Anda di halaman 1dari 16

ESTADSTICA INFERENCIAL DISEO DE BLOQUES

UNIDAD 4

DISEO DE BLOQUES
En cualquier experimento, la variabilidad que surge de un factor perturbador puede afectar los
resultados. En general, un factor perturbador puede definirse como un factor del diseo que
probablemente tenga un efecto sobre la respuesta, pero en el que no existe un inters especfico.
En ocasiones un factor perturbador es desconocido y no controlable; es decir, se desconoce la
existencia de ese factor e incluso puede tener niveles variables mientras se est realizando el
experimento. La aleatorizacin es la tcnica de diseo que se utiliza para protegerse contra
estos factores perturbadores "que estn al acecho". En otros casos, el factor perturbador es
conocido pero no controlable. Si por lo menos puede observarse el valor que asume el factor
perturbador en cada corrida del experimento, es posible hacer la compensacin correspondiente
en el anlisis estadstico mediante el uso del anlisis de covarianza, una tcnica que se revisar
en el captulo 14. Cuando la fuente de variabilidad perturbadora es conocida y controlable,
puede usarse una tcnica de diseo llamada formacin de bloques para eliminar de manera
sistemtica su efecto sobre las comparaciones estadsticas entre los tratamientos. La formacin
de bloques es una tcnica de diseo en extremo importante que se utiliza ampliamente en la
experimentacin industrial, y es la materia de este captulo. Para ilustrar la idea general, suponga
que quiere determinarse si cuatro puntas diferentes producen o no lecturas diferentes en una
mquina para probar la dureza. Un experimento como ste podra ser parte de un estudio de la
aptitud en la calibracin de los instrumentos. La mquina funciona presionando la punta en un
ejemplar de prueba de metal, y por la profundidad de la depresin resultante puede determinarse
la dureza del ejemplar. El experimentador ha decidido obtener cuatro observaciones para cada
punta. Hay un solo factor---'-el tipo de punta-, y un diseo completamente aleatorizado de un solo
factor consistira en asignar al azar cada una de las 4 X 4 = 16 corridas a una unidad
experimental, es decir, a un ejemplar de prueba de metal, y observar qu resulta de la lectura
de la dureza. Por lo tanto, se necesitaran 16 ejemplares de prueba de metal en este experimento,
uno por cada corrida del diseo. Existe un problema potencialmente serio con un experimento por
completo aleatorizado en esta situacin de diseo. Si los ejemplares de prueba de metal difieren
ligeramente en sus durezas, como podra

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

GASCA SOLAR RUTH DANIELA


1
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
bloques completos aleatorizados (RCBD, 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.

DISEO DE BLOQUES COMPLETO AL AZAR


1.- En qu situaciones se aplica el diseo en bloques completos al azar? En que difieren los
factores de tratamiento y de bloque?

Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor, es


deseable que las posibles diferencias se deban principalmente al factor de inters y ano a
otros factores que no se consideran en el estudio. Cuando esto no ocurre y existen otros
factores que no se controlan o nulifican a la hora de hacer la comparacin, las conclusiones
podran ser afectadas sensiblemente. El diseo en bloques completos al azar se aplica cuando
el efecto de un tratamiento a comparar depende de otros factores que pueden influir en el
resultado de experimento y que deben de tomarse en cuenta para anular su posible efecto y
evitar sesgo al comparar los factores de inters. Para evitar este sesgo se deben incluir estos
factores adicionales en la experimentacin y probarlos con cada uno de los factores de inters
de manera tal que puedan presentarse todas las combinaciones posible entre ambos para
obtener resultados en la comparacin que sean validos, esta forma de nulificar su efecto se
llama bloqueo. La diferencia entre los factores de tratamiento y los de bloque radica en que
estos ltimos no se incluyen en el experimento de manera explcita por que interese analizar
su efecto, sino como un medio para estudiar de manera adecuada y eficaz al factor de inters
para no sesgar la comparacin. Estos entran al estudio con un nivel de importancia secundaria
con respecto al factor de inters y la inclusin de estos es un medio no un fin para lograr la
comparacin.

GASCA SOLAR RUTH DANIELA


2
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

2.- Qu diferencia hay entre un DBCA y los diseos en cuadro latino?

