FACULTAD DE INGENIERIA INDUSTRIAL

ALUMNOS:
CUESTA BRAVO ALVARO ELIAS

MOLINA GUERRERO MARIA SOLEDAD

REYES LUGO MIGUEL EDUARDO

DOCENTE:
ING. ANGELICA INDACOCHEA

MATERIA:
DISEÑO EXPERIMENTAL

NIVEL:
8vo” A”

2020(1)-2020(2)

MANTA-MANABI-ECUADOR
Las preguntas y ejercicios han sido tomados del Libro de Análisis y Diseño de
Experimentos de Humberto Gutiérrez Pulido, Editorial Mc Graw Hill, Tercera Edición,
Páginas 112 y 113.

A continuación, las preguntas:

 Con el apoyo de un par de ejemplos, explique las situaciones experimentales en

las que se aplican los diseños en bloques incompletos balanceados.

-La contaminación es uno de los problemas ambientales más importantes que

afectan a nuestro mundo. En las grandes ciudades, la contaminación del aire se
debe a los escapes de gases de los motores de explosión, a los aparatos domésticos
de la calefacción, a las industrias, … El aire contaminado nos afecta en nuestro
vivir diario, manifestándose de diferentes formas en nuestro organismo. Con
objeto de comprobar la contaminación del aire en una determinada ciudad, se ha
realizado un estudio en el que se han analizado las concentraciones de monóxido
de carbono (CO) durante cinco días de la semana (lunes, martes, miércoles, jueves
y viernes).

K=4, b=4, t=3,r=3 𝜆 = 2

(Aquí se cumplen que se cumplen las dos igualdades si realizamos el
desarrollo de 1.k.r=b.t y
2. 𝜆(k-1)=r(t-1) y esto se lo puede describir como un requisito para que
sea considerado como un diseño en bloque incompleto
 Y es balanceado debido a que se cumplen las tres condiciones
Cada tratamiento ocurre a la más una vez en un bloque
 Cada tratamiento ocurre exactamente en r bloques
 Cada par de tratamiento ocurren juntos en exactamente lambda
bloques.)
 - Supóngase que un ingeniero químico cree que el tiempo de reacción en un
proceso químico es función del catalizador empleado. De hecho 4 catalizadores
están siendo investigados. El procedimiento experimental consiste en seleccionar
un lote de materia prima, cargar una planta piloto, aplicar cada catalizador a
ensayos separados de dicha planta y observar el tiempo de reacción. Debido a que
las variaciones en los lotes de materia prima pueden afectar el comportamiento
del catalizador, el ingeniero decide controlar este factor por medio de bloques. Sin
embargo, cada lote es apenas lo suficientemente grande para permitir que se
prueben 3 catalizadores. Por lo tanto, es necesario utilizar un diseño aleatorizado
por bloques incompletos. El diseño BIB, junto con las observaciones recopiladas
aparecen en la siguiente tabla:

(Al observar el ejercicio vemos que se lo puede definir como diseño en bloque
incompleto balanceado, principalmente porque en este ejemplo se observa que se
cumple el supuesto de que “La otra razón se da cuando se tiene la restricción física
de que en el bloque no caben todos los tratamientos”)

 Sobre el diseño con parámetros k = 4, b = 4, t = r = 3 y 𝜆 = 2, conteste:

 ¿Cuál es el significado de cada uno de los parámetros?

K= Número de tratamientos o niveles del factor principal

b= Número de bloques
t= Número de tratamientos por bloque
 r= Número de veces que cada tratamiento se presenta en el diseño, es decir
el número de réplicas de un tratamiento dado
𝜆= Número de bloques en los que un par de tratamientos ocurren juntos.

 Explique por qué es un diseño en bloque incompleto.

Al observar los parámetros proporcionados observamos que cada uno de

ellos pertenecen al denominado diseño incompleto, a su vez vemos que se
cumplen las dos igualdades si realizamos el desarrollo de 1.k.r=b.t y
2. 𝜆(k-1)=r(t-1) y esto se lo puede describir como un requisito para que
sea considerado como un diseño en bloque incompleto.

 Por qué a pesar de que es incompleto se dice que el diseño es

balanceado.

Es Balanceado porque observando los datos vemos que este díselo de

bloques incompletos cumple con las tres condiciones para ser
considerado de dicha forma:

 Cada tratamiento ocurre a la más una vez en un bloque

 Cada tratamiento ocurre exactamente en r bloques
 Cada par de tratamiento ocurren juntos en exactamente lambda
bloques.
 Se utiliza un experimento BIB para comparar nueve formulaciones de detergentes para máquina lavaplatos (John, P.W.M.,
1961), que consisten en tres detergentes base y un aditivo: los detergentes I y II se combinaron con cuatro niveles de aditivo de
donde se obtienen 8 tratamientos. El noveno tratamiento es el detergente III sin aditivo, que hace las veces de tratamiento

a) Obtenga los parámetros k, b, t, r y 𝜆 que definen este DBIB.

b) Escriba el modelo estadístico y plantee las hipótesis de interés.
c) Realice el ANOVA que incluya tratamientos ajustados y bloques ajustados
d) ¿Hubo algún efecto del aditivo? Argumente.
e) ¿Hay algún tratamiento mejor que el control? Argumente.

