
equivalente a que
normal equivalente a que Yij son
Var(Yij) = σ2
independientes entre sí.
6. Análisis de Varianza
Diseños de Bloques al Azar (DBA)
 Ecuación del Modelo Estadístico
Yij =  + i + j + ij

* Ver fórmulas en la siguiente filmina

Ecuación del Modelo Estadístico
Yij =  + i + j + ij

Cálculo de la
Suma de
Cuadrados
DBA - Pasos
7. Decisiones
• Se comparan los valores
obtenidos para la Fc
con el punto crítico de
rechazo establecido en
la Regla de Decisión,
tanto para los niveles
del factor como para los
bloques.
• Se da respuesta al
problema planteado
inicialmente en el
experimento.
DBA - Pasos
 Ecuación del Modelo Estadístico
Yij =  + i + j + ij
Parámetros del Modelo Estadístico
σ𝑛𝑖=1 σ𝑘𝑗=1 𝑌𝑖𝑗
𝜎 2 = 𝐶𝑀𝐸𝑅𝑅𝑂𝑅 𝜇=
𝑛𝑘
Estimación de las medias Estimación de las medias
de los niveles de los bloques

. j
= Y. j − Y..  i. = Yi − Y..
j= 1........k i= 1........n
 MODELO: Yij =  +  i + j + ij
9.1

IC  j = y . j  t / 2,( k −1)( n −1) CMEE n

IC i = y i .  t / 2,( k −1)( n −1) CMEE k

10
Coeficiente de Determinación:
R² = (SCN + SCB) / SCTo

Interpretación:
• Es un valor entre 0 y 1.
• Indica que el modelo explica en ese porcentaje
la variabilidad de las mediciones de la variable
de respuesta.
EJEMPLO 1
Problema 5.7 (Montgomery)
• Un fabricante de aleación de aluminio produce refinadores
de textura en forma de lingotes. La compañía manufactura el
producto en cuatro hornos. Se sabe que cada horno tiene sus
propias características de operación, de modo que los hornos
se considerarán una variable problemática en cualquier
corrida experimental en la fundición que implique más de un
horno.
• Los ingenieros del proceso sospechan que la velocidad de
agitación influye en el tamaño de grano del producto. Cada
horno puede operarse a cuatro velocidades de agitación
distintas.
• Se ejecuta un diseño de bloques aleatorizados para un
refinado en particular, y se mide el tamaño de grano.
EJEMPLO 1
• Identificación del Problema
• Comparar si hay diferencias significativas entre las medias de
las distintas velocidades de agitación.
• Definición del Problema
• Determinar el efecto de las velocidades de agitación sobre el
tamaño del grano utilizando diferentes hornos para el
experimento.
• Variable de Respuesta
• Tamaño del grano
• Factor de Interés
• Velocidades de agitación
• Factor de Bloque
• Hornos
• Niveles = 4 Bloques = 4
Modelo Estadístico
Yij =  +  i + j + ij  i =1, 2, 3, 4 y j= 1, 2, 3, 4
Donde:
• Yij = es el tamaño del grano para la j-ésima velocidad
de agitación en el i-ésimo horno
• µ = tamaño promedio del grano.
• i = es el efecto del i-ésimo horno sobre el tamaño de
grano
• j = es el efecto de la j-ésima velocidad de agitación
sobre el tamaño de grano
• ij = es el error experimental.
Hipótesis
Niveles (Velocidad de Agitación )
• Ho: V5 = V10 = V15 = V20
• H1: al menos uno de los tamaños promedio de grano es
diferente
• gln = ( k – 1) = 4 – 1 = 3
• gld = ( k – 1) (n – 1) = (4 - 1)(4 - 1) = 9
• Regla de Decisión: Se rechaza Ho si la Fc ≥ 3.86
Bloques (Hornos)
• Ho: A = B = C = D
• H1: al menos uno de los tamaños promedio de grano es
diferente
• gln = ( n – 1) = 4 – 1 = 3
• gld = ( k – 1) (n – 1) = (4 - 1)(4 - 1) = 9
• Regla de Decisión: Se rechaza Ho si la Fc ≥ 3.86
 Minitab
Hipótesis
Gráfica de distribución
F; df1=3; df2=9

