4-1 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS

Tabla 4-1

Diseo de bloques completos aleatorizados para el

experimento de la prueba de la dureza

Tipo de punta
1
2
3
4

127

1
9.3
9.4
9.2
9.7

Ejemplar de prueba
2
3
9.4
9.3
9.4
9.6

9.6
9.8
9.5
10.0

4
10.0
9.9
9.7
10.2

ocurrir si se tomaran de lingotes que se produjeron con temperaturas diferentes, las unidades experimentales (los ejemplares de prueba) contribuirn a la variabilidad observada en los datos de la dureza. Como
resultado, el error experimental reflejar tanto el error aleatorio como la variabilidad entre los ejemplares de prueba.
El objetivo sera hacer el error experimental tan pequeo como fuera posible; es decir, querra eliminarse del error experimental la variabilidad entre los ejemplares de prueba. Un diseo para lograr esto
requiere que el experimentador pruebe cada punta una vez en cada uno de los cuatro ejemplares de prueba. A este diseo, que se muestra en la tabla 4-1, se le llama diseo de bloques completos aleatorizados
(ReBD, randomized complete block design). La respuesta observada es la dureza en la escala C de Rockwell
menos 40. La palabra "completos" indica que cada bloque (ejemplar de prueba) contiene todos los tratamientos(puntas). Al utilizar este diseo, los bloques o ejemplares de prueba forman una unidad experimental
ms homognea en la cual comparar las puntas. De hecho, esta estrategia de diseo mejora la precisin
de las comparaciones entre las puntas al eliminar la variabilidad entre los ejemplares de prueba. Dentro de
un bloque, el orden en que se prueban las cuatro puntas se determina aleatoriamente. Observe la similitud de este problema de diseo con el de la seccin 2-5, donde se analiz la prueba t: pareada. El diseo de
bloques completos aleatorizados es una generalizacin de ese concepto.
El RCBD es uno de los diseos experimentales ms utilizados. Son numerosas las situaciones en las
que el RCBD es apropiado. Las unidades de equipo o maquinaria de prueba son con frecuencia diferentes en sus caractersticas de operacin y seran un factor de formacin de bloques tpico. Lotes de materia
prima, personas y el tiempo tambin son fuentes de variabilidad perturbadora comunes en un experimento que pueden controlarse de manera sistemtica mediante la formacin de bloques.
La formacin de bloques tambin puede ser til en situaciones que no incluyen necesariamente factores perturbadores. Por ejemplo, suponga que un ingeniero qumico est interesado en el efecto de la velocidad de alimentacin del catalizador sobre la viscosidad de un polmero. Sabe que hay varios factores,
como la fuente de la materia prima, la temperatura, el operador y la pureza de la materia prima, que son
muy difciles de controlar en proceso en gran escala. Por lo tanto, decide probar en bloques la velocidad
de alimentacin del catalizador, donde cada bloque consiste en alguna combinacin de estos factores no
controlables. De hecho, est utilizando los bloques para probar la robustez de su variable de proceso (la
velocidad de alimentacin) para las condiciones que no puede controlar con facilidad. Para un anlisis
ms amplio de este punto, ver Coleman y Montgomery [27].

4-1.1

Anlisis estadstico del diseo de bloques completos aleatorlzados

Suponga que se tienen, en general, a tratamientos que van a compararse y b bloques. El diseo de bloques
completos aleatorizados se muestra en la figura 4-1. Hay una observacin por tratamiento en cada bloque, y el orden en que se corren los tratamientos dentro de cada bloque se determina al azar. Debido a

r']'
I

128
Bloque 1

CAPTULO 4

BLOQUES ALEATORIZADOS, CUADRADOS LATINOS Y DISEOS RELACIONADOS

Bloque 2

Bloque b

Yab

Figura 41 El diseo de bloques completos aIeatorizados.

que la nica aleatorizacin de los tratamientos se hace dentro de los bloques, con frecuencia se dice que
los bloques representan una restriccin sobre la aleatorizacin.
El modelo estadstico del RCBD puede escribirse de varias maneras. El tradicional es el modelo de
los efectos:
Yij=fl+T+f3j+8ij

i=l, 2, ..., a
{ ) '=1" 2 ... , b

(4-1)

donde fl es la media global, T es el efecto del tratamiento i-simo, f3j es el efecto del bloque j-simo, y 8ij es
el trmino del error NID(O, 02) usual. Se considerar inicialmente que los tratamientos y los bloques son
factores fijos. Como en el modelo del diseo experimental con un solo factor del captulo 3, el modelo de
los efectos para el RCBD es un modelo sobreespecificado. En consecuencia, los efectos de los tratamientos y los bloques se consideran por lo general como desviaciones de la media global, por lo que

Tambin es posible usar un modelo de las medias para el RCBD, por ejemplo
i=l, 2, ..., a
2
b
, 'o .. ,

Yij=flij+8ij { )'=1

donde flj = fl + T + f3j. Sin embargo, en este captulo se usar el modelo de los efectos de la ecuacin 4-1.
En un experimento en el que se use el RCBD, el inters se encuentra en probar la igualdad de las medias de los tratamientos. Por lo tanto, las hiptesis de inters son
H o : fll

= fl = ... = fla
2

H 1 : al menos una fl

:; fl j

Puesto que la media del tratamiento i-simo es fl = (l/b)L ~=l (J. + T + f3j) = fl + T, una manera equivalente de escribir las hiptesis anteriores es en trminos de los efectos de los tratamientos, por ejemplo
H o :T 1 =T 2

='''=T a =O

H 1 : T :; O para al menos una i

Seay. el total de observaciones hechas bajo el tratamiento i'YJ el total de observaciones del bloquej,y'.
el gran total de las observaciones y N = ab el nmero total de observaciones. Expresado matemticamente,

4-1 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS

129

Yi.

= 2:

Yij

i=1, 2, ..., a

(4-2)

Yj

=~

Yij

j=1,.2, ..., b

(4-3)

j=1

i=1

y
~

Y..

= 2: L
i=1 j=1

Yij

=L

=L

Yi.

i=1

j=1

Yj

-(4-4)

De manera similar'Yi. es el promedio de las observaciones hechas bajo el tratamiento i,YJ es el promedio
de las observaciones del bloque j,
es el gran promedio de todas las observaciones. Es decir,

Y..

Yi.

= Yi. / b

Y.j

= Y. j / a

Y.. / N

(4-5)

La suma de cuadrados total corregida puede expresarse como

a

LL
(Yij - y.. )2 = LL [(Yi. - Y.. )+(Y.j - Y.. )+(Yij - Yi. - Y.j + Y.. )]2
i=1 j=1
i=1 j=1

(4-6)

Al desarrollar el miembro del lado derecho de la ecuacin 4-6 se obtiene

a

" LJ
" ( Yij _ Y.
- )2
LJ
i=1 j=1

= b"
- )2 +a LJ
" (-Yj _ Y..
- )2
LJ (-Yi. _ Y.
j=1

i=1
a

+"
- _ Y.
- j + Y..
- )2 + 2"
" (-Yi. _ Y..
- )(- )
LJ "
LJ ( Yij _ Yi.
LJ LJ
Y. j _ Y..
i=1 j=1
a

i=1 j=1

+ 2"
" (-Yj - Y..
-)( Yij - Yi.
- - Yj
- + Y..
- )
LJ LJ
i=1 j=1
a

+2""
LJLJ (Yi. --)(
Y.. Yij -Yi. -Y.j +Y.. )
i=1 j=1
Mediante procedimientos algebraicos simples, pero laboriosos, se prueba que los tres productos cruzados
son cero. Por lo tanto,
a

""
- )2
LJ
LJ ( Yij _ Y.
;=1 j=1

= b"
LJ
;=1
a

(-Yi. _ Y..
- )2 + a LJ
" (-Yj _ Y.
- )2
j=1

+"
" (Yij - Y.- j - Yi.
- + Y..
- )2
LJLJ

(4-7)

i=1 j=1

representa una particin de la suma de cuadrados total. Al expresar simblicamente las sumas de cuadrados de la ecuacin 4-7, se tiene

