Caractersticas:
Los bloques pueden estar formados por reas homogneas de un terreno, grupo de
animales que puedan manipularse en forma uniforme (misma raza, misma edad, mismo
peso, etc.).
La variabilidad natural existente entre las unidades experimentales puede ser subdividida
por el hecho de haber agrupado a las unidades experimentales en grupos heterogneos
(bloques) pero conformados por unidades homogneas. As, parte de lo que es la
variabilidad natural de las unidades puede ser atribuda a algo ahora conocido (bloques) y
otra parte seguir siendo variabilidad natural de las unidades experimentales.
Es interesante notar que la restriccin impuesta la aleatorizacin sorteo implica que cada
estrato o bloque corresponde con una repeticin completa de los tratamientos.
Los bloques o repeticiones puede ser das, observadores, animales, corrales, pacientes,
colegios, clones, laboratorios, estufas, cmaras de crecimiento, etc. As este diseo podra
ser usado para controlar una fuente de variacin en el material experimental y no
solamente la variacin entre bloques en un campo.
Ejm.
E D C
A C B
C A D 5 tratamientos
cada bloque debe
D B E tener 5 u.e.
B E A Tratamientos: A,B,C,D,E.
B1 B2 B3
Ventajas:
3. Es factible realizar el anlisis experimental, cuando por alguna causa se hubiera perdido
algn bloque. Adems si el resultado de una unidad experimental no se llegara a
registrar (prdida de la unidad experimental), existen tcnicas estadsticas simples para
poder estimar el resultado.
Desventajas:
3. No es recomendable utilizar este diseo cuando se verifica que existe interaccin entre
bloques y tratamientos.
Donde:
Este modelo corresponde al modelo poblacional y debe ser estimado a travs del
experimento en s. La estimacin de parmetros del modelo se obtiene por el mtodo de
mnimos cuadrados del error.
Hiptesis:
1. Para tratamientos:
Ho: 1 = 2 = = t
H1: 1 2 t
2. Para bloques:
r
H o : B j 0 (No hay diferencia entre los bloques)
j 1
r
H1 : B j 0 (Si hay diferencia entre los bloques)
j 1
Criterio de prueba F:
1. Para tratamientos:
Fc = CMTratam./CMEE
Ft ( t 1);( r 1)( t 1) ;
Fc Ft Re chazoH 0
Si:
Fc Ft AceptoH 0
2. Para bloques:
Fc = CMBloques/CMEE
Fc Ft Re chazoH 0
Si:
Fc Ft AcaptoH 0
ANVA
F.V. G.L SC CM Fc
Bloques (r-1)
y. 2
j
y ij
2 CMBloq. CMBloq./CMerror
CMTrat/CMerror
Tratamientos (t-1) t rt CM Tratam.
y 2
i .
y ij
2
Tratam.
Total
T1 T2 T3 ... Tt (i)
Bloques
Bloques
I y11 y21 y31 ... yt2 y.1
II y12 y22 y32 ... yt2 y.2
III (j) y13 y23 y33 ... yt3 y.3
. . . . ... . .
. . . . ... . .
. . . . ... . .
r y1r y2r y3r ... ytr y.r
Total de Total
y1. y2. y3. . yt. Y..
tratamientos general
2
y y.22 ... y.2r y..2
1. SCBLOQ.= .1
t rt
1. Prueba t
Es una prueba para comparaciones planeadas con anterioridad. El nivel de significacin se
toma como una tasa de error individual. Los supuestos para la realizacin de esta prueba es
que la prueba F del anlisis de varianza sea significativa.
Hiptesis:
H0: i - j = k
Ha: i j k
Estadstico de prueba:
Tc
Y i0 Y jo K
: (GLERROR ,1 )
Sd
1 1
Donde Sd= CM E
ri rj
Tc
Yi0 Y jo K
2CM E
r
Regla de decisin:
La prueba consiste en calcular una diferencia lmite significativa (DLS) de modo que
cualquier diferencia entre las medias de dos tratamientos mayor a dicho lmite sea
significativa. El supuesto para esta prueba es lo mismo que para la prueba t y por supuesto,
tambin debe ser planeada con anterioridad.
H0 = i = j
Ha = i j
DLS S d xt v ,
2CM ERROR
Sd para: r1= r2 =...= rj
r
1 1
Sd= CM error ri rj
ri rj
Criterio de decisin:
Esta prueba tiene en cuenta los rdenes que les toca a los promedios de los tratamientos en
comparacin en el ordenamiento general, dando mayores lmites de significacin (mayor
exigencia) en las comparaciones de tratamientos ms apartados en el ordenamiento.
Esta prueba no requiere como la de t y DLS de una prueba previa de F, pues puede hacerse
la prueba de Duncan an sin ser significativa la prueba F, pero s requiere homogeneidad
de variancias entre los tratamientos.
Hiptesis:
H0 = i = j
Ha = i j
Se hace las hiptesis para todas las comparaciones posibles entre los tratamientos.
CM ERROR
SX r1 r2 ... rj
r
CM ERROR 1 1
SX r rj (Cuando son desiguales)
2 ri rj
Valor Crtico:
ALSD = (AES)D*SX
Criterio de decisin:
4. La prueba de Tukey
Hiptesis:
H0 = i = j
Ha = i j
Se hace las hiptesis para todas las comparaciones posibles entre los tratamientos.
ALST = (AES)T*SX
Donde:
CM ERROR
SX r1 r2 ... rj
r
CM ERROR 1 1
SX r rj (Cuando son desiguales)
2 ri rj
Criterio de decisin:
Hiptesis:
H0 = i = j
Ha = i j
Se hace las hiptesis para todas las comparaciones posibles entre los tratamientos.
Comparacin de prueba.
ALSS-N-K= (AES)i x S X
Donde:
- AES, se busca en la tabla de S-N-K con los G.L error y el nivel para p = 2,3,...t (N de tratamientos).
CM ERROR
SX r1 r2 ... rj
r
CM ERROR 1 1
SX r rj (Cuando son desiguales)
2 ri rj
Criterio de decisin:
La H0 se rechaza con un N.S. si la diferencia de las medias de la comparacin de dos
tratamientos es mayor que ALSS-N-K.
6. Prueba de Dunnet
La prueba de Dunnet es utilizada cuando se quiere comparar a cada uno de los tratamientos
contra el tratamiento testigo o control (cul o cules de los tratamientos superan al
tratamiento testigo). En esta prueba la tasa de error tambin es familiar. Los supuestos para
la realizacin de esta prueba son:
- Variancias homogneas
- Las muestras son extradas al azar.
Igual que la prueba de Tukey, DSL, existe un solo valor crtico, lo mismo que se encuentra
de la siguiente manera.
Hiptesis:
H0 = T = i
Ha = T i
Se hace las hiptesis para todas las comparaciones posibles entre los tratamientos y el
tratamiento testigo.
ALSDn = t(Dn)*Sd
Donde:
2CM ERROR
Sd . cuando r1 r2 ... Cte.
2
1 1
Sd= CM error ri rj
ri rj
Criterio de decisin: