DISEO BLOQUES AL AZAR I.

INTRODUCCION
En este diseo, los tratamientos se asignan aleatoriamente a un grupo de unidades experimentales denominado bloque o repeticin. El diseo de bloques al azar se usa por tanto, donde las unidades experimentales pueden agruparse en bloque relativamente homogneos, de manera tal que las diferencias observadas entre unidades sean primordialmente debidas a los tratamientos. Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente que aparezcan otras variables o factores que tambin influyen y que deben ser controladas. A estas variables se las denomina variables bloque, y se caracterizan por: No son el motivo del estudio sino que aparecen de forma natural y obligada en el mismo. Se asume que no tienen interaccin con el factor en estudio As mismo, en el presente trabajo se dar a conocer un caso prctico, el mismo que se har las corridas correspondientes con el programa MINITAB Y SAS.

II. REVISION BIBLIOGRAFICA II.1. Diseo de Bloques completamente al azar

En este diseo se utiliza cuando existe gradiente de variacin, ejemplo tiempo, fertilidad del suelo. El objetivo de este diseo es reunir las unidades experimentales a las que se les aplicara los tratamientos en bloques (grupos), de tal modo que los tratamientos participen por igual de condiciones tan uniformes como posible, dentro de cada bloque. La variabilidad entre unidades experimentales de diferentes bloques debe ser mayor que entre las unidades del mismo bloque; en consecuencia, las diferencias que se encuentren entre unidades se debern, en su mayor parte a diferencias entre tratamientos. En el diseo completamente al azar se supone que las Unidades Experimentales son relativamente homogneas con respecto a los factores que afectan a la variable respuesta, mientras que los bloques estratifican a las unidades experimentales en grupos homogneos. As, una buena eleccin del criterio de bloqueo resulta en menor variacin entre las Unidades didcticas, dentro de los bloques comparada con la variacin entre las unidades experimentales de diferentes bloques. Generalmente los criterios de bloqueo son: Proximidad Caractersticas fsicas. Tiempo Maneo de las Unidades Experimentales.

II.2.

Ventajas y Desventajas del Diseo

a. Ventajas Es fcil de analizar, extrae del error experimental la variacin debida a los bloques adems de la variacin debida a tratamientos. b. Desventajas

Menor nmero de grados de libertad para el error experimental. Si el nmero de tratamientos es muy elevado (como 25), se hace muy difcil conseguir un buen agrupamiento de las parcelas experimentales. c. Restricciones Cada bloque debe contener los tratamientos asignados al azar.

II.3.

Modelo

Suponemos que el nmero de unidades experimentales para cada bloque coincide con el nmero de tratamientos, esto es, hay una observacin para cada cruce de los niveles del factor y del bloque. La variable respuesta Y puede depender de un primer factor de inters (A) y de la variable bloque (B). El modelo es: Yij = + i + j + ij para i = 1, . . . , a y j = 1, . . . , b, siendo:
el efecto medio global (parmetro de efecto medio) i el efecto incremental sobre la media causado por el nivel i del factor A j el

efecto incremental sobre la media causado por el nivel j del bloque B ((parmetro de efecto tratamento).
j, Parmetro, efecto del bloque j

ij el trmino de error. Asi se supone que los efectos de tratamientos y bloques son aditivos. La aditividad significa que no hay interaccion entre tratamientos y bloques. Es decir, la relacin entre tratamientos es la misma en cada uno de los bloque. El problema consiste en comparar las medias de los tratamientos, esto es H0 1 = 2 = = a H1 i 6= j i 6= j lo cual es equivalente a H0 i = 0 H1 j 6= 0 j Se consideran las siguientes hiptesis sobre el modelo:

Normalidad: ij sigue una distribucin normal. Esto es equivalente a que Yij sigue una distribucin normal. Linealidad: E(ij) = 0. Esto es equivalente a que E(Yij) = + i + j . Homocedasticidad: V ar(ij) = 2. Esto es equivalente a que V ar(Yij) = 2. Independencia: ij son independientes entre s. Esto es equivalente a que Yij son independientes entre s.

Anlisis de Varianza La confeccin de la ANVA se realiza de acuerdo a las siguientes frmulas y se basa en una descomposicin de la variabilidad de las observaciones: Fuentes de variacin Tratamientos Bloques Error Total SC SY2i/n-FC SY2j/t-FC SY2ijSY2j/tSY2i/n+FC SY2ij/-FC GL n-1 t-1 (n-1)(t-1) CM SCT/GLT SCB/GLB SCE/GLE F CMT/CME CMB/CME

CASO PRCTICO
Se realizo un ensayo de 5 nuevas variedades forrajeras (V1, V2, V3, V4 y V5), frente a una variedad ya conocida. Se dispuso realizar el ensayo en la poca de verano en Selva. Cada parcela de 10 m2 con un total de 15 parcelas. Se formaron bloques de 5 parcelas homogeneas. Se midio el peso fresco y seco y se registro el peso en kilos. FOLLAJE FRESCO V2 V3 7 19.8 5.9 16.7 4.2 16.7

I II III

V1 17.9 20.8 21.4

V4 15.2 21.0 8.8

V5 12.7 14.2 11.5

El objetivo es comparar las nuevas variedades entre ellas DESARROLLO DEL CASO PRACTICO EN EL PROGRAMA MINITAB MINITAB VERSION 15 BLOQUE 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 TRATAMIEN Y4 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 17.9 7.0 19.8 15.2 12.7 20.8 5.9 16.7 21.0 14.2 21.4 4.2 16.7 8.8 11.5

Modelo lineal general: Y4 vs. BLOQUE, TRATAMIEN

Factor BLOQUE TRATAMIEN Tipo fijo fijo Niveles 3 5 Valores 1, 2, 3 1, 2, 3, 4, 5

Anlisis de varianza para Y4, utilizando SC ajustada para pruebas Fuente BLOQUE TRATAMIEN Error Total S = 2.94534 GL 2 4 8 14 SC sec. 26.133 364.044 69.400 459.577 SC ajust. 26.133 364.044 69.400 MC ajust. 13.067 91.011 8.675 F 1.51 10.49 P 0.278 0.003

R-cuad. = 84.90%

R-cuad.(ajustado) = 73.57%

Observaciones inusuales de Y4 Obs 9 14 Y4 21.0000 8.8000 Ajuste 16.4667 13.2667 Ajuste SE 2.0120 2.0120 Residuo 4.5333 -4.4667 Residuo estndar 2.11 R -2.08 R

R denota una observacin con un residuo estandarizado grande.

DESARROLLO DEL CASO PRCTICO EN EL PROGRAMA MINITAB SAS VERSION 9