SST

= SSTratamientos +SSBloques +SSE

(4-8)

Puesto que hay N observaciones, SS T tiene N - 1 grados de libertad. Haya tratamientos y b bloques,
de donde SSltatamientos y SSBloques tienen a -1 y b -1 grados de libertad, respectivamente. La suma de cuadra-

130

CAPTULO 4 BLOQUES ALEATORIZADOS, CUADRADOS LATINOS Y DISEOS RELACIONADOS

dos del error es slo la suma de cuadrados entre las celdas menos la suma de cuadrados de los tratamientos ylos bloques. Hayab celdas conab -1 grados de libertad entre ellas, de donde SSEtiene ab -1- (a -1)
- (b -1) = (a -l)(b -1) grados de libertad. Adems, la suma de los grados de libertad del lado derecho de
la ecuacin 4-8 es igual al total del lado izquierdo; por lo tanto, al establecer los supuestos de normalidad
usuales para los errores, puede usarse el teorema 3-1 para demostrar que SSTratamiento/if, SSBloque/if y
SSE/if son variables aleatorias ji-cuadrada con distribuciones independientes. Cada suma de cuadrados
dividida por sus grados de libertad es un cuadrado medio. Puede demostrarse que el valor esperado de los
cuadrados medios, si los tratamientos y los bloques son fijos, es
a

E( MS Tratamientos ) = a 2

L 7:7

i=l
+ --'-a--'---lb

E(MSBloques) = a

E(MS E)= a

aL
f3~
1'=1
b-1

Por lo tanto, para probar la igualdad de las medias de los tratamientos, se usara el estadstico de prueba
F.
o

= MSTratamientos
MS E

que se distribuye como F a_1, (a-1j(b-1) si la hiptesis nula es verdadera. La regin crtica es la cola superior de
la distribucin F, y H o se rechazara si F o > Fa, a-1, (a-l)(b-1)'
Tambin podra haber inters en comparar las medias de los bloques porque, en caso de que la diferencia entre estas medias no sea considerable, quiz no sea necesaria la formacin de bloques en experimentos futuros. Por los cuadrados medios esperados, aparentemente la hiptesis H o:f31' = O puede
probarse comparando el estadstico Fo = MSBloque/MSE con Fa, b-1, (a-1)(b-1)' Sin embargo, recuerde que la
aleatorizacin slo se ha aplicado a los tratamientos dentro de los bloques; es decir, los bloques representan una restriccin sobre la aleatorizacin. Qu efecto tiene esto sobre el estadstico F o = MS Blo _
que/MSE? Existen diferentes puntos de vista para abordar esta cuestin. Por ejemplo, Box, Hunter y Hunter [18] sealan que la pruebaF del anlisis de varianza comn puede justificarse exclusivamente con base
en la aleatorizacin,1 sin el uso directo del supuesto de normalidad. Agregan que en la prueba para comparar las medias de los bloques no puede recurrirse a dicha justificacin debido a la restriccin sobre la
aleatorizacin; pero si los errores son NID(O, if), puede usarse el estadstico Fo = MSBloque/MSE para
comparar las medias de los bloques. Por otra parte, Anderson y McLean [2] argumentan que la restriccin sobre la aleatorizacin impide que este estadstico sea una prueba significativa para comparar las
medias de los bloques y que este cociente F es en realidad una prueba de la igualdad de las medias de los
bloques ms la restriccin sobre la aleatorizacin (a la que llaman el error de la restriccin; ver Anderson
y McLean [2] para detalles adicionales).
Entonces, qu se hace en la prctica? Debido a que con frecuencia el supuesto de normalidad es
cuestionable, considerar Fo = MSBloque/MSE como una pruebaF exacta para la igualdad de las medias de
los bloques no es una buena prctica general. Por esa razn, esta prueba F no se incluye en la tabla del
anlisis de varianza. Sin embargo, como un procedimiento aproximado para investigar el efecto de la variable formacin de bloques, examinar el cociente MSBloque/MSEes muy razonable. Si este cociente es muy
1 De hecho, la distribucin F de la teora normal es una aproximacin- de la distribucin de aleatorizacin generada al calcular F o a
partir de cada asignacin posible de las respuestas a los tratamientos.