0.7 Gráfica
0.6

0.5
Densidad

0.4
Gráficas de
0.3
distribución de
probabilidad
0.2

0.1

0.05
0.0
0 3.863
X
Ver
probabilidad
Procedimiento de Aleatorización
Velocidad de agitación
Hornos V5 V10 V15 V20 Totales/horno

A 4() 2() 1() 3()

B 2 () 1() 3() 4()
C 4() 3() 1() 2()
D 3() 4() 2() 1()
Totales/velocidad
de agitación
Registro de Datos
Velocidad de agitación
Hornos V5 V10 V15 V20 Totales/horno

A 8 14 14 17 53
B 4 5 6 9 24
C 5 6 9 3 23
D 6 9 2 6 23
Totales/velocidad
de agitación 23 34 31 35 123

ANOVA
Minitab Estadísticas ANOVA
Balanceado
Registro de Datos
Horno Tamaño Velocidad
A 8 V5 Minitab
B 4 V5
C 5 V5
D 6 V5
A 14 V10
B 5 V10 Estadísticas
C 6 V10
D 9 V10
A 14 V15
B 6 V15 ANOVA
C 9 V15
D 2 V15
A 17 V20
B 9 V20 ANOVA
C 3 V20
Balanceado
D 6 V20
Supuestos del Modelo
Normalidad

• Yij sigue una distribución normal

Homocedasticidad

• Var(εij) = σ2. Esto es equivalente a que Var(Yij) = σ2

Independencia

• εij son independientes entre sí. Esto es equivalente a

que Yij son independientes entre sí.
 Análisis de Varianza (ANOVA)
Análisis de varianza del Tamaño del Grano

Fuente GL SC MC Fc Fα
Velocidad de agitación 3 22.19 7.396 0.85 3.86
Hornos 3 165.19 55.063 6.35 3.86
Error 9 78.06 8.674
Total 15 265.44

Se puede calcular con

Excel con la función
DISTR.F.INV ó INV.F.CD

ANOVA: Tamaño del grano vs. Velocidad de agitación; Hornos

41
Interpretación de Resultados
Para las Velocidades de
Para los Hornos
Agitación
• Fc es menor que 3.86, por • Fc es mayor que 3.86, por
lo tanto no se descarta H0. lo tanto se descarta H0. Se
Se concluye que no existe concluye que existe
diferencia significativa en diferencia significativa en
el tamaño de grano el tamaño promedio del
promedio para las grano para los cuatro
distintas velocidades de hornos. Por lo tanto, se
agitación. confirma que los hornos
tienen características de
operación propias.
Cálculo de los Parámetros

σ𝑛𝑖=1 σ𝑘𝑗=1 𝑌𝑖𝑗 123 123

𝜇= = = = 7.69
𝑛𝑘 4×4 16

𝜎 2 = 𝐶𝑀𝐸 = 8.674
Cálculo de los Parámetros
Coeficiente de Determinación:
(𝑆𝐶𝑇𝑟𝑎𝑡 +𝑆𝐶𝐵 ) 22.19 + 165.19
𝑅2 = = = 0.71(71%)
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 265.44

Interpretación:
• El modelo explica en un 71% la variabilidad en los
tamaños de grano o
• El 71% de la variabilidad en el tamaño del grano se debe
a la velocidad de agitación y al tipo de horno utilizado.
 EJEMPLO 2
• Una empresa de contabilidad grande trata de seleccionar un sistema de
computación integrado a la oficina entre los 3 modelos que están
actualmente en estudio. La selección final dependerá de la productividad
del sistema. Se seleccionan aleatoriamente 5 operadores para manejar
cada sistema.
• Es importante tener en cuenta que el nivel de experiencia que tienen los
empleados en el manejo de computadora puede afectar el resultado de
la prueba por lo tanto existe la necesidad de justificar el impacto de la
experiencia y determinar los méritos relativos de los sistemas de
comunicación. Los niveles resultantes de producción medidos en
unidades por hora aparecen en la siguiente tabla:
Operadores Sistema A Sistema B Sistema C
Abel 27 21 25
Berta 31 33 35
Carlos 42 39 39
Daniel 38 41 37
Eva 45 46 45