Diseos de Bloques Incompletos Balanceados: Enfoque Matricial

para la Construccin de la Tabla de Anlisis de Varianzas

Dr. Manuel I. Rodrguez B., Dr. Juan Jos Daz Nez, Dr. Manuel Rodrguez M., M.C.
Luz I. Rodrguez A.
Resumen
Los diseos de bloques en general, son arreglos que pretenden controlar, de una
manera sistemtica, la variabilidad debida a fuentes extraas. Este documento
pretende ilustrar la construccin de la tabla de anlisis de varianzas con un enfoque
matricial resolviendo el sistema C = Q mediante la inversin de la matriz C del
sistema, de aqu obtendremos = C-1Q. La metodologa usada incluir el uso de
seudoinversas o inversas generalizadas, especficamente la seudoinversa de MoorePenrose. Esto se logra mediante la descomposicin en valores singulares para la
construccin de la seudoinversa.
Palabras Claves: BIBDs, Descomposicin en Valores Singulares, Seudoinversa de
Moore-Penrose, ANOVA.
Antecedentes
Hill(1997) introduce el concepto de inversa generalizada de la manera siguiente: un
primer paso necesario en el estudio de las sudoinversas es, el definir la
descomposicin en valores singulares de una matriz, utilizando esto primero para
construir la seudoinversa y posteriormente para resolver problemas que no cumplen
con las condiciones para su solucin, tales como matrices no cuadradas y matrices
singulares, es decir, matrices con determinante igual a cero.
La descomposicin en valores singulares podra resumirse de la manera siguiente:
Cualquier matriz A de m x n se puede factorizar como
A = V UT
donde V es una matriz ortogonal de m x n, U es ortogonal de n x n y es de m x n de
la forma

D | 0
|

0 | 0

donde

Los nmeros 1,,k son nmeros reales positivos, 1 2 k > 0 y se llaman los
valores singulares de A.
El Resultado fundamental para la teora completa del diseo de experimentos como se
desarrolla en este documento est basada en el Teorema de Gauss-Markoff, el cual
establece lo siguiente:
Teorema 1. El estimador lineal insesgado de mnima varianza de cualquier parmetro
es aquel dado por el mtodo de los mnimos cuadrados.
Ahora, cualquier observacin en un diseo puede representarse mediante y = a + y
de aqu

y a

yi aij j

j 1

f 1 , 2 ,..., p yi aij j
i 1
j 1

p
n
f
2 ( yi aij j )aik k 1,2,..., p
k
i 1
j 1
n

Por lo tanto
n

yi aik aij aik j

i 1

i 1 j 1

ay aa' j
1
j a ' a a ' y

el cual es el estimador de mnimos cuadrados de los coeficientes del modelo lineal.

El procedimiento para la obtencin de la inversa generalizada de Moore-Penrose inicia
con la consideracin de la matriz resultante A = (aa) y la AA as como AA, a las
cuales se les calculan sus valores y vectores caractersticos. Enseguida se ordenan los
valores propios de AA de manera que 1 2 n 0 y sean u1,,un los vectores
propios ortonormales correspondientes. Supongamos que k es el menor valor propio
positivo y as reuniendo todo se tiene:
1 2 k > 0,
ATAuj = iui, uiuj = ij

k+1==n = 0

ATAuj = iui = 0ui = 0. Entonces Aui = 0 para i > k.

En particular para i > k tenemos

Ahora sea U la matriz ortogonal cuyas columnas son los valores ui

U = [u1|u2||un]
Para i k, sean
i = + (i)1/2, vi = (1/i)Aui
donde los vi son vectores ortonormales. De aqu
V = [v1|v2|}vm]
y sea = VTAU y A = V UT ya que U y V son ortogonales. Adems la seudoinversa de
A ser A+= U +V, necesaria para resolver el sistema.
Aplicacin
Rodrguez (2003) describe un experimento para el mejoramiento de la adherencia de
bloques de concreto, buscando reducir los costos de fabricacin, mediante reduccin
de tiempos muertos, reduccin de desperdicios, prdida de clientes por demoras en las
entregas y la mejora de la calidad del producto mediante el incremento de la resistencia
a la compresin.
Los factores en el diseo fueron el cemento como factor de inters con cuatro niveles
de contenido de puzolana, mientras que el factor considerado como fuente de
variabilidad (ruido) fue el porcentaje de reciclado, tambin con cuatro niveles. La Tabla
1 resume la informacin del experimento realizado.
Tabla 1. Tabla de Resultados del Experimento de Pruebas de Adherencia
Tratamiento
1
2
3
4
B