~
F'o.
.

131

4-1 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS

Tabla 4-2

Anlisis de varianza de un diseo de bloques completos aleatorizados

Fuente de
variacin

Suma de cuadrados

Grados de
libertad

SS1i:atamientos

a-1

SSTrntamientos
a-1

SSBloques

b-1

SSBloques

Error

SSE

(a -l)(b -1)

b-1
SSE
(a-1)(b -1)

Total

SST

N-1

'Itatamientos
Bloques

Cuadrado medio
MSTratamientos

grande, implica que el factor formacin de bloques tiene un efecto considerable y que la reduccin del
ruido obtenida por la formacin de bloques probablemente fue til para mejorar la precisin de la comparacin de las medias de los tratamientos.
El procedimiento suele resumirse en un esquema de anlisis de varianza, como el que se muestra en
la tabla 4-2. En general, los clculos se realizaran con un paquete de software de estadstica. Sin embargo, es posible obtener frmulas de clculo manual de las sumas de cuadrados para los elementos de la
ecuacin 4-7 expresndolos en trminos de los totales de los tratamientos y los bloques. Estas frmulas de
clculo son
a

SST

LL Y~-~

(4-9)

i=1 j=1

y.~

b? Yi. - N
= -;;? Y.j - N

SSTratamientos

(4-10)

1=1

SSBloques

y.~

(4-11)

J=1

y la suma de cuadrados del error se obtiene por sustraccin como

SSE

= SST -SSTratamientos -SSBloques

(4-12)

EJEMPLO 4 1

Considere el experimento de la prueba de la dureza de la seccin 4-1. Hay cuatro puntas y cuatro ejemplares de prueba de metal. Cada punta se prueba una vez en cada ejemplar, resultando un diseo de bloques
completos aleatorizados. Los datos obtenidos se repiten por conveniencia en la tabla 4-3. Recuerde que
el orden en que se probaron las puntas en un ejemplar particular se determin al azar. Para simplificar los
Tabla 4-3

Diseo de bloques completos aleatorizados para el

experimento de la prueba de la dureza

Ejemplar de prueba (bloque)

~~p~

1
2
3
4

9.3
9.4
9.2
9.7

9.4
9.3
9.4
9.6

9.6
9.8
9.5
10.0

4
10.0
9.9
9.7
10.2

132

CAPTULO 4

BLOQUES ALEATORIZADOS, CUADRADOS LATINOS Y DISEOS RELACIONADOS

Tabla 4-4 Datos codificados del experimento de la prueba de la dureza

Ejemplar de prueba (bloque)
Tipo de punta

234

1
2
3
4

-2
-1
-3
2

-1
-2
-1
1

1
3
O
5

5
4
2
7

-2
15

-4

-3

18

20 = Y..

Yi.
3
4

clculos, los datos originales se codifican restando 9.5 de cada observacin y multiplicando el resultado
por 10. Se obtienen as los datos de la tabla 4-4. Las sumas de cuadrados se obtienen de la siguiente manera:
4

SST

LL y~_LN
i=1 j=1

= 154.00-

SSTratamientos

=bL
4

(22t = 129.00

2
Y.~
Yi. - N

1=1

SSBloqnes

SS E

=1. [(3)2 +( 4)2 +(_2)2 +(15)2]- (20)2 = 38.50

4
16
1 4
2
l
=y'j - N
a

L
j=1

= 1. [(_4)2 +(_3)2 +(9)2 +(18)2]- (20)2 = 82.50

4
16
= SST - SSTratamientos - SSBJoqUes
= 129.00- 38.50- 82.50= 8.00

En la tabla 4-5 se presenta el anlisis de varianza. Utilizando a = 0.05, el valor crtico de Fes F O05 ,3.9 =
3.86. Puesto que 14.44 > 3.86, se concluye que el tipo de punta afecta la lectura de la dureza media. El valor P para la prueba tambin es muy pequeo. Adems, al parecer los ejemplares (bloques) difieren de
manera significativa, ya que el cuadrado medio de los bloques es grande en relacin con el error.
Es interesante observar los resultados que se habran obtenido si no se hubiera tenido conocimiento
de los diseos de bloques aleatorizados. Suponga que se usaran cuatro ejemplares, asignando al azar las
puntas a cada uno de ellos, y que resultara (por casualidad) el mismo diseo que el de la tabla 4-3. El anlisis incorrecto de estos datos como un diseo completamente aleatorizado de un solo factor se presenta
en la tabla 4-6.
Tabla 4-5

Anlisis de varianza del experimento de la prueba de la dureza

Fuente de
variacin

Suma de
cuadrados

Grados de
libertad

Cuadrado
medio

Tratamientos (tipo
de punta)

38.50

12.83

Bloques (ejemplares)

82.50

27.50
0.89

Error

8.00

Total

129.00

15

Valor P

14.44

0.0009

4-1 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS

133

Tabla 4-6 Anlisis incorrecto del experimento de la prueba de la dureza

como un diseo completamente aleatorizado

Fuente de
variacin
Tipo de punta
Error
Total

Suma de
cuadrados
38.50

Grados de
libertad
3
12
15

90.50
129.00

Cuadrado
medio
12.83

1.70

7.54

Puesto que F O.05 ,3,l2 = 3.49, no puede rechazarse la hiptesis de la igualdad de las mediciones de la dureza
media de las cuatro puntas. Por lo tanto, el diseo de bloques aleatorizados reduce lo suficiente la cantidad de ruido en los datos para que las diferencias entre las cuatro puntas sean detectadas. Esto ilustra un
punto muy importante. Si un experimentador no. recurre a la formacin de bloques cuando debera haberlo hecho, el efecto puede ser inflar el error experimental a tal grado que las diferencias importantes
entre las medias de los tratamientos sean indetectables.

e.

Muestra de salida de computadora

En la figura 4-2 se muestra la salida de computadora condensada obtenida con Design-Expert para los datos de la prueba de la dureza del ejemplo 4-1. Recuerde que en el anlisis original de la tabla 4-5 se utilizaron datos codificados. (Las respuestas originales se codificaron restando 9.5 Ymultiplicando el resultado
por 10.) El anlisis de computadora utiliz las respuestas originales. Por consiguiente, las sumas de cuadrados de la figura 4-2 son iguales a las de la tabla 4-5 divididas entre 100 (observe que Design-Expe/1 ha
redondeado las sumas de cuadrados con dos cifras decimales).
Los residuales se enlisin en la parte inferior de la salida de computadora. stos se calculan como
eij

= Yij -

Yij

y, como se demostrar ms adelante, los valores ajustados son Yij

eij

= Yij -

Yi. - Y.j

+ Y..

= Yi. + YJ -

Y.., de donde

(4-13)

En la seccin siguiente se indicar cmo se usan los residuales en la verificacin de la adecuacin del modelo.
Comparaciones mltiples

Si los tratamientos en un RCBD son fijos, y el anlisis indica una diferencia significativa en las medias de
los tratamientos, al experimentador le interesarn por lo general comparaciones mltiples para descubrir
cules son los tratamientos cuyas medias difieren. Para ello puede utilizarse cualquiera de los procedimientos de comparaciones mltiples del captulo 3 (seccin 3-5). Simplemente se sustituye en las frmulas de la seccin 3-5 el nmero de rplicas (n) en el diseo completamente aleatorizado de un solo factor
con el nmero de bloques (b). Asimismo, es necesario recordar usar el nmero de grados de libertad del
error para el bloque aleatorizado [(a -l)(b -1)] en lugar de los grados de libertad del diseo completamente aleatorizado [a(n - 1)].
En la salida de Design-Expert de la figura 4-2 se ilustra el procedimiento LSD de Fisher. Observe que
si se usa a = 0.05, se concluira que f.-l2 = f.-l3' Ahora bien, puesto que Y3. :5 Yl. :5 Y2. (es decir, las medias Y2. y
Y3. abarcan algunas de las medias restantes), una conclusin inmediata sera que .tl = .t2 = .t3' Adems, f.-l4
es diferente de las otras tres medias. Se concluye por lo tanto que la punta tipo 4 produce una dureza media que es significativamente ms alta que las lecturas de la dureza media de los otros tres tipos de puntas.

