16 de junio de 2017
Introducción
En este diseño las unidades experimentales son clasificadas de
acuerdo a dos criterios de bloqueo. Al igual que en el DBCA, los
bloques formados en el diseño cuadrado latino (DCL) en sus dos
criterios de clasificación, a los que se llamará bloques por filas y
bloques por columnas, son completos, es decir, cada tratamiento
aparece una vez en cada fila y en cada columna.
Es un diseño de experimentos completo de tres factores, todos ellos
con t niveles y necesita t 2 observaciones.
La principal condición de este diseño es que el número de
tratamientos, filas y columnas debe ser el mismo.
Introducción
Por tanto, el diseño cuadrado latino se puede utilizar si se verifican las
siguientes condiciones:
1 Es un diseño de experimentos con tres factores. en los que se
controlan tres fuentes de variabilidad, un factor principal y dos
factores de bloque
2 Los tres factores tienen el mismo número de niveles: t niveles.
3 No hay interacciones entre los tres factores.
4 Cada nivel del factor principal aparece una vez en cada fila y una
vez en cada columna.
Los cuadrados más comunes van de 5 × 5 a 8 × 8; cuadrados muy
pequeños dejan muy pocos grados de libertad para la estimación del
error experimental y cuadrados muy grandes implican la utilización de
muchas unidades experimentales.
Introducción
Cuadrado Latino 4 × 4: hay cuatro cuadrados latinos 4 × 4 estándar
que se presentan a continuación.
Notación
La notación para los totales que se va a utilizar en este diseño es
como sigue:
Número total de observaciones; n = t 2
El total y la media global
t X
t
X Y ...
Y ... = Yij(·) , Ȳ ... = (2)
n
i=1 j=1
Se debe encontrar
t X
X t
m«ın ϕ = m«ın (Yij(k ) − µ − αi − βj − τk )2
µ, αi βj τk µ, αi βj τk
i=1 j=1
∂ϕ ∂ϕ ∂ϕ ∂ϕ
= 0; =0; =0; =0
∂µ ∂ αi ∂ βj ∂ τk
(Maestría en Estadística - UNSAAC) 16 de junio de 2017 11 / 48
Análisis del Modelo del Diseño Cuadrado Latino
Y ...
µ̂ = = Ȳ ...
t2
Yp .. Y ...
α̂p = − 2 = Ȳp .. − Ȳ ...; p = 1, · · · , t
t t
Y .s . Y ...
β̂q = − 2 = Ȳ .s . − Ȳ ...; s = 1, · · · , t
t t
Y ..q Y ...
τ̂s = − 2 = Ȳ ..q − Ȳ ...; q = 1, · · · , t
t t
Se verifica que los residuos suman cero por filas, columnas y para
cada letra. El número de grados de libertad de los residuos es
(t − 1)(t − 2), en efecto
Análisis de Varianza
Esta descomposición de las fuentes de variación en términos de suma
de cuadrados se tiene:
Análisis de Varianza
El análisis de varianza se resume en la siguiente Tabla.
Fuente de Grados de Suma de Cuadrado E(CM)
Variación Libertad Cuadrados Medio Modelo Fijo
Fila t −1 SCF CMF = SCF
t−1
t P 2
σ 2 + t−1 αi
SCC t P 2
Columna t −1 SCC CMC = t−1
σ 2 + t−1 βj
SCT t P 2
Tratamiento t −1 SCT CMT = t−1 σ 2 + t−1 τk
SCE
Residual (t − 1)(t − 2) SCE CME = (t−1)(t−2)
σ2
Total t2 −1 SCTot
Análisis de Varianza
Las Sumas de cuadrado son:
t X
r 2
Pt 2 2
X
2 Y··· i=1 Yi·· Y···
SCTot = Yij(.) − 2
; SCF = − 2
t t t
i=1 j=1
Pt 2 Pt 2
j=1 Y·j·
2 Y2
Y··· k =1 Y··k
SCC = − ; SCT = − ···
t t2 t t2
t X t Pt Pt 2 Pt
2 Y 2
i=1 Yi·· j=1 ·j· k =1 Y··k Y2
+ 2 ···
X
2
SCE = Yij(.) − − −
t t t t2
i=1 j=1
Ho : τ1 = τ2 = ... = τt = 0
Ha : no todas las τk son iguales a cero
CMF CMC
Fcfil = Fccol =
CME CME
Ambos estadísticos tienen distribución F con t − 1 y (t − 1)(t − 2)
grados de libertad
Introducción
Los cuadrados greco-latinos se obtienen por superposición de dos
cuadrados latinos del mismo orden y ortogonales entre sí, uno de los
cuadrados con letras latinas el otro con letras griegas.