1) DETERMINACIÓN DE CONCEPTOS

Unidad experimental Platos

Tratamiento Formulaciones de detergentes
Bloque Máquinas Lavaplatos
Variable de respuesta Platos Lavados

2) PARÁMETROS DEL DISEÑO

k= 9 t= 3 𝜆= 1
b= 12 r= 4 N= 36

Igualdad: k ≠ b : Diseño asimétrico

1. 𝑘𝑟 = 𝑏𝑡 2. 𝜆(𝑘 − 1) = 𝑟(𝑡 − 1)
9 ⋅ 4 = 12 ⋅ 3 1(9 − 1) = 4(3 − 1)
36 = 36 8=8

3) MODELO ESTADÍSTICO

𝒊 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗
𝜸𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 +𝜺𝒊𝒋
𝒋 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐

4) PLANTEAMIENTO DE HIPÓTESIS

TRATAMIENTO

𝐻𝑜 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 0
VS
𝐻1 = 𝜏 ≠ 𝜏 para algún 𝑖 ≠ 𝑗

BLOQUE

𝐻𝑜 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 =𝛽 =𝛽 =0
VS
𝐻1 = 𝛽 ≠ 0 para algún 𝑏𝑙𝑜𝑞𝑢𝑒 𝑗
Solución:

Tabla de valores iniciales.

TRATAMIENTO
BLOQUE SUMA PROMEDIO
1 2 3 4 5 6 7 8 9
1 13 7 20 40 13.33
2 17 6 29 52 17.33
3 15 23 31 69 23.00
4 20 26 31 77 25.67
5 16 23 21 60 20.00
6 6 26 23 55 18.33
7 21 19 28 68 22.67
8 20 7 20 47 15.67
9 20 24 19 63 21.00
10 17 26 19 62 20.67
11 14 24 21 59 19.67
12 19 17 11 47 15.67
SUMA 79 67 53 26 102 93 83 77 119 699
PROM. 19.75 16.75 13.25 6.50 25.50 23.25 20.75 19.25 29.75 Yij Total

Tabla de valores iniciales elevados al cuadrado.

TRATAMIENTO
BLOQUE SUMA
1 2 3 4 5 6 7 8 9
1 169 49 400 618
2 289 36 841 1166
3 225 529 961 1715
4 400 676 961 2037
5 256 529 441 1226
6 36 676 529 1241
7 441 361 784 1586
8 400 49 400 849
9 400 576 361 1337
10 289 676 361 1326
11 196 576 441 1213
12 361 289 121 771
Y^2ij Total 15085

5) SUMA DE CUADRADOS PARA TRATAMIENTO AJUSTADO

Suma cuadrada total.

𝒌 𝟗 𝒃 𝟏𝟐
𝒚𝟐.. 𝟔𝟗𝟗𝟐
𝑺𝑪𝑻 = 𝒚𝟐𝒊𝒋 − = 𝟏𝟓𝟎𝟖𝟓 − = 𝟏𝟓𝟏𝟐, 𝟕𝟓
𝑵 𝟑𝟔
𝒊 𝟏 𝒋 𝟏

Suma cuadrada del bloque.

𝒃 𝟏𝟐
𝒚𝟐.𝒋 𝒚𝟐.. 𝟒𝟎𝟐 + 𝟓𝟐𝟐 + 𝟔𝟗𝟐 + 𝟕𝟕𝟐 + 𝟔𝟎𝟐 +𝟓𝟓𝟐 +𝟔𝟖𝟐 + 𝟒𝟕𝟐 + 𝟔𝟑𝟐 + 𝟔𝟐𝟐 + 𝟓𝟗𝟐 +𝟒𝟕𝟐 𝟔𝟗𝟗𝟐
𝑺𝑪𝑩 = − = − = 𝟒𝟏𝟐, 𝟕𝟓
𝒕 𝑵 𝟑 𝟑𝟔
𝒋 𝟏

Suma cuadrada del tratamiento ajustado.

𝒃 𝟏𝟐 𝟕𝟕 + 𝟓𝟓 + 𝟔𝟐 + 𝟓𝟗
𝓠𝒊 = 𝒀𝒊. − 𝒏𝒊𝒋 𝒀.𝒋 /𝒕; 𝒊 = 𝟏, 𝟐, … … … , 𝒌, 𝓠𝟓 = 𝟏𝟎𝟐 − = 𝟏𝟕, 𝟔𝟕
𝟑
𝒊 𝟏

𝟕𝟕 + 𝟒𝟕 + 𝟔𝟑 + 𝟒𝟕 𝟔𝟗 + 𝟔𝟎 + 𝟓𝟓 + 𝟔𝟑
𝓠𝟏 = 𝟕𝟗 − = 𝟏, 𝟎𝟎 𝓠𝟔 = 𝟗𝟑 − = 𝟏𝟎, 𝟔𝟕
𝟑 𝟑

𝟓𝟐 + 𝟔𝟎 + 𝟔𝟐 + 𝟒𝟕 𝟔𝟎 + 𝟔𝟖 + 𝟒𝟕 + 𝟓𝟗
𝓠𝟐 = 𝟔𝟕 − = −𝟔, 𝟔𝟕 𝓠𝟕 = 𝟖𝟑 − = 𝟓, 𝟎𝟎
𝟑 𝟑

𝟒𝟎 + 𝟔𝟗 + 𝟓𝟗 + 𝟒𝟕 𝟒𝟎 + 𝟔𝟖 + 𝟔𝟑 + 𝟔𝟐
𝓠𝟑 = 𝟓𝟑 − = −𝟏𝟖, 𝟔𝟕 𝓠𝟖 = 𝟕𝟕 − = −𝟎, 𝟔𝟕
𝟑 𝟑

𝟒𝟎 + 𝟓𝟐 + 𝟓𝟓 + 𝟒𝟕 𝟓𝟐 + 𝟔𝟗 + 𝟕𝟕 + 𝟔𝟖
𝓠𝟒 = 𝟐𝟔 − = −𝟑𝟖, 𝟔𝟕 𝓠𝟗 = 𝟏𝟏𝟗 − = 𝟑𝟎, 𝟑𝟑
𝟑 𝟑

𝒌 𝟗
𝟏𝟐 + (−𝟔, 𝟔𝟕)𝟐 +(−𝟏𝟖, 𝟔𝟕)𝟐 +(−𝟑𝟖, 𝟔𝟕)𝟐 +𝟏𝟕, 𝟔𝟕𝟐 +𝟏𝟎, 𝟔𝟕𝟐 +𝟓𝟐 + (−𝟎, 𝟔𝟕)𝟐 +𝟑𝟎, 𝟑𝟑𝟐
𝑺𝑪𝑻𝑹𝑨𝑻 𝒂𝒋 = 𝒕 𝓠𝟐𝒊 /𝝀𝒌 = 𝟑 = 𝟏𝟎𝟖𝟔, 𝟗𝟓
𝟏 ⋅ 𝟗
𝒊 𝟏

Suma cuadrada del error para el tratamiento ajustado.

𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑻𝑹𝑨𝑻 𝒂𝒋 − 𝑺𝑪𝑩 = 𝟏𝟓𝟏𝟐, 𝟕𝟓 − 𝟏𝟎𝟖𝟔, 𝟗𝟓 − 𝟒𝟏𝟐, 𝟕𝟓 = 𝟏𝟑, 𝟎𝟓

6) TABLA ANOVA PARA TRATAMIENTO AJUSTADO

Anova.
Suma de Grados de Cuadrado
FUENTE DE VARIABILIDAD
cuadrados libertad medio
Fcalc Ftab

Tratamiento ajustado 1086.95 8 135.87 166.635 > 2.590

Bloque 412.75 11
Error 13.05 16 0.82
Total 1512.75 35
7) REGLA DE DECISIÓN PARA EL TRATAMIENTO AJUSTADO

Tratamiento: F calculada vs F tabla

Opción 1: Fc < Fabla. Se acepta H0, rechaza H1.

Opción 2: Fc > Fabla. Se rechaza H0, acepta H1. X

8) CONCLUSIÓN ANOVA PARA EL TRATAMIENTO AJUSTADO

Se rechazó la Hipótesis nula para el tratamiento ajustado, por lo tanto, el tipo de formulación de detergente si afecta el números de
platos lavados.

9) SUMA DE CUADRADOS PARA BLOQUE AJUSTADO

Suma cuadrada total.

𝒌 𝟗 𝒃 𝟏𝟐
𝒚𝟐.. 𝟔𝟗𝟗𝟐
𝑺𝑪𝑻 = 𝒚𝟐𝒊𝒋 − = 𝟏𝟓𝟎𝟖𝟓 − = 𝟏𝟓𝟏𝟐, 𝟕𝟓
𝑵 𝟑𝟔
𝒊 𝟏 𝒋 𝟏

Suma cuadrada del Tratamiento.

𝒌 𝟗
𝒚𝟐𝒊. 𝒚𝟐.. 𝟕𝟗𝟐 + 𝟔𝟕𝟐 + 𝟓𝟑𝟐 + 𝟐𝟔𝟐 + 𝟏𝟎𝟐𝟐 +𝟗𝟑𝟐 +𝟖𝟑𝟐 + 𝟕𝟕𝟐 + 𝟏𝟗𝟗𝟐 𝟔𝟗𝟗𝟐
𝑺𝑪𝑻𝑹𝑨𝑻 = − = − = 𝟏𝟒𝟖𝟗, 𝟓𝟎
𝒓 𝑵 𝟒 𝟑𝟔
𝒊 𝟏

Suma cuadrada del bloque ajustado.

𝒌 𝟗 𝟖𝟑 + 𝟕𝟕 + 𝟏𝟏𝟗
𝓠𝒋 = 𝒀.𝒋 − 𝒏𝒊𝒋 𝒀𝒊. /𝒓; 𝒋 = 𝟏, 𝟐, … … … , 𝒃, 𝓠𝟕 = 𝟔𝟖 − = −𝟏, 𝟕𝟓
𝟒
𝒋 𝟏

𝟓𝟑 + 𝟐𝟔 + 𝟕𝟕 𝟕𝟗 + 𝟐𝟔 + 𝟖𝟑
𝓠𝟏 = 𝟒𝟎 − = 𝟏, 𝟎𝟎 𝓠𝟖 = 𝟒𝟕 − = 𝟎, 𝟎𝟎
𝟒 𝟒

𝟔𝟕 + 𝟐𝟔 + 𝟏𝟏𝟗 𝟕𝟗 + 𝟗𝟑 + 𝟕𝟕
𝓠𝟐 = 𝟓𝟐 − = −𝟏, 𝟎𝟎 𝓠𝟗 = 𝟔𝟑 − = 𝟎, 𝟕𝟓
𝟒 𝟒

𝟓𝟑 + 𝟗𝟑 + 𝟏𝟏𝟗 𝟔𝟕 + 𝟏𝟎𝟐 + 𝟕𝟕
𝓠𝟑 = 𝟔𝟗 − = 𝟐, 𝟕𝟓 𝓠𝟏𝟎 = 𝟔𝟐 − = 𝟎, 𝟓𝟎
𝟒 𝟒

𝟕𝟗 + 𝟏𝟎𝟐 + 𝟏𝟏𝟗 𝟓𝟑 + 𝟏𝟎𝟐 + 𝟖𝟑

𝓠𝟒 = 𝟕𝟕 − = 𝟐, 𝟎𝟎 𝓠𝟏𝟏 = 𝟓𝟗 − = −𝟎, 𝟓𝟎
𝟒 𝟒

𝟔𝟕 + 𝟗𝟑 + 𝟖𝟑 𝟕𝟗 + 𝟔𝟕 + 𝟓𝟑
𝓠𝟓 = 𝟔𝟎 − = −𝟎, 𝟕𝟓 𝓠𝟏𝟐 = 𝟒𝟕 − = −𝟐, 𝟕𝟓
𝟒 𝟒

𝟐𝟔 + 𝟏𝟎𝟐 + 𝟗𝟑
𝓠𝟔 = 𝟓𝟓 − = −𝟎, 𝟐𝟓
𝟒

𝒃 𝟏𝟐
𝟏𝟐 + (−𝟏)𝟐 +𝟐, 𝟕𝟓𝟐 + 𝟐𝟐 + (−𝟎, 𝟕𝟓)𝟐 +(−𝟎, 𝟐𝟓)𝟐 +(−𝟏, 𝟕𝟓)𝟐 +𝟎𝟐 + 𝟎, 𝟕𝟓𝟐 + 𝟎, 𝟓𝟐 + (−𝟎, 𝟓)𝟐 +(−𝟐, 𝟕𝟓)𝟐
𝑺𝑪𝑩 𝒂𝒋 = 𝒓 𝓠𝟐𝒋 /𝝀𝒃 = 𝟒 = 𝟖, 𝟔𝟑
𝟏 ⋅ 𝟏𝟐
𝒋 𝟏

Suma cuadrada del error para el bloque ajustado.

𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑻𝑹𝑨𝑻 − 𝑺𝑪𝑩 𝒂𝒋 = 𝟏𝟓𝟏𝟐, 𝟕𝟓 − 𝟏𝟒𝟖𝟗, 𝟓𝟎 − 𝟖, 𝟔𝟑 = 𝟏𝟒, 𝟔𝟑

10) TABLA ANOVA PARA BLOQUE AJUSTADO

Anova.
Suma de Grados de Cuadrado
FUENTE DE VARIABILIDAD
cuadrados libertad medio
Fcalc Ftab

Tratamiento 1489.50 8
Bloque ajustado 8.63 11 0.78 0.962 < 2.460
Error 14.63 16 0.91
Total 1512.75 35

11) REGLA DE DECISIÓN PARA EL BLOQUE AJUSTADO

Bloque: F calculada vs F tabla

Opción 1: Fc < Fabla. Se acepta H0, rechaza H1. X

Opción 2: Fc > Fabla. Se rechaza H0, acepta H1.

12) CONCLUSIÓN ANOVA PARA EL BLOQUE AJUSTADO
Se aceptó la Hipótesis nula para el bloque ajustado, por lo tanto, el bloque de la máquina lavaplatos no afecta el números de platos
lavados.

13) ESTIMACIÓN DE MEDIAS

𝒕𝓠𝒊 𝟑(𝟏)
𝝁𝒊 = 𝒀.. + 𝝁𝟏 = 𝟏𝟗, 𝟒𝟐 + = 𝟏𝟗, 𝟕𝟓
𝝀𝒌 𝟏 ⋅𝟗

𝟔𝟗𝟗 𝟑(−𝟔, 𝟔𝟕)

𝒀.. = = 𝟏𝟗, 𝟒𝟐 𝝁𝟐 = 𝟏𝟗, 𝟒𝟐 + = 𝟏𝟗, 𝟒𝟐
𝟑𝟔 𝟏 ⋅𝟗
𝟑(−𝟏𝟖, 𝟔𝟕)
𝝁𝟑 = 𝟏𝟗, 𝟒𝟐 + = 𝟏𝟑, 𝟐𝟎
Q1= 1 𝟏 ⋅𝟗
Q2= -6.67 𝟑(−𝟑𝟖, 𝟔𝟕)
Q3= -18.67 𝝁𝟒 = 𝟏𝟗, 𝟒𝟐 + = 𝟔, 𝟓𝟑
Q4= -38.67 𝟏 ⋅𝟗
Q5= 17.67 𝟑(𝟏𝟕, 𝟔𝟕)
Q6= 10.67 𝝁𝟓 = 𝟏𝟗, 𝟒𝟐 + = 𝟐𝟓, 𝟑𝟏
Q7= 5 𝟏 ⋅𝟗
Q8= -0.67 𝟑(𝟏𝟎, 𝟔𝟕)
Q9= 30.33 𝝁𝟔 = 𝟏𝟗, 𝟒𝟐 + = 𝟐𝟐, 𝟗𝟖
𝟏 ⋅𝟗
𝟑(𝟓)
𝝁𝟕 = 𝟏𝟗, 𝟒𝟐 + = 𝟐𝟏, 𝟎𝟗
𝟏 ⋅𝟗
𝟑(−𝟎, 𝟔𝟕)
𝝁𝟖 = 𝟏𝟗, 𝟒𝟐 + = 𝟏𝟗, 𝟐𝟎
𝟏 ⋅𝟗
𝟑(𝟑𝟎, 𝟑𝟑)
𝝁𝟗 = 𝟏𝟗, 𝟒𝟐 + = 𝟐𝟗, 𝟓𝟑
𝟏 ⋅𝟗

14) PRUEBA LSD

Tratamiento:

𝟐𝒕𝑪𝑴𝑬
𝑳𝑺𝑫 = 𝒕 𝜶
,𝑵 𝒌 𝒃 𝟏
𝟐 𝝀𝒌

𝟐 ⋅ 𝟑(𝟎, 𝟖𝟐)
𝑳𝑺𝑫 = 𝒕𝟎,𝟎𝟐𝟓;𝟏𝟔
𝟏 ⋅𝟗
𝑳𝑺𝑫 = (𝟐, 𝟏𝟐)(𝟎, 𝟕𝟒)
𝑳𝑺𝑫 = 𝟏, 𝟓𝟔

DIFERENCIA
POBLACIONAL
DIFERENCIA MUESTRAL LSD DECISIÓN

𝝁𝟏 − 𝝁𝟐 𝟐, 𝟓𝟔 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟑 𝟔, 𝟓𝟔 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟒 𝟏𝟑, 𝟐𝟐 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟓 𝟓, 𝟓𝟔 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟔 𝟑, 𝟐𝟐 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟕 𝟏, 𝟑𝟑 < 𝟏, 𝟓𝟔 NO SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟖 𝟎, 𝟓𝟔 < 𝟏, 𝟓𝟔 NO SIGNIFICATIVO