El diseo de bloque completo al azar se controla un factor de bloque y uno de tratamiento ms


el error aleatorio y cuadro latino dos factores de bloque y uno de tratamiento por lo que se
tienen cuatro fuentes de variabilidad, incluyendo el termino error, que pueden afectar la
respuesta observada.

3.- De acuerdo con el modelo estadstico para un diseo en bloques, Por qu a travs de este
diseo se reduce el error aleatorio?

Porque en el diseo en bloques se analiza bloque a bloque y se toman en cuenta todos los
factores posibles que puedan afectar de manera significativa a nuestro experimento.

Anlisis estadstico del diseo de bloques completos aleatorizados


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 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:

donde es la media global, es el efecto del tratamiento i-simo, j es el efecto del

bloquej-simo, y ij es el trmino del error NID(O, 2) usual. Se considerar inicialmente


que los tratamientos y los bloques son factores fijos. Como en el modelo del diseo

GASCA SOLAR RUTH DANIELA


3
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
experimental con un solo factor del captulo 3, el modelo de los efectos para el RCBD es un
modelo sobre especificado. 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:

donde j = + + j . 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

b
1
Puesto que la media del tratamiento i-simo es
( ) ( + + j )=
b j=1
+ una

manera equivalente de escribir las hiptesis anteriores es en trminos de los efectos de los
tratamientos, por ejemplo

Sea y. el total de observaciones hechas bajo el tratamiento i,YJ el total de observaciones del
bloque j, y. el gran total de las observaciones y N =ab el nmero total de observaciones.
Expresado matemticamente,

GASCA SOLAR RUTH DANIELA


4
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

De manera similar y i. es el promedio de las observaciones hechas bajo el tratamiento i,Y J es

el promedio de las observaciones del bloque j, y .. es el gran promedio de todas las


observaciones. Es decir,

La suma de cuadrados total corregida puede expresarse como

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

Mediante procedimientos algebraicos simples, pero laboriosos, se prueba que los tres
productos cruzados son cero. Por lo tanto,

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

Puesto que hay N observaciones, SST tiene N - 1 grados de libertad. Hay a tratamientos y b
bloques, de donde SStatamientos ySSBloques tienen a -1 y I grados de libertad, respectivamente. La
suma de cuadrados del error es slo la suma de cuadrados entre las celdas menos la suma de
cuadrados de los tratamientos y los bloques. Haya b celdas con ab -1 grados de libertad entre
ellas, de donde SSE tiene 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 SS Tratamientos /2, SSBloque/2y SSE/2son variables
aleatorias ji-cuadrada con distribuciones independientes. Cada suma de cuadrados dividida por

GASCA SOLAR RUTH DANIELA


5
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
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

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

que se distribuye como Fa-1, (a-1j(b-1) si la hiptesis nula es verdadera. La regin crtica es la
cola superior de la distribucin F, y Ho se rechazara si Fo > 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 Ho:j = 0 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 Fo =MSBloque/MSE? Existen diferentes puntos de vista para abordar esta cuestin.
Por ejemplo, Box, Hunter y Hunter [18] sealan que la prueba F del anlisis de varianza comn
puede justificarse exclusivamente con base en la aleatorizacin, 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 (0, 2), puede usarse el estadstico Fo =MSBloque/MSE para comparar las medias de los
bloques. Por otra parte, Anderson y McLean 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 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 prueba F 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/MSE
es muy razonable. Si este cociente es muy

GASCA SOLAR RUTH DANIELA


6
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

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

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

DISEO DE CUADRADO LATINO

En la seccin 4-1 se introdujo el diseo de bloques completos aleatorizados como un diseo


