Diseo de

experimentos y
anlisis de la
varianza
Las tcnicas estadsticas del diseo experimental tienen su razn de
ser en la investigacin emprica que trata de indagar cmo ciertas
variables, conocidas como factores, actan sobre una variable respuesta
registrada tras la realizacin del experimento.
Es importante hacer destacar que los factores que influyen sobre el valor
de la variable respuesta slo pueden tomar un nmero finito de estados
o niveles.
Los tests bsicos en estos modelos se centran en contrastar si los
factores realmente alteran los resultados de los experimentos al fijarlos
en sus diferentes niveles. La tcnica, que consiste en descomponer la
variablidad total en las variabilidades aportadas por los diferentes
factores y sus interacciones mutuas, recibe el nombre de anlisis de la
varianza.
Cuando los experimentos se realizan combinandos todos los niveles
posibles de los factores, hablamos de diseos completos:

Diseo unifactorial
Diseo bifactorial completo sin rplicas
Diseo bifactorial completo con rplicas

Si el nmero de factores y de niveles por factor va aumentando, pronto

nos encontraremos en la situacin en la que el nmero de
combinaciones se hace muy grande y el experimento impracticable.
Surge entonces la necesidad de tomar en consideracin tan slo una
parte de todas las posibles combinaciones de niveles y hablamos
entonces de diseos incompletos o fraccionales:
Cuadrado latino de orden 4
Cuadrado latino de orden 5

Diseo unifactorial

El diseo unifactorial se utiliza cuando ciertas observaciones sufren la

influencia de cierto factor a, el cual se puede presentar en T niveles
diferentes, de forma que para cada uno de ellos se realizan muestras
independientes de tamao ni, con i= 1, 2, ..., T, siendo

el tamao muestral total.

Los datos se presentan en la forma

siendo yij la j-sima observacin realizada bajo el i-simo nivel del

factor.
El modelo que se ajusta es
yi j = ai + ui j,
siendo ai los coeficientes asociados a sus respectivos niveles y ui j los
errores aleatorios independientes, distribuidos normalmente, con media
nula y varianza comn
.
El modelo propuesto incorpora ciertos parmetros que es necesario
estimar:

Los coeficientes ai, medias asociadas a los diferentes niveles,

cuyos estimadores son de la forma

La varianza comn
residual:

, cuyo estimador insesgado es la varianza

A la vista de los datos, es importante estudiar si los T niveles son todos

ellos equivalentes o, al contrario, existen diferencias entre ellos.
Formalmente, esto se reduce a contrastar la hiptesis nula:
H0: "el factor no acta sobre la variable respuesta: ai= 0,
para todo i"
frente a la alternativa:
H1: "el factor acta sobre la respuesta: algunos ai no se
anulan".
Definiendo

el estadstico para este contraste es

que se distribuye segn una FT-1, n-T de Snedecor. El contraste se realiza

con un nivel de significacin del 5%.
Caso
En un tratamiento contra la hipertensin se seleccionaron 40 enfermos
de caractersticas similares. A cada enfermo se le administr uno de los
frmacos P, A, B, AB, al azar, formando 4 grupos de 10. El grupo P tom
placebo (frmaco inocuo), el grupo A tom un frmaco "A", el grupo B un
frmaco "B" y el grupo AB una asociacin entre "A" y "B". Para valorar la
eficacia de los tratamientos, se registr el descenso de la presin
diastlica desde el estado basal (inicio del tratamiento) hasta el estado
al cabo de una semana de tratamiento. Los resultados, despus de
registrarse algunos abandonos, fueron los siguientes:

P:
A:
B:
AB:

10,

0, 15, -20,

0, 15,

-5

20, 25, 33, 25, 30, 18, 27,

0, 35,

20

15, 10, 25, 30, 15, 35, 25, 22, 11,

25

10,

5,

-5, 15, 20, 20,

0,

10

Interesa saber si existen diferencias significativas entre los cuatro

tratamientos.
Sin ms que observar las medias de los tratamientos, (2.1, 23.3, 21.3 y
9.4), ya se aprecia la no equivalencia entre ellos; esta impresin se
ratifica objetivamente al observar que el valor del estadstico de
contraste A alcanza un valor de 8.526169, cantidad suficientemente
grande como para rechazar la hiptesis nula de igualdad de medias con
un nivel de significacin del 5%.