𝝁𝟏 − 𝝁𝟗 𝟗, 𝟕𝟖 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟑 𝟒 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟒 𝟏𝟎, 𝟔𝟕 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟓 𝟖, 𝟏𝟏 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟔 𝟓, 𝟕𝟖 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟕 𝟑, 𝟖𝟗 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟖 𝟐 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟐 − 𝝁𝟗 𝟏𝟐, 𝟑𝟑 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟑 − 𝝁𝟒 𝟔, 𝟔𝟕 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟑 − 𝝁𝟓 𝟏𝟐, 𝟏𝟏 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟑 − 𝝁𝟔 𝟗, 𝟕𝟖 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟑 − 𝝁𝟕 𝟕, 𝟖𝟗 > 𝟏, 𝟓𝟔 SIGNIFICATIVO
 𝝁𝟑 − 𝝁𝟖 𝟔 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟑 − 𝝁𝟗 𝟏𝟔, 𝟑𝟑 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟒 − 𝝁𝟓 𝟏𝟖, 𝟕𝟖 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟒 − 𝝁𝟔 𝟏𝟔, 𝟒𝟓 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟒 − 𝝁𝟕 𝟏𝟒, 𝟓𝟔 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟒 − 𝝁𝟖 𝟏𝟐, 𝟔𝟕 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟒 − 𝝁𝟗 𝟐𝟑 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟓 − 𝒖𝟔 𝟐, 𝟑𝟑 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟓 − 𝝁𝟕 𝟒, 𝟐𝟐 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟓 − 𝝁𝟖 𝟔, 𝟏𝟏 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟓 − 𝝁𝟗 𝟒, 𝟐𝟐 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟔 − 𝒖𝟕 𝟏, 𝟖𝟗 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟔 − 𝝁𝟖 𝟑, 𝟕𝟖 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟔 − 𝝁𝟗 𝟔, 𝟓𝟓 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟕 − 𝝁𝟖 𝟏, 𝟖𝟗 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟕 − 𝝁𝟗 𝟖, 𝟒𝟒 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

𝝁𝟖 − 𝝁𝟗 𝟏𝟎, 𝟑𝟑 > 𝟏, 𝟓𝟔 SIGNIFICATIVO

a) Obtenga los parámetros k, b, t, r y 𝜆 que definen este DBIB.

k= 9 t= 3 𝜆= 1
b= 12 r= 4 N= 36

b) Escriba el modelo estadístico y plantee las hipótesis de interés.

MODELO ESTADÍSTICO

𝒊 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗
𝜸𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 +𝜺𝒊𝒋
𝒋 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕, 𝟖, 𝟗, 𝟏𝟎, 𝟏𝟏, 𝟏𝟐

PLANTEAMIENTO DE HIPÓTESIS

TRATAMIENTO

𝐻𝑜 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 0
VS
𝐻1 = 𝜏 ≠ 𝜏 para algún 𝑖 ≠ 𝑗

BLOQUE

𝐻𝑜 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 =𝛽 =𝛽 =0
VS
𝐻1 = 𝛽 ≠ 0 para algún 𝑏𝑙𝑜𝑞𝑢𝑒 𝑗
c) Realice el ANOVA que incluya tratamientos ajustados y bloques ajustados

Suma de Grados de Cuadrado

FUENTE DE VARIABILIDAD
cuadrados libertad medio
Fcalc Ftab

Tratamiento ajustado 1086.95 8 135.87 166.635 > 2.590

Bloque 412.75 11
Error 13.05 16 0.82
Total 1512.75 35

Suma de Grados de Cuadrado

FUENTE DE VARIABILIDAD
cuadrados libertad medio
Fcalc Ftab

Tratamiento 1489.50 8
Bloque ajustado 8.63 11 0.78 0.962 < 2.460
Error 14.63 16 0.91
Total 1512.75 35

d) ¿Hubo algún efecto del aditivo? Argumente.

No, el aditivo no tuvo ningún efecto relevante al momento de lavar los platos, pues del noveno tratamiento que no contenía ningún
aditivo fue el que lavo una mayor cantidad de platos.

e) ¿Hay algún tratamiento mejor que el control? Argumente.

No, ningún aditivo sobrepasó al control, es decir al tratamiento que contiene al detergente III.
 Se corre un experimento casero para estudiar la eficacia como repelentes de moscas de varios químicos orgánicos. Los siete
tratamientos fueron: A = ácido ascórbico, B = ácido cítrico, C = control, D = hesperidina, E = jugo de limón, F = pimienta negra
y G = piperina. La respuesta es el número promedio de moscas en la parte inferior de la tapa.

a) Encuentre los parámetros de este diseño BIB.

b) Escriba el modelo estadístico y plantee las hipótesis de interés.
c) Analice los datos y obtenga conclusiones.
d) ¿Hubo algún efecto de los días? Argumente

1) DETERMINACIÓN DE CONCEPTOS

Unidad experimental Moscas

Tratamiento Repelentes de moscas de varios químicos orgánicos
Bloque Día
Variable de respuesta # prom. de moscas en la parte inferior de la tapa.

2) PARÁMETROS DEL DISEÑO

k= 7 t= 3 𝜆= 1
b= 7 r= 3 N= 21

Igualdad: k ≠ b : Diseño asimétrico

1. 𝑘𝑟 = 𝑏𝑡 2. 𝜆(𝑘 − 1) = 𝑟(𝑡 − 1)
7⋅3=7⋅3 1(7 − 1) = 3(3 − 1)
21 = 21 6=6

3) MODELO ESTADÍSTICO

𝒊 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕
𝜸𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 +𝜺𝒊𝒋
𝒋 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕

4) PLANTEAMIENTO DE HIPÓTESIS

TRATAMIENTO

𝐻𝑜 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 0
VS
𝐻1 = 𝜏 ≠ 𝜏 para algún 𝑖 ≠ 𝑗

BLOQUE

𝐻𝑜 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 0
VS
𝐻1 = 𝛽 ≠ 0 para algún 𝑏𝑙𝑜𝑞𝑢𝑒 𝑗

Solución:

Tabla de valores iniciales.

TRATAMIENTO
DÍA SUMA PROMEDIO
A B C D E F G
1 19.8 7.8 13 40.6 13.53
2 16 11 5.3 32.3 10.77
3 11.7 5.3 12.3 29.3 9.77
4 11.2 10 6 27.2 9.07
5 13.2 17.3 16.2 46.7 15.57
6 16 17.2 10.8 44 14.67
 7 15.7 18 12.7 46.4 15.47
SUMA 40.9 44.1 55.1 42.2 19.1 36 29.1 266.5
PROM. 13.63 14.70 18.37 14.07 6.37 12.00 9.70 Yij Total

Tabla de valores iniciales elevados al cuadrado.

TRATAMIENTO
DÍA SUMA
A B C D E F G
1 392.04 60.84 169 621.88
2 256 121 28.09 405.09
3 136.89 28.09 151.29 316.27
4 125.44 100 36 261.44
5 174.24 299.29 262.44 735.97
6 256 295.84 116.64 668.48
7 246.49 324 161.29 731.78
Y^2ij Total 3740.91

5) SUMA DE CUADRADOS PARA TRATAMIENTO AJUSTADO

Suma cuadrada total.

𝒌 𝟕𝒃 𝟕
𝒚𝟐.. 𝟐𝟔𝟔, 𝟓𝟐
𝑺𝑪𝑻 = 𝒚𝟐𝒊𝒋 − = 𝟑𝟕𝟒𝟎, 𝟗𝟏 − = 𝟑𝟓𝟖, 𝟗𝟎
𝑵 𝟐𝟏
𝒊 𝟏 𝒋 𝟏

Suma cuadrada del bloque.

𝒃 𝟕
𝒚𝟐.𝒋 𝒚𝟐.. 𝟒𝟎, 𝟔𝟐 + 𝟑𝟐, 𝟑𝟐 + 𝟐𝟗, 𝟑𝟐 + 𝟐𝟕, 𝟐𝟐 + 𝟒𝟔, 𝟕𝟐 +𝟒𝟒𝟐 +𝟒𝟔, 𝟒𝟐 𝟐𝟔𝟔, 𝟓𝟐
𝑺𝑪𝑩 = − = − = 𝟏𝟑𝟕, 𝟗𝟑
𝒕 𝑵 𝟑 𝟐𝟏
𝒋 𝟏

Suma cuadrada del tratamiento ajustado.

𝒃 𝟏𝟐 𝟑𝟐, 𝟑 + 𝟐𝟕, 𝟐 + 𝟒𝟔, 𝟕
𝓠𝒊 = 𝒀𝒊. − 𝒏𝒊𝒋 𝒀.𝒋 /𝒕; 𝒊 = 𝟏, 𝟐, … … … , 𝒌, 𝓠𝟒 = 𝟒𝟐, 𝟐 − = 𝟔, 𝟖
𝟑
𝒊 𝟏
𝟐𝟗, 𝟑 + 𝟒𝟔, 𝟕 + 𝟒𝟒 𝟒𝟎, 𝟔 + 𝟐𝟗, 𝟑 + 𝟐𝟕, 𝟐
𝓠𝟏 = 𝟒𝟎, 𝟗 − = 𝟎, 𝟗 𝓠𝟓 = 𝟏𝟗, 𝟏 − = −𝟏𝟑, 𝟐𝟕
𝟑 𝟑

𝟐𝟕, 𝟐 + 𝟒𝟒 + 𝟒𝟔, 𝟒 𝟑𝟐, 𝟑 + 𝟐𝟗, 𝟑 + 𝟒𝟔, 𝟒

𝓠𝟐 = 𝟒𝟒, 𝟏 − = 𝟒, 𝟗 𝓠𝟔 = 𝟑𝟔 − = 𝟎, 𝟎𝟎
𝟑 𝟑

𝟒𝟎, 𝟔 + 𝟒𝟔, 𝟕 + 𝟒𝟔, 𝟒 𝟒𝟎, 𝟔 + 𝟑𝟐, 𝟑 + 𝟒𝟒

𝓠𝟑 = 𝟓𝟓, 𝟏 − = 𝟏𝟎, 𝟓𝟑 𝓠𝟕 = 𝟐𝟗, 𝟏 − = −𝟗, 𝟖𝟕
𝟑 𝟑

𝒌 𝟕
𝟎, 𝟗𝟐 + 𝟒, 𝟗𝟐 + 𝟏𝟎, 𝟓𝟑𝟐 + 𝟔, 𝟖𝟐 +(−𝟏𝟑, 𝟐𝟕)𝟐 +𝟎𝟐 + (−𝟗, 𝟖𝟕)𝟐
𝑺𝑪𝑻𝑹𝑨𝑻 𝒂𝒋 = 𝒕 𝓠𝟐𝒊 /𝝀𝒌 = 𝟑 = 𝟏𝟗𝟓, 𝟏𝟗
𝟏 ⋅𝟕
𝒊 𝟏

Suma cuadrada del error para el tratamiento ajustado.

𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑻𝑹𝑨𝑻 𝒂𝒋 − 𝑺𝑪𝑩 = 𝟑𝟓𝟖, 𝟗𝟎 − 𝟏𝟗𝟓, 𝟏𝟗 − 𝟏𝟑𝟕, 𝟗𝟑 = 𝟐𝟓, 𝟕𝟕

6) TABLA ANOVA PARA TRATAMIENTO AJUSTADO

Anova.
Suma de Grados de Cuadrado
FUENTE DE VARIABILIDAD
cuadrados libertad medio
Fcalc Ftab

Tratamiento ajustado 195.19 6 32.53 10.098 > 3.580

Bloque 137.93 6
Error 25.77 8 3.22
Total 358.90 20

7) REGLA DE DECISIÓN PARA EL TRATAMIENTO AJUSTADO

Tratamiento: F calculada vs F tabla

Opción 1: Fc < Fabla. Se acepta H0, rechaza H1.