134

CAPTULO 4

BLOQUES ALEATORIZADOS, CUADRADOS LATINOS Y DISEOS RELACIONADOS

Response: Hardness in Rockwell C

ANOVA for Selected Factorial Model
Analysis of variance table [Partial sum of squaresl
Sumof
Squares

DF

Block
Model

0.82
0.38

3
3

0.27
0.13

A
Residual
Cor
Total

0.38

0.13

0.080
1.29

9
15

8.889E-003

Source

0.094
9.63
0.98
0.25

Std.Dev.
Mean
C.V.
PRESS

F
Value

Mean
Square

0.0009

14.44
14.44

R-Squared
Adj R-Squared
Pred R-Squared
Adeq Precision

Prob> F

significant

0.0009

0.8280
0.7706
0.4563
15.635

Treatment Means (Adjusted, If Necessary)

Estimated Standard
Mean
Error

1-A1
2-A2
3-A3
4-A4

9.57
9.60
9.45
9.88

0.47
0.47
0.47
0.47

Treatment

Mean
Difference

DF

Standard
Error

t for Ho
Coeff=O

1 vs 2
1 vs 3
1 vs 4
2 vs 3
2 vs 4
3 vs 4

-0.025
0.13
-0.30
0.15
-0.27
-0.43

1
1
1
1
1
1

0.067
0.067
0.067
0.067
0.067
0.067

-0.38
1.87
-4.50
2.25
-4.12
-6.37

Diagnostics Case Statistics

Standard Actual Predicted
Order
Value
Value

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Figura 4-2

9.30
9.40
9.60
10.00
9.40
9.30
9.80
9.90
9.20
9.40
9.50
9.70
9.70
9.60
10.00
10.20

9.35
9.38
9.67
9.90
9.38
9.40
9.70
9.93
9.22
9.25
9.55
9.78
9.65
9.68
9.97
10.20

Prob>

Itl

0.7163
0.0935
0.0015
0.0510
0.0026
0.0001

Leverage

Student
Residual

Cook's
Distance

Outlier

Residual

-0.050
0.025
-0.075
0.100
0.025
-0.100
0.100
-0.025
-0.025
0.150
-0.050
-0.075
0.050
-0.075
0.025
0.000

0.438
0.438
0.437
0.438
0.438
0.437
0.437
0.437
0.438
0.437
0.437
0.437
0.438
0.437
0.437
0.437

-0.707
0.354
-1.061
1.414
0.354
-1.414
1.414
-0.354
-0.354
2.121
-0.707
-1.061
0.707
-1.061
0.354
0.000

0.056
0.014
0.125
0.222
0.014
0.222
0.222
0.014
0.014
0.500
0.056
0.125
0.056
0.125
0.014
0.000

-0.6.86
0.336
-1.069
1.512
0.336
-1.512
1.512
-0.336
-0.336
2.828
-0.686
-1.069
0.686
-1.069
0.336
0.000

Salida de Design-Expe/1 (condensada) para el ejemplo 4-1.

4-1 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS

-1

Punta

Punta Punta

1 2

135

Punta

Dureza promedio (codificada)

Figura 4-3 Las medias del tipo de punta en relacin con una distribucin t escalada con un factor de escaIacin ,JMSE / b =.J0.89 / 4 = 0.47.