para reducir el error residual de un experimento al eliminar la variabilidad debida a una
variable perturbadora conocida y controlable. Hay otros tipos de diseos que utilizan el
principio de la formacin de bloques. Por ejemplo, suponga que un experimentador estudia los
efectos que tienen cinco formulaciones diferentes de la carga propulsora utilizada en los
sistemas de expulsin de la tripulacin de un avin basado en la rapidez de combustin. Cada
formulacin se hace con un lote de materia prima que slo alcanza para probar cinco
formulaciones. Adems, las formulaciones son preparadas por varios operadores, y puede
haber diferencias sustanciales en las habilidades y experiencia de los operadores. Por lo tanto,
al parecer hay dos factores perturbadores que sern "calculados en promedio" en el diseo:
los lotes de materia prima y los operadores. El diseo apropiado para este problema consiste
en probar cada formulacin exactamente una vez con cada uno de los cinco operadores. Al
diseo resultante, ilustrado en la tabla 4-9, se le llama diseo de cuadrado latino. Observe
que el diseo es un arreglo cuadrado y que las cinco formulaciones (o tratamientos) se
denotan por las letras latinas A, B, C, D Y E; de ah el nombre de cuadrado latino. Se observa
que tanto los lotes de materia prima (renglones) como los operadores (columnas) son
GASCA SOLAR RUTH DANIELA
7
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
ortogonales a los tratamientos. El diseo de cuadrado latino se usa para eliminar dos fuentes
de variabilidad perturbadora; es decir, permite hacer la formacin de bloques sistemtica en
dos direcciones. Por lo tanto, los renglones y las columnas representan en realidad dos
restricciones sobre la aleatorizacin. En general, un cuadrado latino para p factores, o
cuadrado latino p X p, es un cuadrado con p renglones y p columnas. Cada una de las p2 celdas
resultantes contiene una de las p letras que corresponde a los tratamientos, y cada letra
ocurre una y slo una vez en cada rengln y columna. Algunos ejemplos de cuadrados latinos
son

El modelo estadstico de un cuadrado latino es

dondeYijk es la observacin en el rengln i-simo y la columna k-sima para el tratamiento j-


simo, es la media global, es el efecto del rengln i-simo, j es el efecto del tratamiento j-
simo, k es el efecto de la columna k-sima, y ijk es el error aleatorio. Observe que se trata de
un modelo de los efectos. El modelo es completamente aditivo; es decir, no hay interaccin
entre renglones, columnas y tratamientos. Puesto que hay una sola observacin en cada
celda, slo se necesitan dos de los tres subndices i, j y k para denotar una observacin
particular. Por ejemplo, con referencia al problema de la carga propulsora de la tabla 4-9, si i =
2Yk = 3, se encuentra automticamente que j = 4 (formulacin D), y si i = 1Yj = 3
(formulacin C), se encuentra que k =3. sta es una consecuencia de que cada tratamiento
aparezca una vez exactamente en cada rengln y columna.
El anlisis de varianza consiste en hacer la particin de la suma de cuadrados total de las N
=p2 observaciones en los componentes de los renglones, las columnas, los tratamientos y el
error, por ejemplo,

con los respectivos grados de libertad

GASCA SOLAR RUTH DANIELA


8
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
Bajo el supuesto usual de que ijk es NID(0, 2), cada suma de cuadrados del lado derecho de la
ecuacin 4-23 es, al dividir por 2, una variable aleatoria ji-cuadrada con una distribucin
independiente. El estadstico apropiado para probar que no hay diferencias en las medias de
los tratamientos es

que se distribuye como Fp - 1, (p -2)(P-1) bajo la hiptesis nula. Tambin puede probarse la ausencia
de efectos de los renglones o la ausencia de efectos de las columnas formando el cociente de
MSRengloneS o MSColumnas con MSE' Sin embargo, puesto que los renglones y las columnas
representan restricciones sobre la aleatorizacin, estas pruebas quiz no sean apropiadas.
En la tabla 4-10 se presenta el procedimiento de clculo para el anlisis de varianza. Por las
frmulas de clculo para las sumas de cuadrados, se observa que el anlisis es una extensin
simple del RCBD, con la suma de cuadrados resultante de los renglones obtenida a partir de
los totales de los renglones.

Como en cualquier problema de diseo, el experimentador debera investigar la adecuacin


del modelo inspeccionando y graficando los residuales. Para un cuadrado latino, los residuales
estn dados por

El lector deber encontrar los residuales del ejemplo 4-4 y construir las grficas apropiadas.

GASCA SOLAR RUTH DANIELA


9
CONTRERAS ROJAS ROBERTO
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

A un cuadrado latino en el que el primer rengln y la primera columna constan de letras


escritas en orden alfabtico se le llama cuadrado latino estndar.