Opción 2: Fc > Fabla. Se rechaza H0, acepta H1. X

8) CONCLUSIÓN ANOVA PARA EL TRATAMIENTO AJUSTADO
Se rechazó la Hipótesis nula para el tratamiento ajustado, por lo tanto, el tipo de repelente de moscas de varios químicos orgánicos
si afecta el número de moscas en la parte inferior de la tapa.

9) SUMA DE CUADRADOS PARA BLOQUE AJUSTADO

Suma cuadrada total.

𝒌 𝟕𝒃 𝟕
𝒚𝟐.. 𝟐𝟔𝟔, 𝟓𝟐
𝑺𝑪𝑻 = 𝒚𝟐𝒊𝒋 − = 𝟑𝟕𝟒𝟎, 𝟗𝟏 − = 𝟑𝟓𝟖, 𝟗𝟎
𝑵 𝟐𝟏
𝒊 𝟏 𝒋 𝟏

Suma cuadrada del Tratamiento.

𝒌 𝟕
𝒚𝟐𝒊. 𝒚𝟐.. 𝟒𝟎, 𝟗𝟐 + 𝟒𝟒, 𝟏𝟐 + 𝟓𝟓, 𝟏𝟐 + 𝟒𝟐, 𝟐𝟐 + 𝟏𝟗, 𝟏𝟐 +𝟑𝟔𝟐 +𝟐𝟗, 𝟏𝟐 𝟐𝟔𝟔, 𝟓𝟐
𝑺𝑪𝑻𝑹𝑨𝑻 = − = − = 𝟐𝟔𝟓, 𝟑𝟓
𝒓 𝑵 𝟒 𝟐𝟏
𝒊 𝟏

Suma cuadrada del bloque ajustado.

𝒌 𝟕 𝟒𝟒, 𝟏 + 𝟒𝟐, 𝟐 + 𝟏𝟗, 𝟏
𝓠𝒋 = 𝒀.𝒋 − 𝒏𝒊𝒋 𝒀𝒊. /𝒓; 𝒋 = 𝟏, 𝟐, … … … , 𝒃, 𝓠𝟒 = 𝟐𝟕, 𝟐 − = −𝟕, 𝟗𝟑
𝟑
𝒋 𝟏

𝟓𝟓, 𝟏 + 𝟏𝟗, 𝟏 + 𝟐𝟗, 𝟏 𝟒𝟎, 𝟗 + 𝟓𝟓, 𝟏 + 𝟒𝟐, 𝟐

𝓠𝟏 = 𝟒𝟎, 𝟔 − = 𝟔, 𝟏𝟕 𝓠𝟓 = 𝟒𝟔, 𝟕 − = 𝟎, 𝟔𝟑
𝟑 𝟑

𝟒𝟐, 𝟐 + 𝟑𝟔 + 𝟐𝟗, 𝟏 𝟒𝟎, 𝟗 + 𝟒𝟒, 𝟏 + 𝟐𝟗, 𝟏

𝓠𝟐 = 𝟑𝟐, 𝟑 − = −𝟑, 𝟒𝟕 𝓠𝟔 = 𝟒𝟒 − = 𝟓, 𝟗𝟔
𝟑 𝟑

𝟒𝟎, 𝟗 + 𝟏𝟗, 𝟏 + 𝟑𝟔 𝟒𝟒, 𝟏 + 𝟓𝟓, 𝟏 + 𝟑𝟔

𝓠𝟑 = 𝟐𝟗, 𝟑 − = −𝟐, 𝟕 𝓠𝟕 = 𝟒𝟔, 𝟒 − = 𝟏, 𝟑𝟑
𝟑 𝟑

𝒃 𝟕
𝟔, 𝟏𝟕𝟐 + −𝟑, 𝟒𝟕 𝟐 + −𝟐, 𝟕 𝟐 + −𝟕, 𝟗𝟑 𝟐 +𝟎, 𝟔𝟑𝟐 +𝟓, 𝟗𝟔𝟐 + 𝟏, 𝟑𝟑𝟐
𝑺𝑪𝑩 𝒂𝒋 = 𝒓 𝓠𝟐𝒋 /𝝀𝒃 = 𝟑 = 𝟔𝟕, 𝟕𝟎
𝟏 ⋅𝟕
𝒋 𝟏

Suma cuadrada del error para el bloque ajustado.

𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑻𝑹𝑨𝑻 − 𝑺𝑪𝑩 𝒂𝒋 = 𝟑𝟓𝟖, 𝟗𝟎 − 𝟐𝟔𝟓, 𝟑𝟓 − 𝟔𝟕, 𝟕𝟎 = 𝟐𝟓, 𝟖𝟒

10) TABLA ANOVA PARA BLOQUE AJUSTADO

Anova.
Suma de Grados de Cuadrado
FUENTE DE VARIABILIDAD
cuadrados libertad medio
Fcalc Ftab

Tratamiento 265.35 6
Bloque ajustado 67.70 6 11.28 3.502 < 3.580
Error 25.84 8 3.23
Total 358.90 20

11) REGLA DE DECISIÓN PARA EL BLOQUE AJUSTADO

Bloque: F calculada vs F tabla

Opción 1: Fc < Fabla. Se acepta H0, rechaza H1. X

Opción 2: Fc > Fabla. Se rechaza H0, acepta H1.

12) CONCLUSIÓN ANOVA PARA EL BLOQUE AJUSTADO

Se aceptó la Hipótesis nula para el bloque ajustado, por lo tanto, los días no afectan el número promedio de moscas en la parte
inferior de la tapa.