0
52
70
40
162

5
50
45
65
160

10
45
60
35
140

15
48
40
35
123

T
150
130
195
110
585

Tocher (1952), Raghavarao (1971) y Sprott (1954) coinciden en afirmar que el objetivo
ms comn de los experimentos es aquel que pretende determinar el efecto de varios
tratamientos sobre alguna respuesta medible. De aqu, considere un experimento para
determinar el efecto de t diferentes tratamientos donde la respuesta promedio para el

tratamiento i en el j-simo bloque sea ij. Para definir el efecto del i-simo tratamiento,
la consideracin usual es que la diferencia de respuesta entre dos tratamientos
cualesquiera en el mismo bloque es independiente del bloque, es decir

ij-kj = ik

ij-.j = i.

Esta consideracin nos conduce a una regla aditiva para la respuesta de cualquier
tratamiento en cualquier bloque. Cambiando la notacin, el i-simo tratamiento en el jsimo bloque tiene una respuesta promedio ti + bj.
Suponga que el experimento consiste de b bloques, cada uno de k unidades. El
acomodo de las unidades dentro de los bloques se hace de manera aleatoria
asegurndose de la validez de la consideracin de que cada unidad tendr la misma
respuesta promedio bajo un tratamiento considerado.
El experimento se describe completamente mediante la matriz de incidencia n, cuyas
columnas corresponden a los diferentes bloques mientras que los renglones
corresponden a los tratamientos. As, nij es el nmero de veces que el i-simo
tratamiento ocurre en el j-simo bloque. Si el i-simo tratamiento ocurre ri veces,
entonces
n1= r

y n1 = k1

De lo anterior, se puede decir que cualquier rengln de n muestra el nmero de veces

que un tratamiento ocurre independientemente del bloque, mientras que cualquier
columna de n genera el nmero de unidades en un bloque independientemente del
tratamiento.
Una metodologa de anlisis muy similar a la de Tocher y Raghavarao es dada por
Jarret y Hall (1978), quienes definen el siguiente modelo para el anlisis de los diseos
de bloques incompletos:

y 1 B T
donde y es el vector columna de M observaciones, es la media poblacional, 1 es un
vector de unos, y son los vectores de los efectos de los bloques y los tratamientos
con sus correspondientes matrices de incidencia B y T y es un vector de variables
normales no correlacionadas con media cero y varianza 2. Singh y Dey (1979)
retoman los conceptos de Tocher (1952) y establecen procedimientos para el clculo de
tablas de anlisis de varianzas para diseos de bloques con renglones y columnas
anidados, con la idea fundamental de matrices de incidencia.

Los clculos de la tabla de anlisis de varianzas se inician con el establecimiento de la

ecuacin para calcular el vector de tratamientos ajustado, esto es
Q = T n k1/ B
donde Q es el total de tratamientos ajustado, T el total de los tratamientos, B el total de
los bloques, n la matriz de incidencia y k1/ es una matriz diagonal, con el reciproco del
tamao de los bloques en la diagonal principal
150 1 1

130 0 1
Q

195 1 1

110 1 0

0
1
1
1

1
0

0
0
1/ 3 0

0
0 1/ 3 0
0
0 1/ 3 0

0
0
0 1 / 3

162 1.67

160 11.0
140 41.0

123 31.7

La ecuacin del modelo lineal es

C Q
donde C es la matriz del sistema conformada por r es una matriz diagonal, con
elementos en la diagonal de acuerdo al nmero de replicaciones en el diseo, y las
matriz k- y n ya descritas anteriormente.

As, la matriz C se puede obtener de la forma siguiente:

C r nk n'
3

0
C
0

0
3
0
0

0 1 1

0 0 1

0 1 1

3 1 0
2
2/3
2/3
2
2/3 2/3
2/3 2/3

0
0
3
0

0
1
1
1

1
0

0
0
1/ 3 0

0
0 1/ 3 0
0
0 1/ 3 0

0
0
0
1
/
3

1
0

0
1
1
1

1
1
1
0

0
1

2 / 3 2 / 3

2
/
3

2
/
3

C
2
2 / 3

2
/
3
2

2
2 / 3 2 / 3 2 / 3 1 1.67

2/3
2
2 / 3 2 / 3 2 11 .0

2/3 2/3
2
2 / 3 3 41.0

2/3 2/3 2/3

2 4 31.67

9 / 32 3 / 32 3 / 32 3 / 32

3 / 32 9 / 32 3 / 32 3 / 32
1
C
3 / 32 3 / 32 9 / 32 3 / 32

3
/
32

3
/
32

3
/
32
9
/
32

1 9 / 32 3 / 32 3 / 32 3 / 32

2 3 / 32 9 / 32 3 / 32 3 / 32
3 / 32 3 / 32 9 / 32 3 / 32
3

3
/
32

3
/
32

3
/
32
9
/
32

1.67 0.6265

11 .0 4.125

41.0 15.375

31.67 11 .88

donde la matriz C-1 se obtuvo por descomposicin en valores singulares, siendo esta la
seudoinversa de Moore-Penrose.

La matriz siguiente se obtiene por medio de Minitab, la cual es la inversa normal de C

que es una matriz no singular, es decir, tiene inversa, lo que no siempre sucede en
todos los diseos. El producto de ambas inversas por la matriz C genera el mismo
resultado.
Matriz Inversa C-1
-249.719 -250.094
-250.094 -249.719
-250.094 -250.094
-250.094 -250.094

-250.094
-250.094
-249.719
-250.094

-250.094
-250.094
-250.094
-249.719

Y la suma de cuadrados de tratamientos SSTRAT se calcula como

SSTRAT

0.6265

4.125
1.67 11 .0 41.0 31.67
1053 .04
15.375

11
.
88

La suma de cuadrados de los bloques SSBLOQUES puede obtenerse como

SSBLOQUES

1
G2
B' B
k
bk

162

2
160
1

585
SSBLOQUES 162 160 140 123

338 .92
140 4(3)
3

123
La suma de cuadrados totales est dada por

SST y ' y

G2
bk

52

50

48

45

45

40 585 2
SST 52 50 48 45 45 40 70 65 60 40 35 35
1414 .25

70
4
(
3
)

65

60

40

35

35

La Tabla 2 muestra el anlisis de varianzas modificado de acuerdo al manejo de los

clculos de una manera matricial
2. Tabla de anlisis de varianzas modificada
Fuentes de Variacin
Bloques

Tratamientos
Residual

Total

Sumas de Cuadrados
2

B' B G

k
bk

Q '
y ' y Q'

Grados de libertad
b- 1

a-1

B' B
k

G2
y' y
bk

3.Tabla de Resultados para el Anlisis de Varianzas

bk-b-a+1

bk-1

Fuentes de
Variacin
Bloques
Tratamientos
Residual
Total

Sumas de
Cuadrados
338.92
1053.04
22.41
1414.25

Grados de
Libertad
3
3
5
11

Cuadrados
medios
112.97
350.97
4.482

Biblografa
1. Rodrguez, M. A. Enfoque Matricial para la Construccin y el Anlisis de
Varianzas de Diseos de Bloques Incompletos Balanceados y Diseos de
Bloques Incompletos Balanceados con Renglones y Columnas Anidados, Tesis
Doctoral, Instituto Tecnolgico de Ciudad Jurez. (2003).
2. Hill R. Algebra Lineal Elemental con Aplicaciones. Prentice Hall. Tercera Edicin
(1997).
3. Tocher K.D. The Design and Analysis of Block Experiments. Royal Statistical
Society. Vol. 1. (1952)
4. Jarret R.G. y Hall W. B. Generalized Cyclic Incomplete Block Designs.
Biometrika 65. 2 (1978)
5. Singh M. y Dey A. Block Designs with Nested Rows and Columns. Biometrika 66.
Vol. 2. (1979)
6. Sprott D.A. A note on Balanced Incomplete Block Design. Can. J. Math. 6. (1954)

F
25.2
78.3