Captulo IV

DISEO BLOQUE COMPLETO AL AZAR

(DBCA)

Docente: Ing. Alcides RAMOS CALCINA

Diseo Bloque Completo al Azar (DBCA)
Faculta de Ingeniera Estadstica e Informtica
Ing. Alcides Ramos Calcina
 Caractersticas
El DBCA es aquel diseo en que las unidades experimentales
sobre las que se toman las medidas se asignan al azar a los
diferentes niveles de tratamientos y bloques, donde los bloques
son subgrupos homogneos con relacin a la variable exgena
cuyos efectos se desea eliminar.

Las UE a las que se aplican los tratamientos, son subdivididas

en grupos homogneos llamados bloques, de tal manera que el
nmero de unidades experimentales dentro de un bloque es
igual al nmero de tratamientos en estudio..

En muchos trabajos de tipo experimental, el DBCA es ms

ventajoso que el DCA, ya que como el objetivo de este DBCA es
aislar y eliminar del trmino de error la variacin atribuible a los
bloques, con el fin de asegurar que las mediciones hechas sobre
las UE que reciben un determinado tratamiento estn libres de
los efectos del bloque.
Ing. Alcides Ramos Calcina
 Ventajas
a) El BCA es flexibilidad cuando no se hace
restriccin sobre el nmero de tratamientos
o sobre el nmero de aplicaciones en el
experimento.

b) En algunas complicaciones que podran

surgir en el transcurso de un experimento
son fciles de controlar cuando se utiliza
este diseo.

c) La eficacia del diseo depende de la

capacidad de conseguir bloques
homogneos de unidades experimentales.

Ing. Alcides Ramos Calcina

 Desventajas

a) No es adecuado cuando se tiene un

nmero grande de tratamientos, o
para el caso donde los bloques
completos presentan una
considerable variabilidad.

b) No es recomendable utilizar este

diseo cuando se verifica que existe
interaccin entre los bloques y
tratamientos.

Ing. Alcides Ramos Calcina

 Modelo Estadstico Lineal
En este diseo el valor de cada unidad experimental yij se aplica segn el
siguiente modelo estadstico lineal.

yij i j eij
donde:

yij : Es la variable de respuesta observada en el j-simo bloque que

recibe el i-simo tratamiento.

: Es la media general o constante comn.

i : Es el efecto del i-simo tratamiento.

j : Es el efecto debido al j-simo bloque.

eij : Efecto verdadero de la j-sima unidad experimental (replica), sujeta

al i-simo tratamiento (error experimental).
Ing. Alcides Ramos Calcina
 Arreglo de datos para un DBCA

Ing. Alcides Ramos Calcina

Tabla de Analisis de Varianza (ANVA)

Ing. Alcides Ramos Calcina

Procedimiento para la prueba estadstica de
hiptesis

Ing. Alcides Ramos Calcina

Procedimiento para la prueba estadstica de
hiptesis

Ing. Alcides Ramos Calcina

Procedimiento para la prueba estadstica de
hiptesis

Ing. Alcides Ramos Calcina

EJEMPLOS
Ejemplo 1:

Se comparan tres soluciones diferentes para lavar los envases de

leche de dos litros, con el objeto de estudiar su efectividad en el
retraso de crecimiento de bacterias. El anlisis se realiza en un
laboratorio y slo pueden efectuarse tres pruebas en un mismo da.
Como los das son una fuente de variabilidad potencial, el investigador
decide usar un diseo aleatorizado por bloques (Vicente, Girn, Nieto,
& Prez, 2005). Las observaciones se recopilaron durante cuatro das
y los datos se presentan en la tabla 5.4.

Ing. Alcides Ramos Calcina

Solucin:

a) DESCRIPCIN DE LOS ELEMENTOS

Variable de respuesta:
Retraso del crecimiento de bacterias en embaces de leche de 2
litros.

Factor:
Soluciones para lavar los embaces, tres niveles (A, B y C).

Boques:
Los das en que se lavan los embaces de leche de 2 litros (b = 4).

Unidad experimental:
Los embaces de leche de 2 litros, en total 12 embaces.
Ing. Alcides Ramos Calcina
Solucin:

b) DEFINICIN DEL MODELO

Modelo Estadstico Lineal (MEL):

yij i j eij
donde:

yij : Es el retraso del crecimiento de bacterias en el j-simo da, sujeto a

la i-sima solucin.

: Es el la media general.

i : Es el efecto de la i-sima solucin.

j : Es el efecto debido al j-simo da de lavado

eij : Es el error experimental.

Ing. Alcides Ramos Calcina
Solucin:

c) ANALISIS DE VARIANZA (ANVA)

Clculos bsicos:

Grados de libertad:
GLbloq = b 1 = 4 1 = 3
GLtrat = t 1 = 3 1 = 2
GLerror = (t 1) (b 1) = (3 1)(4 1) = 6
GLtotal = N - 1 = 12 1 = 11
Ing. Alcides Ramos Calcina
Solucin:

Suma de Cuadrados:

Ing. Alcides Ramos Calcina

Solucin:

Cuadro ANVA:

Prueba Estadstica de Hiptesis:

Ing. Alcides Ramos Calcina

Solucin:

Ing. Alcides Ramos Calcina

Solucin:

Ing. Alcides Ramos Calcina

Verificacin de resultados en SPSS

Para realizarlo mediante SPSS, se comienza definiendo las variables e

introduciendo los datos:
Vista de variables

Solucin Das

Ing. Alcides Ramos Calcina

Verificacin de resultados en SPSS

Vista de datos:

Ing. Alcides Ramos Calcina

Solucin:

Antes de realizar el anlisis

de varianza, siempre es una
buena idea examinar
grficamente los datos
experimentales.

Diagramas de caja para el

tipo de solucin.

Grficos / Generar grfico

Luego, Aceptar.

Ing. Alcides Ramos Calcina

Solucin:

El grafico muestra los diagramas de caja para el tipo de solucin.

Ing. Alcides Ramos Calcina

Solucin:

Realizamos el mismo procedimiento para los bloques y se muestra el

siguiente diagrama de cajas.

Ing. Alcides Ramos Calcina

Solucin:

Para responder a esta hiptesis recurrimos al Anlisis de la Varianza de un

factor y realizamos el contraste de igualdad de medias

mediante SPSS dicho contraste se puede ejecutar de dos formas:

Se selecciona, en el men
principal:
Analizar / Modelo lineal
general / Univariado ,

Ing. Alcides Ramos Calcina

Solucin:

Definimos el modelo:

Continuar y luego Aceptar.

Ing. Alcides Ramos Calcina
Solucin:

En el cuadro ANVA se observa que los tratamientos y el bloque tienen niveles

diferentes, por tanto, la prueba es significativa, pues p < .

Ing. Alcides Ramos Calcina