Siempre es posible obtener un cuadrado latino estndar escribiendo el primer rengln en


orden alfabtico y escribiendo despus cada rengln sucesivo como la sucesin de letras que
estn justo arriba, recorridas un lugar a la izquierda. En la tabla 4-13 se resumen varios hechos
importantes acerca de los cuadrados latinos y de los cuadrados latinos estndares. Como con
cualquier diseo experimental, las observaciones del cuadrado latino debern tomarse de
manera aleatoria. El procedimiento de aleatorizacin correcto es seleccionando al azar el
cuadrado empleado. Como se observa en la tabla 4-13, hay un gran nmero de cuadrados
latinos de un tamao particular, por lo que es imposible enumerar todos los cuadrados y
seleccionar uno al azar. El procedimiento usual es seleccionar un cuadrado latino de una tabla
de estos diseos, como en Fisher y Yates [45], Y despus arreglar al azar el orden de los
renglones, las columnas y las letras. Esto se analiza con mayor detalle en Fisher y Yates [45].
Ocasionalmente, falta una observacin en un cuadrado latino. Para un cuadrado latino p x p, el
valor faltante puede estimarse con

donde las primas indican los totales del rengln, la columna y el tratamiento con el valor
faltante, y Y:. es el gran total con el valor faltante.
Los cuadrados latinos pueden ser tiles en situaciones en las que los renglones y las columnas
representan los factores que el experimentador en realidad quiere estudiar ye n las que no hay
restricciones sobre la aleatorizacin. Por lo tanto, los tres factores (renglones, columnas y
letras), cada uno con p niveles, pueden investigarse en slop2 corridas. En este diseo se
supone que no existe interaccin entre los factores. Se abundar ms adelante sobre el tema
de la interaccin.

DISEO DE CUADRADO GRECOLATINO


Considere un cuadrado latino p x p al cual se le superpone un segundo cuadrado latino p x p
en el que los tratamientos se denotan con letras griegas. Si cuando se hace la superposicin
los dos cuadrados tienen la propiedad de que cada letra griega aparece una y slo una vez con
cada letra latina, se dice que los dos cuadrados latinos son ortoogonales, y al diseo obtenido
se le llama cuadrado grecolatino. En la tabla 4-18 se muestra un ejemplo de un cuadrado

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 0
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
grecolatino 4 x 4.El diseo de cuadrado grecolatino puede usarse para controlar
sistemticamente tres fuentes de variabilidad extraa, es decir, para hacer la formacin de
bloques en tres direcciones. El diseo permite la investigacin de cuatro factores (renglones,
columnas, letras latinas y letras griegas), cada una con p niveles en slo p2 corridas. Existen
cuadrados grecolatinos para toda p 3, excepto p = 6.

El modelo estadstico para el diseo de cuadrado grecolatino es

Donde Yijkl es la observacin del rengln i y la columna l para la letra latina j y la letra griega k,
es el efecto del rengln i-simo, es el efecto del tratamiento de letra latina j, k es el
efecto del tratamiento de letra griega k, I es el efecto de la columna l, y ijkl es un
componente NID(0,2) del error aleatorio. Slo son necesarios dos de los cuatro subndices
para identificar completamente una observacin.
El anlisis de varianza es muy parecido al de un cuadrado latino. Puesto que las letras griegas
aparecen exactamente una vez en cada rengln y columna, y exactamente una vez con cada
letra latina, el factor representado por las letras griegas es ortogonal a los renglones, las
columnas y los tratamientos de letras latinas. Por lo tanto, puede calcularse una suma de
cuadrados debida al factor de las letras griegas a partir de los totales de las letras griegas y el

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 1
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4
error experimental se reduce adicionalmente en esta cantidad. En la tabla 4-19 se ilustran los
detalles de los clculos. La hiptesis nula de la igualdad de tratamientos de renglones,
columnas, letras latinas y letras griegas, se probara dividiendo el cuadrado medio
correspondiente por el cuadrado medio del error. La regin de rechazo es la cola superior del
punto de la distribucin Fp-1, (P-3)(P-1).

Fuente de informacin:
Montgomery D. Diseo y anlisis de experimentos. 2a Edicin. Mxico. Ed. Limusa Wiley, 2012.
Captulo 4.

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 2
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 3
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 4
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 5
ESTADSTICA INFERENCIAL DISEO DE BLOQUES
UNIDAD 4

GASCA SOLAR RUTH DANIELA 1


CONTRERAS ROJAS ROBERTO 6