Anlisis de un diseo en bloques aleatorios1 Cuando slo hay dos tratamientos, el anlisis de varianza de una va equivale al test t de Student

para muestras independientes. A su vez, el anlisis de varianza para el diseo en bloques con dos tratamientos, equivale a la dcima de t de Student para muestras pareadas. Como ya se vio anteriormente, cuando se comparan ms de dos pares de tratamientos, la dcima de t de Student no conserva el nivel de significacin correspondiente y es ms correcto utilizar el anlisis de varianza. El diseo en bloques aleatorios es apropiado y eficiente cuando se desea investigar las diferencias entre los promedios de k tratamientos en condiciones homogneas, vale decir, eliminando las diferencias iniciales entre las unidades experimentales. Estas condiciones homogneas pueden ser: parcelas de terreno, lotes de produccin, camadas de ratones, o una misma persona sometida a diferentes tratamientos. Se supone que la variabilidad de las unidades experimentales entre parcelas, lotes, camadas o personas, es mayor que dentro de esos bloques. Por tanto, al adjudicar los k tratamientos aleatoriamente a las unidades que constituyen un bloque, se obtiene un efecto de tratamiento limpio de esa variacin entre bloques que podra llegar a encubrir la diferencia entre tratamientos. Comparando con el diseo completamente aleatorio, se tiene por tanto una fuente de variacin adicional a las entre tratamientos y dentro de tratamientos: la variacin entre bloques. La suma de cuadrados correspondiente se simbolizar por SCB. Los grados de libertad para el clculo de CMB sern: b 1 , el nmero de bloques menos 1. La SCB se calcula usando los valores de las sumas de los yij pertenecientes a cada uno de los bloques:

SCB = k
y la tabla de ANOVA ser:
Fuente de variacin Entre tratamientos Gl Grados de libertad

bloques

(y

y)

SC Suma de Cuadrados

CM Cuadrados Medios
2

k 1

SCE = b ( y tr y )
trat

SCE k 1

Bloques

b 1

SCB = k

bloques

(y

bl

y)

SCB b 1 SCR (k 1)(b 1)

Residual Total

(k 1)(b 1) n 1

SCT = ( y i y )
i =1

Nota: la suma de cuadrados entre tratamientos es la misma (escrita de otra manera) para el ANOVA de una va. Lo que cambia es lo que llamamos suma de cuadrados dentro de tratamientos que ahora se dividi entre las SC de Bloques y la SC Residual. Ejemplo: Se tienen tres especies de ctricos a los cuales se mide la razn entre el rea de las hojas y el peso seco, bajo 3 condiciones de sombra (sol, semisombra y sombra). Datos provenientes de Snedecor, Cochran (1989) Statistical Methods, 8th Ed. Iowa State Press. Pgina 256.
1

Adaptado de Captulo 19 de Taucher (1997) Bioestadstica, Ed. Universitaria.

Sombra Sol Semisombra Sombra

Naranja Shamouti 112 86 80

Especie Pomelo Marsh 90 73 62

Mandarina Clementine 123 89 81

En este problema no interesa determinar si hay diferencias entre las condiciones de sombra (bloques), supuesto para haber decidido este diseo, sino que interesa analizar si las tres especies difieren en sus resultados. Para el anlisis usamos SPSS (Instrucciones: Analizar - Modelo Lineal General - Univariante - Modelo Personalizado - Efectos Principales - Tipo III y no incluir la interseccin en el modelo). La tabla de anlisis de varianza es entonces:
Pruebas de los efectos inter-sujetos Variable dependiente: RAZON Suma de cuadrados tipo III 73136.889a 850.889 1884.222 87.111 73224.000 Media cuadrtica 14627.378 425.444 942.111 21.778

Fuente Modelo TRATAMIE BLOQUES Error Total

gl 5 2 2 4 9

F 671.665 19.536 43.260

Significacin .000 .009 .002

a. R cuadrado = .999 (R cuadrado corregida = .997)

En la prueba de significacin, como se dijo ms arriba, slo interesa investigar la diferencia entre tratamientos. Luego, las hiptesis son:

H 0 : 1 = 2 = 3 H1 : al menos dos medias no son iguales.

Esto hace que la F de inters sea la F de los tratamientos, F observado de 19,536 con un valor p de 0,009. Por tanto se rechaza la hiptesis de nulidad y se acepta que hay al menos dos tratamientos (especies) que difieren significativamente en sus efectos (razn). Para saber cules de las diferencias observadas entre los promedios de los tratamientos son significativas se pueden emplear los mismos mtodos de comparacin para medias presentados para el diseo completamente aleatorio. Para saber si en este caso, fue ms eficiente el diseo en bloques que un diseo completamente aleatorio, analizaremos la conclusin a la que se habra llegado con este ltimo. Slo necesitamos eliminar los bloques como fuente de variacin.

