Dise-Exp - DBCA 08-12-2021

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 10

Diseños de bloques

OBJETIVO GENERAL:
▪ Identificar las características generales y los usos que se
le dan a los diseños en bloques.
 OBJETIVOS ESPECÍFICOS
▪ Explicar la definición del diseño en bloques completo o
al azar, así como su hipótesis, modelo estadístico y
análisis de varianza.
▪ Describir cada una de las técnicas dentro del un modelo
DBCA.
Diseños de bloques (1)
Un diseño en bloques completos al azar (DBCA) consideran tres fuentes de
variabilidad: el factor de tratamientos, el factor de bloque y el error
aleatorio, es decir, se tienen tres posibles “culpables” de la variabilidad
presente en los datos.
La palabra completo en el nombre del diseño se debe a que en cada bloque se
prueban todos los tratamientos, o sea, los bloques están completos.

La aleatorización se hace dentro de cada bloque; por lo tanto, no se realiza de


manera total como en el diseño completamente al azar.
Diseños de bloques (2)
 Supongamos que se quieren comprar varias máquinas, si cada
máquina es manejada por un operador diferente y se sabe que éste
tiene una influencia en el resultado, entonces es claro que el factor
operador debe tomarse en cuenta si se quiere comparar a las
máquinas de manera justa.
 Factores de bloque: Son las variables adicionales al factor de
interés que se incorporan de manera explícita en un experimento
comparativo para no sesgar la comparación.
 Fuentes de variabilidad: Son los factores que provocan la
variabilidad en los datos.
 Efecto de interacción: Es cuando dos factores interactúan, es decir,
cuando el efecto de uno depende del nivel del otro.
 Los factores pueden ser: turno, lote, día, tipo de material, línea de
producción, operador, máquina, método, etc.
 La imposibilidad de aleatorizar de bloque a bloque se aprecia
claramente cuando se bloquean factores como día o turno, ya que
no tiene sentido pensar en seleccionar al azar el orden de los días o
los turnos porque es imposible regresar el tiempo.
Modelo:

𝑖 = 1,2, … , 𝑘
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛾𝑗 + 𝜀𝑖𝑗 ;ቊ
𝑗 = 1,2, … , 𝑏

Donde:
𝑌𝑖𝑗 ≡ 𝑒𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑐𝑖ó𝑛 𝑞𝑢𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒 𝑎𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑖 𝑦 𝑎𝑙 𝑏𝑙𝑜𝑞𝑢𝑒 𝑗
𝜇 ≡ 𝑒𝑠 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑔𝑙𝑜𝑏𝑎𝑙 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝜏𝑖 ≡ 𝑒𝑠 𝑢𝑛 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑞𝑢𝑒 𝑚𝑖𝑑𝑒 𝑒𝑙
𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 i
𝛾𝑗 ≡ es el efecto con respecto al tratamiento j
𝜀𝑖𝑗 ≡ 𝑒𝑠 𝑒𝑙 𝑒𝑟𝑟𝑜𝑟
Matriz de Datos:

Tratamiento Bloque
1 2 3 … b
1 𝑌11 𝑌12 𝑌13 … 𝑌1𝑏
2 𝑌21 𝑌22 𝑌23 … 𝑌2𝑏
3 𝑌31 𝑌32 𝑌33 … 𝑌3𝑏
. . . . . .
. . . . . .
. . . . . .
k 𝑌𝑘1 𝑌𝑘2 𝑌𝑘3 … 𝑌𝑘𝑏
Prueba de Hipótesis:
Pasos:

1. Planteamiento de Hipótesis

Medias:

 𝐻0 : 𝜇1 = 𝜇2 =…=𝜇𝑘 = 𝜇

 𝐻1 : 𝜇𝑖 ≠ 𝜇𝑗 ;para algún i ≠ j

Efectos:

 𝐻0 : 𝜏1 = 𝜏2 =…=𝜏𝑘 = 𝜏

 𝐻1 : 𝜏𝑖 ≠ 𝜏𝑗 ;para algún i ≠ j

Bloque

 𝐻0 : 𝛾1 = 𝛾2 =…=𝛾𝑘 = 𝛾

 𝐻1 : 𝛾𝑖 ≠ 𝛾𝑗 ;para algún i ≠ j

1. Definir el nivel de significancia

2. Estadístico de prueba

3. Regla de Decisión

4. Conclusiones
Tabla de Anova:
Fuente de Suma Grados de Cuadrado
Variación Cuadrado Libertad s Medios
(FV) s (SC) (GL) (CM) Fc Ft

=DISTR.F.INV(probabili
dad; grados de
𝑆𝐶𝑇𝑅𝐴𝑇 𝐶𝑀𝑇𝑅𝐴𝑇 libertad 1; grados de
Tratamientos 𝑆𝐶𝑇𝑅𝐴𝑇 k-1 𝐶𝑀𝑇𝑅𝐴𝑇 = 𝐹𝑐 = 𝐹𝑜 = libertad 2)
𝐾−1 𝐶𝑀𝐸
=DISTR.F.INV(probabili
𝑆𝐶𝐵 dad; grados de
𝐶𝑀𝐵 = 𝐶𝑀𝐵
𝑏−1 𝐹𝑐 = 𝐹𝑏 = libertad 1; grados de
Bloque 𝑆𝐶𝐵 b-1 𝐶𝑀𝐸 libertad 2)
𝑆𝐶
𝐸
𝐶𝑀𝐸 = (k-1)(b-1)
Error 𝑆𝐶𝐸 (k-1)(b-1)

Total 𝑆𝐶𝑇 N-1


Formulas matemáticas:

 NOTA: Si resulta significativa implica que el factor de bloques tiene influencia


sobre la variable de respuesta, y debe ser tomado en cuenta para mejorar la
calidad de ésta.
Aplicación:
Comparación de cuatro métodos de ensamble.
En esta aplicación acerca de los cuatro métodos de ensamble: A, B, C y D ahora se va a controlar
activamente en el experimento a los operadores que realizarán el ensamble, lo que da lugar al
siguiente diseño en bloques completos al azar.
Recordemos que la variable de respuesta son los minutos en que se realiza el ensamble.
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
Determinar:
a) Señale el nombre del diseño experimental utilizado. Identificar todas las variables en
estudio.
b) Presente un análisis descriptivo de cada una de las variables, cuartiles, diagrama de caja,
etc.
c) Formule la hipótesis que se quiere probar en este problema al 95% de confianza e
interprete sus resultados.

También podría gustarte