Dos cuadrados reciben el nombre de ortogonales si, al superponerlos,
cada letra latina y griega aparecen juntas una sola vez en el cuadrado
resultante.
El modelo en cuadrado greco-latino se puede considerar como una
extensión del cuadrado latino en el que se incluye una tercera variable
de control o variable de bloque.
En este modelo, como en el diseño en cuadrado latino, todos los
factores deben tener el mismo número de niveles t y el número de
observaciones necesarias sigue siendo t 2 .
Ejemplo:
Tabla 3. Cuadrado Greco Latino para t = 4
A α B β C γ D δ
D γ C δ B α A β
B δ A γ D β C α
C β D α A δ B γ
Notación y totales
El análisis es muy parecido al del Diseño Cuadrado Latino.
La notación para los totales que se va a utilizar en este diseño es
como sigue:
Número total de observaciones; n = t 2
El total y la media global
t X
t
X Y ....
Y .... = Yij(··) , Ȳ .... =
t2
i=1 j=1
Notación
El total y la media para cada Tratamiento (letra griega).
X Y ...l
Y ...l = Yij(·l) , Ȳ ...l =
t
i,j
Análisis de Varianza
El análisis de varianza se resume en la siguiente Tabla
Fuente de Grados de Suma de Cuadrado E(CM)
Variación Libertad Cuadrados Medio Modelo Fijo
Fila t −1 SCF CMF = SCF
t−1
t P 2
σ 2 + t−1 ηi
SCC t P 2
Columna t −1 SCC CMC = t−1
σ 2 + t−1 θj
SCL t P 2
T. Latino t −1 SCL CML = t−1 σ 2 + t−1 τk
T. Griego t −1 SCG CMG = SCG
t−1
t P 2
σ 2 + t−1 ϕk
SCE
Residual (t − 1)(t − 3) SCE CME = (t−1)(t−3)
σ2
Total t2 −1 SCTot
Análisis de Varianza
Las sumas de Cuadrado son dadas por:
t X
r 2
Pt 2 2
X
2 Y···· i=1 Yi··· Y····
SCTot = Yij(.) − ; SCF = −
t2 t t2
i=1 j=1
Pt 2 Pt
Y·j·· 2 2
Y··k 2
j=1 Y···· k =1 · Y····
SCC = − ; SCL = −
t t2 t t2
Pt 2 2
l=1 Y···l Y····
SCG = −
t t2
t Xt Pt Pt 2 Pt Pt
2
Yi··· Y·j·· 2
Y··k 2
Y···l
X
2 i=1 j=1 k =1 · l=1
SCE = Yij(··) − − − −
t t t t
i=1 j=1
2
Y····
+2 = SCTot − SCF − SCC − SCL − SCG
t2
Pruebas de Hipótesis
Las pruebas de hipótesis se realizan relación a los tratamientos y a los
bloques.
Se plantean las siguientes hipótesis:
CMF CMC
Fcfil = Fccol =
CME CME
CML CMG
Fclat = Fcgri =
CME CME
Todos estos estadísticos tienen distribución F con t − 1 y (t − 1)(t − 3)
grados de libertad
CMC + (t − 1)CMECL
ER(BCA a CA) =
tCMECL
CMF + (t − 1)CMECL
ER(BCA a CA) =
tCMECL
El análisis de varianza es
donde Yi0 .., Y 0 .j . y Y 0 ..k son los totales de la fila, columna y tratamiento
respectivamente con la observación faltante y Y 0 ... es el total general
con el valor faltante. El procedimiento es el mismo que se utilizó en el
Diseño por Bloques Aleatorios Completo para encontrar un valor
faltante. De igual forma que se hizo para el caso anterior se pueden
encontrar dos observaciones faltantes utilizando esta fórmula
reiteradamente.