Diseo Bloques Incompletos Balanceados

En el diseo bloques discutido en los casos anteriores, cada tratamiento es aplicado a

cada bloque. Sin embargo, en muchas situaciones es impracticable o imposible que
todos los tratamientos sean aplicados a cada bloque, especialmente cuando el nmero de
bloques es grande y el tamao de bloque es limitado. Por ejemplo, si se desea comparar
20 tipos diferentes de alimentos, a cada juez (bloques) le puede ser difcil rankear de
acuerdo a un orden de preferencia los 20 alimentos. Pero si cada juez prueba 5 tipos
alimentos y mucho jueces son usados entonces para cada juez le ser mas fcil comparar
y con mayor precisin estos alimentos. Esto diseos experimentales en el cual no todos
los tratamientos son aplicados a un mismo bloque son llamados diseos bloques
incompletos. Adicionalmente si el diseo es balanceado, esto es: (1) Cada bloque
contiene k unidades experimentales. (2) Cada tratamiento aparece en r bloques. (3) Cada
tratamiento aparece con cada uno de los otros en igual nmero de bloques. A este diseo
se le llama diseo bloques incompletos balanceados.
La prueba de Durbin
Datos : Se usar la siguiente notacin :
t = el nmero de tratamientos a ser examinado.
k = el nmero de unidades experimentales por bloques (k<t).
b = el nmero total de bloques.
r = el nmero de veces en que cada tratamiento aparecen (r<b)
= el nmero de bloques en el cual el i-simo tratamiento y el j-simo tratamiento
aparecen juntos. ( es el mismo para todos los pares de tratamientos).
Los datos son arreglados en un diseo bloques incompletos balanceados
Supongamos que existen t tratamientos y b bloques. Se supone adems que se prueba
k tratamientos en cada bloque k t . Cada tratamiento sucede r veces en el diseo (o
se repite r veces en el diseo) y que hay un total de N tr bk observaciones.
Adems, se puede demostrar que el nmero de bloques en que cada par de tratamientos
ocurre en el mismo bloque est dado por:

r k 1
t 1

Para nuestro caso se considerar un diseo simtrico. Se dice que el diseo es simtrico
si t b . El parmetro debe ser entero.
Sea Xij que representa el resultado del tratamiento j en el i-simo bloque, si el
tratamiento j aparece en el i-simo bloque.
Rankear los Xij dentro de cada bloque asignando el rango 1 a la observacin ms
pequea en el bloque i, el rango 2 al siguiente, y as sucesivamente hasta el rango k
para la observacin ms grande en bloque i, ya que en cada bloque solamente hay k
observaciones. Sea R(Xij) que denota el rango de la observacin Xij donde Xij existan.

Calcular la suma de los rangos asignados a los r valores observados bajo el j-simo
tratamiento y denote la suma por Rj. Entonces Rj puede ser escrito como
b

R j R X ij
i 1

(1)

donde solamente r valores de R(Xij) existe bajo el tratamiento j; por lo tanto solamente r
rangos son adicionados para obtener Rj.
Si las observaciones son no numricas pero tales que ellas pueden ser responsablemente
ordenados y rankeados dentro de los bloques de acuerdo a algn criterio de inters, el
rankeo de cada observacin es anotado y los valores Rj para cada j=1, 2, ..., t son
calculados de la misma forma como fue descrito anteriormente.
Si los rangos pueden ser asignados en varias maneras diferentes debido a que diversas
observaciones estn siendo asignados iguales a cada uno de los otros, se recomienda
asignar el promedio de los rangos disputados a cada una de las observaciones
empatadas. Este procedimiento cambia la distribucin nula del estadstico de prueba,
pero el efecto es insignificante si el nmero de empates no es excesivo.
Asunciones
1.- Los bloques son mutuamente independientes de cada uno de los otros.
2.- Dentro de cada uno de los bloques las observaciones pueden ser arreglados en orden
crecientes de acuerdo algn criterio de inters. (Un nmero moderado de empates puede
ser tolerado).
Hiptesis
H0 : Cada rankeo de las variables aleatorias dentro de cada bloque es igualmente
verosmil (esto es los tratamientos tienen idnticos efectos).
Ha : Al menos uno de los tratamientos tiende a producir valores observados ms grandes
que al menos uno de los otros.
Estadstico de prueba El estadstico de prueba de Durbin se define:
12 t 1

r k 1
T
Rj

rt k 1 k 1 j 1
2
t

(2)

equivalentemente, puede ser escrito

t
12t 1
r t 1 k 1
T
R 2j 3

rt k 1 k 1 j 1
k 1

(3)

Regla de decisin Se rechaza la hiptesis nula a un nivel de significacin si

T 21 , t 1
donde 21 , t 1 es el cuantil 1- de la distribucin chi-cuadrado con t-1 grados de
libertad.
Comparaciones Mltiples El siguiente mtodo puede ser usado para comparar pares de
tratamientos si la hiptesis nula dada anteriormente es rechazada. Considere dos
tratamientos i y j diferentes a un nivel de significacin si sus sumas de sus rangos
satisfacen la siguiente desigualdad:

r k 1 k 1 bk t 1 tT

Ri R j t1 /2, bk t b1

6 t 1 bk t b 1

1/2

Donde: t 1 / 2 , bk t b1 es el cuantil 1-/2 de la distribucin t con bk-t-b+1 grados de

libertad.
Un ajuste para empates Si hay un nmero grande de empates encontrar la variancia
muestral :

1 k
k 1
S R X ij
k j 1
2
2
i

para i = 1, 2, ..., b

para los rangos y rangos promedios actuales en cada uno de los bloques. En los bloques
que no tienen empates

Si2

k 1 k 1
12

Luego calcule

Var R j Var Rij

i 1

2
i

r bloques

donde la suma se toma solamente en aquellos bloques que hacen una contribucin a la
suma de los rangos Rj. La variancia de R j puede ser diferente de columna a columna,
luego el estadstico de prueba est dado por :
r k 1

R
t j
2
t 1
T

t j 1
Var R j

el cual se compara con el cuantil 1- de la distribucin chi-cuadrado con t-1 grados de

libertad. El mismo procedimiento de comparaciones mltiple puede ser usado con esta
aproximacin.