(Fuente: C. M. Cuadras. Problemas de Probabilidades y Estadstica. PPU, Barcelona.)

Diseo bifactorial completo sin rplicas

Ciertas observaciones se suponen influenciadas por dos factores

diferentes, a y b, admitiendo el primero k niveles diferentes y n el
segundo. Para cada una de las k n combinaciones posibles de ambos
factores se realiza una nica observacin, obtenindose una matriz de
resultados de la forma
( (y1 1 ,
y1 2 ,
... ,
y1 n ),
(y2 1 ,
y2 2 ,
... ,
y2 n ),
...
...
...
...
(yk 1 ,
yk 2 ,
... ,
yk n ) )
donde yij es el valor observado en la variable respuesta al aplicar el isimo nivel de a, factor fila, y el j-simo de b, factor columna.
El modelo que se ajusta es
yi j = m + ai + bj + ui j,
siendo m la media global, ai y bj los coeficientes asociados a sus
respectivos niveles y ui j los errores aleatorios independientes,
distribuidos normalmente, con media nula y varianza comn
.
Hiptesis adicionales son:

y que ambos factores actan independientemente, sin interaccin

alguna que afecte el comportamiento de la variable respuesta yij. En
caso de sospechar interaccin, acudir al diseo bifactorial con rplicas.
El modelo propuesto incorpora ciertos parmetros que es necesario
estimar:

La media global m, cuyo estimador es

Los coeficientes ai asociados al factor fila:

Los coeficientes bj asociados al factor columna:

La varianza comn
residual:

, cuyo estimador insesgado es la varianza

Los contrastes de inters se reducen a chequear si realmente las

respuestas se ven influenciadas por los factores fila y columna, a y b.
En el primer caso, la hiptesis nula es
H0a: "el efecto fila es nulo: ai= 0, para todo i"
frente a la alternativa:
H1a: "alguno de los niveles del efecto fila no es nulo".
El estadstico de contraste es

que se distribuye como una Fk-1, (k-1)(n-1) de Snedecor.

Por otro lado, para contrastar si existe efecto columna, se plantea la
hiptesis nula
H0b: "el efecto columna es nulo: bj= 0, para todo j"
frente a la alternativa:
H1b: "alguno de los niveles del efecto columna no es nulo".
El estadstico de contraste en este caso es

que se distribuye como una Fn-1, (k-1)(n-1) de Snedecor.

Caso

Clasificados los pacientes en tres grupos (G1, G2 y G3), se han

seleccionado al azar dentro de cada grupo cuatro individuos y se les ha
suministrado cuatro medicamentos diferentes (M1, M2, M3 y M4),
midindose para cada combinacin paciente/medicamento cierta
variable indicadora de la mejora experimentada por el paciente:

G1
G2
G3

M1

M2

M3

M4

15

18

20

20

10

12

15

17

15

20

22

Se quiere saber si los pacientes de cada grupo responden de igual

manera a los tratamientos y si existen diferencias entre las efectividades
de los medicamentos.
Los coeficientes asociados a los grupos de pacientes son 2.25, -4.75 y
2.5, dando a entender que el grupo G2 parece responder peor durante la
experiencia. En cuanto a los medicamentos, los dos primeros son menos
efectivos al tener coeficientes negativos (-2.00 y -2.33). Esto sugiere que
efectivamente tanto la pertenencia a los grupos de enfermos como el
medicamento suministrado actan sobre la mejora de los pacientes; tal
conclusin se ve ratificada por los dos contrastes de nulidad de los
factores, ya que ambos rechazan las hiptesis nulas con niveles de
significacin del 5%.

Diseo bifactorial completo con rplicas

Ciertas observaciones se suponen influenciadas por dos factores

diferentes, a y b, admitiendo el primero k niveles y n el segundo. Para
cada una de las k n combinaciones posibles de ambos factores se
realizan p observaciones, obtenindose una matriz de resultados de la
forma

donde yijr es el valor observado en la r-sima rplica realizada al aplicar

el i-simo nivel de a, factor fila, y el j-simo de b, factor columna.
El modelo que se ajusta es
yi j r = m + ai + bj + (ab)i j + ui j r ,
siendo m la media global, ai y bj los coeficientes asociados a sus
respectivos niveles, (ab)i j las interacciones y ui j r los errores aleatorios

independientes, distribuidos normalmente, con media nula y varianza

comn
.
Hiptesis adicionales son:

El modelo propuesto incorpora ciertos parmetros que es necesario

estimar:

La media global m, cuyo estimador es

Los coeficientes ai asociados al factor alfa:

Los coeficientes bj asociados al factor beta:

Los coeficientes (ab)i j asociados a las interacciones entre los

factores:

La varianza comn
residual:

, cuyo estimador insesgado es la varianza

Los contrastes de inters se reducen a chequear si realmente las

respuestas se ven influenciadas por los efectos a y b, as como de sus
interacciones.
En el primer caso, la hiptesis nula es

H0a: "el efecto fila es nulo: ai= 0, para todo i"

frente a la alternativa:
H1a: "alguno de los niveles del efecto a no es nulo".
El estadstico de contraste es

que se distribuye como una Fk-1, kn(p-1) de Snedecor.

Para contrastar si acta el efecto b, se plantea la hiptesis nula
H0b: "el efecto columna es nulo: bj= 0, para todo j"
frente a la alternativa:
H1b: "alguno de los niveles del efecto b no es nulo".
El estadstico de contraste en este caso es

que tiene distribucin Fn-1, kn(p-1) de Snedecor.

Finalmente, para averiguar si los efectos interactan, se plantea el
contraste
H0i: "no existen interacciones entre a y b: (ab)i j= 0, para
cualesquiera i y j"
frente a la alternativa:
H1i: "algunos de los niveles interactan".
El estadstico de contraste es

que se distribuye como una F(k-1)(n-1), kn(p-1) de Snedecor.

Caso
Se desea comparar tres genotipos distintos de Drosophila Melanogaster,
observando si existen diferencias de viabilidad sembrando 100 y 800
huevos. De este modo, para cada una de las seis casillas del
experimento (2 siembras y 3 genotipos) se dispusieron seis preparados
(6 rplicas) y al cabo de un tiempo suficiente de ser sembrados los
huevos, se obtuvo el porcentaje de huevos que haban eclosionado. Los

resultados obtenidos despus de transformarlos para obtener normalidad

fueron:

++
100
huevos

(74.7, 75.8,
74.7,
71.6, 74.7, 68)

800
huevos

(65.9, 69.4,
64.8,
63.5, 63.1,
44.7)

+(77.8, 66,
73.6,
74.1, 64.9,
65.3)
(66.4, 66.7,
61.3,
54.9, 56.2,
70.1)

-(73.6, 72.5,
71.6,
77.1, 66.4, 62)
(67.5, 71,
67.5,
69.2, 46.1,
61.3)

Se quiere saber si las siembras de 100 y 800 huevos (factor alfa de 2

niveles) se diferencian en cuanto a viabilidad, as como los genotipos +
+, +- y -- (factor beta de 3 niveles); finalmente, se quiere estudiar si
existe interaccin entre genotipo y nmero de huevos sembrados.
A la vista de las estimaciones de los coeficientes, parece que en los
cultivos de 100 huevos hay un mayor porcentaje de eclosiones
(alfa1=4.3) frente a los cultivos de 800 huevos (alfa2=-4.3). Esta idea se
confirma prestando atencin a los resultados de los contrastes: la
hiptesis nula de no influencia del nmero de huevos se rechaza al nivel
del 5%; por otro lado, ni la pertenencia de los individuos a los diferentes
genotipos ni las interacciones entre los dos factores son significativas,
por lo que las respectivas hiptesis nulas se aceptan al nivel del 5%.
(Fuente: C. M. Cuadras (1982) Problemas de probabilidades y estadstica II. Promociones
Publicaciones Universitarias, Barcelona