13) ESTIMACIÓN DE MEDIAS

𝒕𝓠𝒊 𝟑(𝟎, 𝟗)
𝝁𝒊 = 𝒀.. + 𝝁𝟏 = 𝟏𝟐, 𝟔𝟗 + = 𝟏𝟑, 𝟎𝟖
𝝀𝒌 𝟏 ⋅𝟕
𝟑(𝟒, 𝟗)
𝟐𝟔𝟔, 𝟓 𝝁𝟐 = 𝟏𝟐, 𝟔𝟗 + = 𝟏𝟒, 𝟕𝟗
𝒀.. = = 𝟏𝟐, 𝟔𝟗 𝟏 ⋅𝟕
𝟐𝟏
𝟑(𝟏𝟎, 𝟓𝟑)
𝟔𝟗 𝟐𝟎
 𝟑(𝟏𝟎, 𝟓𝟑)
𝝁𝟑 = 𝟏𝟐, 𝟔𝟗 + = 𝟏𝟕, 𝟐𝟎
Q1= 0.9 𝟏 ⋅𝟕
Q2= 4.9 𝟑(𝟔, 𝟖)
Q3= 10.53 𝝁𝟒 = 𝟏𝟐, 𝟔𝟗 + = 𝟏𝟓, 𝟔𝟎
Q4= 6.8 𝟏 ⋅𝟕
Q5= -13.27 𝟑(−𝟏𝟑, 𝟐𝟕)
Q6= 0 𝝁𝟓 = 𝟏𝟐, 𝟔𝟗 + = 𝟕, 𝟎𝟎
Q7= -9.87
𝟏 ⋅𝟕
𝟑(𝟎)
𝝁𝟔 = 𝟏𝟐, 𝟔𝟗 + = 𝟏𝟐, 𝟔𝟗
𝟏 ⋅𝟕
𝟑(−𝟗, 𝟖𝟕)
𝝁𝟕 = 𝟏𝟐, 𝟔𝟗 + = 𝟖, 𝟒𝟔
𝟏 ⋅𝟕

14) PRUEBA LSD

Tratamiento:

𝟐𝒕𝑪𝑴𝑬
𝑳𝑺𝑫 = 𝒕 𝜶
𝟐 ,𝑵 𝒌 𝒃 𝟏 𝝀𝒌

𝟐 ⋅ 𝟑(𝟑, 𝟐𝟐)
𝑳𝑺𝑫 = 𝒕𝟎,𝟎𝟐𝟓;𝟖
𝟏 ⋅𝟕
𝑳𝑺𝑫 = (𝟐, 𝟑𝟏)(𝟏, 𝟔𝟔)
𝑳𝑺𝑫 = 𝟑, 𝟖𝟑

DIFERENCIA
POBLACIONAL
DIFERENCIA MUESTRAL LSD DECISIÓN

𝝁 𝟏 − 𝝁𝟐 𝟏, 𝟕𝟏 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟏 − 𝝁𝟑 𝟒, 𝟏𝟑 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟏 − 𝝁𝟒 𝟐, 𝟓𝟑 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟏 − 𝝁𝟓 𝟔, 𝟎𝟕 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟏 − 𝝁𝟔 𝟎, 𝟑𝟗 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟏 − 𝝁𝟕 𝟒, 𝟔𝟐 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟐 − 𝝁𝟑 𝟐, 𝟒𝟏 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟐 − 𝝁𝟒 𝟎, 𝟖𝟏 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟐 − 𝝁𝟓 𝟕, 𝟕𝟗 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟐 − 𝝁𝟔 𝟐, 𝟏 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟐 − 𝝁𝟕 𝟔, 𝟑𝟑 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟑 − 𝝁𝟒 𝟏, 𝟔 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟑 − 𝝁𝟓 𝟏𝟎, 𝟐 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟑 − 𝝁𝟔 𝟒, 𝟓𝟏 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁𝟑 − 𝝁𝟕 𝟖, 𝟕𝟒 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟒 − 𝝁𝟓 𝟖, 𝟔 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟒 − 𝝁𝟔 𝟐, 𝟗𝟏 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟒 − 𝝁𝟕 𝟕, 𝟏𝟒 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟓 − 𝒖𝟔 𝟓, 𝟔𝟗 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

𝝁 𝟓 − 𝝁𝟕 𝟏, 𝟒𝟔 < 𝟑, 𝟖𝟑 NO SIGNIFICATIVO

𝝁 𝟔 − 𝒖𝟕 𝟒, 𝟐𝟑 > 𝟑, 𝟖𝟑 SIGNIFICATIVO

a) Encuentre los parámetros de este diseño BIB.

k= 7 t= 3 𝜆= 1
b= 7 r= 3 N= 21
 b) Escriba el modelo estadístico y plantee las hipótesis de interés.

MODELO ESTADÍSTICO

𝒊 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕
𝜸𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 +𝜺𝒊𝒋
𝒋 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔, 𝟕

PLANTEAMIENTO DE HIPÓTESIS

TRATAMIENTO

𝐻𝑜 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 𝜏 = 0
VS
𝐻1 = 𝜏 ≠ 𝜏 para algún 𝑖 ≠ 𝑗

BLOQUE

𝐻𝑜 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 𝛽 = 0
VS
𝐻1 = 𝛽 ≠ 0 para algún 𝑏𝑙𝑜𝑞𝑢𝑒 𝑗

c) Analice los datos y obtenga conclusiones.

Se rechazó la Hipótesis nula para el tratamiento ajustado, por lo tanto, el tipo de repelente de moscas de varios químicos orgánicos
si afecta el número de moscas en la parte inferior de la tapa. Se aceptó la Hipótesis nula para el bloque ajustado, por lo tanto, los
días no afectan el número promedio de moscas en la parte inferior de la tapa. Sin considerar el control, el tipo de repelente B =
ácido cítrico es el más efectivo pues tuvo un mayor promedio de número de moscas en la parte inferior de la tapa.

d) ¿Hubo algún efecto de los días? Argumente

No, al rechazar la Hipótesis nula para el bloque días queda descartado la idea de que este factor influya sobre las moscas.