Ejemplo: Supngase que en la fabricacin de helados se desea probar la preferencia de

los consumidores por siete variedades de helados. Se realiz un experimento bajo los,
lineamiento de un diseo de bloques incompleto al azar con siete personas en donde
cada personas prueba tres variedades en orden aleatorio y asigna los rangos 1, 2 y 3 bajo
el siguiente criterio el rango 1 a la variedad de su mayor preferencia el 2 al siguiente y
el rango 3 al de menor preferencia. Los resultados del experimento se dan a
continuacin:

Persona
1
2
3
4
5
6
7
Rj

1
2

2
3
3

variedades
3
1
2

4
1

3
2
1

3
9

1
4

2
1
1

3
3
8

3
2
1
6

2
2
7

H0 : Las 7 variedades de helados tienen la misma preferencia.

Ha : Al menos uno de las variedades tiene mayor preferencia que las otras
t=7, k=3, b=7, r=3, 1
t
12 t 1
r k 1

Ri

rt k 1 k 1 j 1
2
2

12 7 1
8 6 2 9 6 2 4 6 2 3 6 2 5 6 2 6 6 2 7 6 2

3 7 3 1 3 1

3
3
4 9 4 9 1 0 1 28 12
7
7
> 1-pchisq(12,6)
[1] 0.0619688
Entonces pvalue=0.0619688
Se rechaza la H 0 a un nivel de significacin mayor a 0.0619688


r k 1 k 1 bk t 1 tT

t1 /2, bk t b 1

6 t 1 bk t b 1

1/2

1.86 3.5

1/2

3 3 1 3 1 7 3 7 1 7 12

t 0.95, 8

6 7 1 7 3 7 7 1

3.479741

A un nivel de significacin del 1% se ha encontrado suficiente evidencia estadistica

para afirmar que existen diferencias significativas de las preferencias entre las
variedades de helados:
1 y 3, 1y 4, 2 y 3, 2 y 4, 2 y 5, 4 y 7
El resto de comparaciones no se ha encontrados diferencias significativas
> library(agricolae)
> ?durbin.test
> # Example 1. Conover, pag 391
person<-gl(7,3)
variety<-c(1,2,4,2,3,5,3,4,6,4,5,7,1,5,6,2,6,7,1,3,7)
preference<-c(2,3,1,3,1,2,2,1,3,1,2,3,3,1,2,3,1,2,3,1,2)
comparison<durbin.test(person,variety,preference,group=TRUE,main="Seven varieties
of ice cream manufacturer")
Study: Seven varieties of ice cream manufacturer
variety, Sum of ranks
1
2
3
4
5
6
7

sum
8
9
4
3
5
6
7

Durbin Test
===========
Value
:
Df 1
:
P-value
:
Alpha
:
Df 2
:
t-Student :

12
6
0.0619688
0.05
8
2.306004

Least Significant Difference

between the sum of ranks: 2.824267
Parameters BIB
Lambda
: 1
treatmeans : 7
Block size : 3
Blocks
: 7
Replication: 3
Groups, Treatments and sum of the ranks
a
ab

2
1

9
8

1/2

abc
7
7
bcd
6
6
cde
5
5
de
3
4
e
4
3
> #startgraph
> bar.group(comparison,horiz=TRUE,xlim=c(0,20),density=4)
> comparison<-durbin.test(person,variety,preference,group=TRUE,
> comparison<-durbin.test(person,variety,preference,group=FALSE,
+ main="Seven varieties of ice cream manufacturer")
Study: Seven varieties of ice cream manufacturer
variety, Sum of ranks
1
2
3
4
5
6
7

sum
8
9
4
3
5
6
7

Durbin Test
===========
Value
:
Df 1
:
P-value
:
Alpha
:
Df 2
:
t-Student :

12
6
0.0619688
0.05
8
2.306004

Least Significant Difference

between the sum of ranks: 2.824267
Parameters BIB
Lambda
: 1
treatmeans : 7
Block size : 3
Blocks
: 7
Replication: 3
Comparison between treatments sum of the ranks
2
1
1
1
1
1
2
2
2
2
2
3
5
6
7
5

1
3
4
5
6
7
3
4
5
6
7
4
3
3
3
4

Difference
1
4
5
3
2
1
5
6
4
3
2
1
1
2
3
2

pvalue sig
0.437852
0.011424
*
0.003522 **
0.039968
*
0.141114
0.437852
0.003522 **
0.001196 **
0.011424
*
0.039968
*
0.141114
0.437852
0.437852
0.141114
0.039968
*
0.141114

6
7
6
7
7
>

1
2
3
4
5
6
7
4

- 4
3 0.039968
*
- 4
4 0.011424
*
- 5
1 0.437852
- 5
2 0.141114
- 6
1 0.437852
main="Seven varieties of ice cream manufacturer")

sum
8
9
4
3
5
6
7
3