Cuadrado latino de orden 4

El diseo basado en cuadrados latinos de orden cuatro se utiliza

cuando el nmero de factores es tres y todos ellos tienen exactamente n
= 4 niveles.
Se trata de un diseo fraccional porque no es necesario ensayar durante
la fase experimental las 43 = 64 combinaciones posibles de los niveles
de los tres factores, siendo suficiente utilizar nicamente 42 = 16 de
ellas. En consecuencia, este diseo se hace especialmente til cuando el
nmero de niveles hace impracticable o encarece un diseo completo.
Un cuadrado latino de orden 4 es una disposicin de cuatro smbolos
diferentes en un cuadrado 4x4, de manera que cada uno de ellos
aparezca una sola vez en cada fila y en cada columna:

a1

b1
c1

b2
c2

b3
c3

b4
c4

a2
a3
a4

c3
c4
c2

c4
c3
c1

c1
c2
c4

c2
c1
c3

En el esquema anterior, las filas estn etiquetadas con los smbolos a1,
a2, a3 y a4, representando los cuatro niveles diferentes del factor fila; a
su vez, cada columna va encabezada con los smbolos b1, b2, b3 y b4,
asociados a los cuatro niveles del factor columna. Finalmente, cada una
de las 16 casillas estn marcadas con c1, c2, c3 y c4, formando un
cuadrado latino y representando los cuatro niveles del factor casilla o
tratamiento.
Los datos muestrales se guardan en una matriz de la forma
( (y1 1 (1) ,
y1 2 (2) ,
y1 3 (3) ,
y1 4 (4) ),
(y2 1 (3) ,
y2 2 (4) ,
y2 3 (1) ,
y2 4 (2) ),
(y3 1 (4) ,
y3 2 (3) ,
y3 3 (2) ,
y3 4 (1) ),
(y4 1 (2) ,
y4 2 (1) ,
y4 3 (4) ,
y4 4 (3) ) )
siendo yi j (k) el resultado experimental al combinar el nivel ai del primer
factor, con el bj del segundo y el ck del tercer y ltimo factor. Obsrvese
que no se ensayan durante la fase experimental algunas de las
combinaciones posibles, como la (a2, b3, c3) o la (a3, b1, c2), razn por
la cual recibe este diseo el apelativo de fraccional.
El modelo formal es aditivo sin interacciones:
yi j (k) = m + ai + bj + c(k) + ui j (k),
siendo m la media general, ai, bj y c(k) los coeficientes asociados a sus
respectivos niveles y ui j (k) los errores aleatorios independientes,
distribuidos normalmente, con media nula y varianza comn
.
Hiptesis adicionales son:

Para asegurar aleatoriedad y disminuir sesgos, los cuatro niveles de

cada factor debe asignarse aleatoriamente a cada fila, columna y casilla.
Llamando yi j (k) al valor de la casilla situada en la fila i y en la columna j
y haciendo n = 4, se defienen:

con los que podemos dar los estimadores de los coeficientes del modelo:

Por ltimo, la varianza residual o estimador insesgado de

por

viene dado

El objetivo del experimento es investigar hasta qu punto los factores

intervienen en las respuestas observadas yi j (k). As se plantean los tres
contrastes siguientes.
En el primer caso, la hiptesis nula es
H0a: "el efecto fila es nulo: ai = 0, para todo i"
frente a la alternativa:
H1a: "alguno de los niveles del efecto fila no es nulo".
El estadstico de contraste es

que se distribuye como una Fn-1, (n-1)(n-2) de Snedecor.

Por otro lado, para contrastar si existe efecto columna, se plantea la
hiptesis nula
H0b: "el efecto columna es nulo: bj = 0, para todo j"

frente a la alternativa:
H1b: "alguno de los niveles del efecto columna no es nulo".
El estadstico de contraste en este caso es

que se distribuye como una Fn-1, (n-1)(n-2) de Snedecor.

Y ya para terminar, para contrastar si existe en las casillas o
tratamientos, se plantea la hiptesis nula
H0c: "el efecto casilla es nulo: c(k) = 0, para todo k"
frente a la alternativa:
H1c: "alguno de los niveles del efecto casilla no es nulo".
El estadstico de contraste en este caso es

que se distribuye como una Fn-1, (n-1)(n-2) de Snedecor.

Caso
Para comparar cuatro variedades de avena se dividi una finca en 16
parcelas y se dispusieron las variedades de acuerdo con un diseo de
cuadrado latino. La produccin ha sido la siguiente:
c1=12
c3=17
c4=24
c2=12

c2=18
c4=22
c3=14
c1=15

c3=15
c1=13
c2=20
c4=31

c4=20
c2=14
c1=12
c3=18

Se quiere saber si hay diferencias entre filas, entre columnas y entre

variedades.
Puesto que no se rechazan las hiptesis nulas H0a ni H0b , se concluye que
las localizaciones de los cultivos no inciden sobre la produccin. En
cambio s lo hace la variedad plantada, ya que se rechaza H0c , que es la
hiptesis nula asociada al tratamiento o variedad.

Cuadrado latino de orden 5

El diseo basado en cuadrados latinos de orden cinco se utiliza cuando

el nmero de factores es tres y todos ellos tienen exactamente n = 5
niveles.
Se trata de un diseo fraccional porque no es necesario ensayar durante
la fase experimental las 53 = 125 combinaciones posibles de los niveles
de los tres factores, siendo suficiente utilizar nicamente 52 = 25 de
ellas. En consecuencia, este diseo se hace especialmente til cuando el
nmero de niveles hace impracticable o encarece un diseo completo.
Un cuadrado latino de orden 5 es una disposicin de cinco smbolos
diferentes en un cuadrado 5x5, de manera que cada uno de ellos
aparezca una sola vez en cada fila y en cada columna:

a1
a2
a3
a4
a5

b1
c1
c3
c4
c2
c5

b2
c2
c4
c1
c5
c3

b3
c3
c1
c5
c4
c2

b4
c4
c5
c2
c3
c1

b5
c5
c2
c3
c1
c4

En el esquema anterior, las filas estn etiquetadas con los smbolos a1,
a2, a3, a4 y a5, representando los cuatro niveles diferentes del factor fila;
a su vez, cada columna va encabezada con los smbolos b1, b2, b3, b4 y
b5, asociados a los cuatro niveles del factor columna. Finalmente, cada
una de las 25 casillas estn marcadas con c1, c2, c3, c4 y c5, formando un
cuadrado latino y representando los cinco niveles del factor casilla o
tratamiento.
Los datos muestrales se guardan en una matriz de la forma
( (y1 1 (1) ,
y1 2 (2) ,
y1 3 (3) ,
y1 4 (4) ,
y1 5 (5) ),
(y2 1 (3) ,
y2 2 (4) ,
y2 3 (1) ,
y2 4 (5) ,
y2 5 (2) ),
(y3 1 (4) ,
y3 2 (1) ,
y3 3 (5) ,
y3 4 (2) ,
y3 5 (3) ),
(y4 1 (2) ,
y4 2 (5) ,
y4 3 (4) ,
y4 4 (3) ,
y4 5 (1) ),
(y5 1 (5) ,
y5 2 (3) ,
y5 3 (2) ,
y5 4 (1) ,
y5 5 (4) ) )
siendo yi j (k) el resultado experimental al combinar el nivel ai del primer
factor, con el bj del segundo y el ck del tercer y ltimo factor.
El modelo formal es aditivo sin interacciones:
yi j (k) = m + ai + bj + c(k) + ui j (k),
siendo m la media general, ai, bj y c(k) los coeficientes asociados a sus
respectivos niveles y ui j (k) los errores aleatorios independientes,

distribuidos normalmente, con media nula y varianza comn

Hiptesis adicionales son:

Para asegurar aleatoriedad y disminuir sesgos, los cinco niveles de cada

factor debe asignarse aleatoriamente a cada fila, columna y casilla.
Llamando yi j (k) al valor de la casilla situada en la fila i y en la columna j
y haciendo n = 5, se defienen:

con los que podemos dar los estimadores de los coeficientes del modelo:

Por ltimo, la varianza residual o estimador insesgado de

por

viene dado

El objetivo del experimento es investigar hasta qu punto los factores

intervienen en las respuestas observadas yi j (k). As se plantean los tres
contrastes siguientes.
En el primer caso, la hiptesis nula es
H0a: "el efecto fila es nulo: ai = 0, para todo i"
frente a la alternativa:

H1a: "alguno de los niveles del efecto fila no es nulo".

El estadstico de contraste es

que se distribuye como una Fn-1, (n-1)(n-2) de Snedecor.

Por otro lado, para contrastar si existe efecto columna, se plantea la
hiptesis nula
H0b: "el efecto columna es nulo: bj = 0, para todo j"
frente a la alternativa:
H1b: "alguno de los niveles del efecto columna no es nulo".
El estadstico de contraste en este caso es

que se distribuye como una Fn-1, (n-1)(n-2) de Snedecor.

Y ya para terminar, para contrastar si existe en las casillas o
tratamientos, se plantea la hiptesis nula
H0c: "el efecto casilla es nulo: c(k) = 0, para todo k"
frente a la alternativa:
H1c: "alguno de los niveles del efecto casilla no es nulo".
El estadstico de contraste en este caso es

que se distribuye como una Fn-1, (n-1)(n-2) de Snedecor.

Caso
Se ha asegurado que cualquier estmulo (auditivo, olfatorio, tctil)
produce cambios en la sensibilidad de un ojo humano adaptado a la
oscuridad. Para investigar si tal cosa es cierta, se dise una experiencia
de cuadrado latino consistente en someter a cinco sujetos (factor fila)
durante cinco das consecutivos (factor casilla) a cinco estmulos
diferentes (factor columna con niveles: ningn estmulo, sonido fuerte,
sonido dbil, presin grande y presin pequea) una vez sus ojos se
haban adaptado a la oscuridad. Los resultados registrados son sus
sensibilidades a la prueba de bajo contraste de Luckiesh-Moss. Por
ejemplo, el dato c1=14 de la tercera fila y segunda columna indica que el
sujeto nmero 3 obtuvo en el primer da de la prueba la puntuacin 14
tras habrsele estimulado con un sonido fuerte.

c1=22
c3=23
c4=20
c2=28
c5=13

c2=21
c4=22
c1=14
c5=29
c3=16

c3=22
c1=16
c5=14
c4=24
c2=15

c4=20
c5=23
c2=23
c3=24
c1=14

c5=22
c2=19
c3=24
c1=24
c4=15

Se quiere contrastar con un nivel de significacin del 5% la hiptesis de

que los estmulos auditivos y tctiles tienen todos ellos el mismo efecto
que la ausencia de estmulo.
El prueba que interesa es H0b, que contrasta la igualdad de los niveles
del factor columna, que es el correspondiente a los diferentes estmulos,
incluido la falta del mismo. Puesto que no hay evidencia de que sus
influencias son significativas al nivel del 5%, no podemos decir que los
estmulos considerados acten sobre la sensibilidad del ojo. Sin
embargo, el contraste de H0a, asociado al factor fila o individuo, se
rechaza al mismo nivel del 5%, lo que sugiere que las diferencias
observadas se explican por las diferentes capacidades de reaccin de
diferentes personas.
(Fuente: A. Chapanis, R. Rouse, S. Schachter (1949)The Effect of Inter-Sensory Stimulation on
Dark Adaptation and Night Vision. Journal of Experimental Psychology, 39, 425-437.)