Thmbin puede usarse el procedimiento grfico del captulo 3 (seccin 3-5.1) para comparar las medias del tipo de punta. En la figura 4-3 se grafican las cuatro medias del tipo de punta del ejemplo 4-1 en
relacin con una distribucint escalada con un factor de escalacin.J MS E/ b = .Jo. 89 1-4 = 0.47. Esta grfica indica que las puntas 1, 2 Y3 producen probablemente mediciones de la dureza promedio idnticas,
pero que la punta 4 produce una dureza media mucho ms alta. Esta figura confirma los resultados de la
prueba LSD de Fisher incluida en la salida de Design-Expert de la figura 4-2.
4~ 1.2

Verificacin de la adecuacin del modelo

Se ha comentado ya la importancia de verificar la adecuacin del modelo supuesto. En general, deber

estarse alerta a los problemas potenciales con el supuesto de normalidad, con la desigualdad de la varianza por tratamiento o bloque, y con la interaccin bloque-tratamiento. Como en el diseo completamente
aleatorizado, el anlisis residual es la herramienta principal que se utiliza en estos diagnsticos de verificacin. En la parte inferior de la salida de Design-Expel1 de la figura 4-2 se enlistan los residuales del diseo de bloques aleatorizados. Los residuales codificados se encontraran multiplicando estos residuales
por 10. Las observaciones, los valores ajustados y los residuales de los datos codificados de la prueba de la
dureza del ejemplo 4-1 son los siguientes:
Yij

Yij

eij

-2.00
-1.00
1.00
5.00
-1.00
-2.00
3.00
4.00
-3.00
-1.00
0.00
2.00
2.00
1.00
5.00
7.00

-1.50
-1.25
1.75
4.00
-1.25
-1.00
2.00
4.25
-2.75
-2.50
0.50
2.75
1.50
1.75
4.75
7.00

-0.50
0.25
-0.75
1.00
0.25
-1.00
1.00
-0.25
-0.25
1.50
-0.50
-0.75
0.50
-0.75
0.25
0.00

En la figura 4-4 se muestra la grfica de probabilidad normal y el diagrama de puntos de estos residuales. No hay indicios marcados de no normalidad y tampoco hay evidencia que apunte a la posible presencia de puntos atpicos. En la figura 4-5 se muestran las grficas de los residuales por tipo de punta o

136

CAPTULO 4

-0.1

BLOQUES ALEATORIZADOS, CUADRADOS LATINOS Y DISEOS RELACIONADOS

-0.0375

0.0875

0.025

0.15

Residuales

Figura 44

Grfica de probabilidad normal de los residuales del ejemplo 4-1.

tratamiento y por ejemplar de prueba o bloque. Estas grficas podran ser, potencialmente, muy informativas. Si hay una dispersin mayor en los residuales de una punta particular, esto podra indicar que dicha
punta produce lecturas de la dureza ms errticas que las otras. Una dispersin mayor en los residuales de
un ejemplar de prueba particular podra indicar que la dureza del ejemplar no es uniforme. Sin embargo,
en el ejemplo tratado aqu, la figura 4-5 no ofrece indicios de desigualdad de la varianza por tratamiento o
por bloque. En la figura 4-6 se grafican los residuales contra los valores ajustados Yij' No deber haber relacin entre el tamao de los residuales y los valores ajustados Yij' En esta grfica no se observa nada de
inters extraordinario.
En ocasiones la grfica de los residuales contra Yij tiene una forma curvilnea; por ejemplo, puede haber una tendencia para que ocurran residuales negativos con valores bajos de Yij' residuales positivos con
valores intermedios de Yij y residuales negativos con valores altos de Yij' Este tipo de patrn sugiere la
existencia de una interaccin entre los bloques y los tratamientos. Cuando se presente este patrn, deber usarse una transformacin en un esfuerzo por eliminar o minimizar la interaccin. En el captulo 5
(seccin 5-3.7) se describe una prueba estadstica que puede utilizarse para detectar la presencia de interaccin en un diseo de bloques aleatorizados.
4~ 1.3

Otros aspectos del diseo de bloques completos aleatorlzados

Aditividad del modelo de bloques aleatorlzados

El modelo estadstico lineal que se ha usado para el diseo de bloques aleatorizados

Yij

= #+T: +f3 j +cij .