ANOVA RAZON Suma de cuadrados 850.889 1971.333 2822.222 gl 2 6 8 Media cuadrtica 425.444 328.556 F 1.295 Sig. .341

Inter-grupos Intra-grupos Total

Notar primero que la suma de cuadrados de los tratamientos es exactamente igual a la anterior. .Lo que cambia es que la suma de cuadrados de los bloques est incluida en la suma de cuadrados residual o intragrupos. El F observado de 1,295 tiene un valor p de 0,341, este resultado muestra que los tratamientos no son estadsticamente significativos al 5%. Esto confirma que, en este caso, fue adecuado el diseo en bloques porque logr remover de la suma de cuadrados residual, la variacin debida a la diferencia entre bloques. Diagnsticos Un diseo en bloques NO ser apropiado si: no hay homogeneidad de varianzas del error de los bloques no hay homogeneidad de varianzas del error de los tratamientos Efectos temporales interaccin entre bloque y tratamiento

Para analizar la homogeneidad de varianzas por bloques y tratamientos, podemos hacer un ANOVA de una va definiendo un factor con k b niveles. Para hacer esto ser necesario tener repeticiones en cada ivel del factor (lo que no
ocurre en nuestro ejemplo).

Experimentos factoriales Responden a la necesidad de investigar los efectos de dos o ms niveles de ms de un tratamiento o factor sobre las unidades experimentales. Por ejemplo, el efecto que tienen fertilizantes con distinta concentracin de nitrgeno y fsforo sobre la cosecha de trigo, el efecto de la combinacin de antiinflamatorios y antibiticos sobre la sinusitis, etc. Aqu slo nos ocuparemos del caso ms sencillo, el de dos factores, cada uno con dos niveles. Supongamos que se quiere estudiar el efecto del sulfato ferroso (Fe) y de la vitamina C (Vit C) sobre el nivel de hemoglobina de pacientes anmicos. El sulfato ferroso se dar en dos niveles: 100 y 500 mg y la vitamina C en dosis de 50 y 500 mg. Llamaremos (1) y (2) los niveles bajo y alto de cada compuesto. El diseo factorial consiste en adjudicar unidades experimentales a las 4 combinaciones posibles de los dos niveles de ambos tratamientos: Fe (1) Vit C (1); Fe (1) Vit C (2); Fe (2) Vit C (1), Fe (2) Vit C (2). El anlisis correspondiente a este diseo permite investigar no slo el efecto fierro y el efecto vitamina C, sino que adems la interaccin entre ambos. Se dice que hay interaccin entre dos factores cuando el efecto de uno de ellos vara segn el nivel en que se encuentra el otro y viceversa. En este caso, habra interaccin si el nivel (2) de Fe fuera distinto en presencia de nivel (1) de Vit C que en presencia de nivel (2) de Vit C, o bien que el efecto de nivel (2) de Vit C fuera diferente en presencia de nivel (1) de Fe que en presencia de nivel (2) de Fe. No hay interaccin si los efectos no varan en relacin con el nivel del otro factor.

En un grfico la presencia o ausencia de interaccin se puede ver de la siguiente manera: PRESENCIA DE INTERACCION Variable Nivel 2 Factor 2 AUSENCIA DE INTERACCION Variable Nivel 2 Factor 2 Nivel 1 Factor 2

Nivel 1 Factor 2

Nivel 1 Factor 1

Nivel 2 Factor 1

Nivel 1 Factor 1

Nivel 2 Factor 1

Supongamos que en el ejemplo, se han adjudicado cuatro unidades experimentales a cada combinacin de los factores y que se han obtenido los siguientes resultados: Vit C (1) Fe (1) 12,5 12,3 12,0 11,8 Fe (1) 12,6 12,4 12,1 11,7 Fe (2) 13,2 13,5 13,4 12,9 Fe (2) 15,5 14,8 14,5 14,6

Vit C (2)

En el diseo de dos factores con dos niveles cada uno, la suma de cuadrado total (SCT) est compuesta por las sumas de cuadrados de cuatro fuentes de variacin: la correspondiente a cada uno de los factores, la interaccin entre ellos y el residuo o error. Usando SPSS la tabla de anlisis de varianza resultado es: (Instrucciones: Analizar - Modelo Lineal General Univariante - Modelo - Factorial completo - Tipo III y no incluir la interseccin en el modelo).

Pruebas de los efectos inter-sujetos Variable dependiente: HB Suma de cuadrados tipo III 2770.190 a 14.063 2.722 2.402 1.570 2771.760 Media cuadrtica 692.548 14.063 2.722 2.402 .131

Fuente Modelo FE VITC FE * VITC Error Total

gl 4 1 1 1 12 16

F 5293.357 107.484 20.809 18.363

Significacin .000 .000 .001 .001

a. R cuadrado = .999 (R cuadrado corregida = .999)

Los grados de libertad para 2 niveles de Fe y de Vit C son en cada caso: (2 - 1) = 1. La interaccin es el producto de los grados de libertad de cada factor: 1 x 1 = 1. Los grados de libertad de la SCT son (16 - 1) = 15, por lo que los grados de libertad del residuo son 12. Cuando la interaccin entre los factores es significativa, ya no se pueden interpretar los efectos principales de cada factor por separado, dado que su accin depender del nivel en que se encuentra el otro factor. Todos los valores de F fueron significativos al 5% El grfico en este caso sera el siguiente:
Medias marginales estimadas de HB
15.0

14.5

Medias marginales estimadas

14.0

13.5

13.0

FE
12.5 1 2 1 2

12.0

VITC

Se ve que en el nivel (1) de Fe, la accin de la Vit. C es prcticamente nula. En cambio, en el nivel (2) de Fe, el hecho de dar adems Vit C en dosis alta, da mejor resultado en trminos de valores de hemoglobina.