Upload
thander2010
View
115
Download
7
Embed Size (px)
Citation preview
Usuario
UNIVERSIDAD NACIONAL DEL SANTA
ESCUELA ACADÉMICA PROFESIONAL
INGENIERÍA AGROINDUSTRIAL
REFRACTOMETRIATEMA : DISEÑO CUADRADO LATINO Y GRECOLATINO.
DOCENTE :PEDRO GAMARRA.
ASIGNATURA :METODOLOGÍA DE LA INVESTIGACIÓN
CICLO :VIII
INTEGRANTES : CORDOVA RODAS, Jonathan A. MORENO SÁNCHEZ, Sully Rubí. VILLACA TERRONES, Walter A.
DISEÑO CUADRADO LATINO (DCL)
INTRODUCCIÓN
Ya vimos que el diseño de bloques al azar, era el diseño apropiado cuando se
conocía de antemano alguna fuente de variabilidad adicional entre las unidades
experimentales. ¿Pero qué pasa si se sabe de dos fuentes de variabilidad adicional que
afectan el material experimental?
Supongamos que se tiene un experimento agrícola donde las
unidades experimentales son parcelas, pero estas parcelas están ubicadas en
diferentes tipos de suelo y además tienen diferentes valores de pH., uno podría pensar
en realizar un diseño de bloques al azar usando cualquiera de estas dos
características: realizando bloques de acuerdo a los diferentes valores de pH o
bloques que consideren los diferentes tipos de suelo. Otra alternativa, que como ya se
habrán imaginado es la más adecuada, es hacer un “doble bloqueo”, o sea bloques en
dos direcciones o en sus dos criterios de clasificación, a los que se llamara bloques por
fila y bloques por columna, que consideren las dos fuentes de variación, a este tipo de
diseño se le denomina Cuadrado Latino, donde se tiene un conjunto de “t” tratamientos y
“t2” unidades experimentales, que son agrupadas por dos fuentes de variabilidad.
El DCL es un agrupamiento de las unidades experimentales en dos direcciones (filas y
columnas) y la asignación de los tratamientos al azar en las unidades, de tal forma que
en cada fila y en cada columna se encuentren todos los tratamientos constituye un
diseño cuadrado latino.
Este diseño es una ampliación del diseño de bloques, el cuadro latino permite la
comparación de los tratamientos cuando están sujetos simultáneamente a dos conjuntos
de bloques. Un conjunto de bloques se asignan a las filas del cuadrado latino, el otro
conjunto de bloques se asignan a las columnas del cuadrado. Luego los tratamientos,
generalmente representados con letras latinas, se asignan al azar en cada celda de las
intersecciones filas- columnas bajo la única condición de que cada tratamiento aparezca
una vez y sólo una vez en cada fila y en cada columna. Éste diseño adolece de la
condición de que el número de bloques de cada conjunto debe ser igual al número de
tratamientos.
El diseño de cuadrados latinos tuvo sus orígenes en experimentos agrícolas, donde
se tenían parcelas de terreno con gradientes de fertilidad en dos direcciones, tal
como aparece en el siguiente gráfico.
Gradiente 1
Gradiente 2 Bloques “Fila”
1
2
3
4
1 2 3 4
Bloques “Columna”
Para un diseño de cuadrados latinos “t*t”, se tienen “t” tratamientos que se asignan
aleatoriamente a “t2” unidades experimentales, de tal manera que cada tratamiento
aparece una sola vez en cada “fila” y en cada “columna”, a cada tratamiento se le
designa con una letra latina: A, B, C, etcétera, de ahí el nombre de cuadrado latino.
En el ejemplo de los gradientes de fertilidad, se podría evaluar entonces el efecto de
cuatro tratamientos (A; B; C; D), que podrían estar dispuestos de la siguiente manera:
A B C D
B C D A
C D A B
D A B C
CA RAC TE RÍS TICAS :
Los DCL se distribuyen en grupos, bajo dos criterios de homogeneidad dentro de la
fila y dentro de la columna y heterogeneidad en otra forma.
En cada fila y en cada columna, el número de unidades es igual al número de
tratamientos.
Los tratamientos son asignados al azar en las unidades experimentales dentro de
cada fila y dentro de cada columna.
El número de filas = número de columnas = número de tratamientos.
Los análisis estadísticos T-student, Duncan, Tuckey y en pruebas de contraste se
procede como el diseño completo al azar y el diseño de bloques. La desviación
estándar de la diferencia de promedios y la desviación estandar del promedio, están
en función del cuadrado medio del error experimental.
MODE LO ES TAD ÍS TICO .
Cada observación del experimento es expresado como una relación lineal de los
efectos involucrados (tratamiento, fila y columna), así:
Y ij(k) = µ + F i + C j +τ (k) + errorij(k)
i,j,k=1,2,...,n
µ = efecto medio (parámetro del modelo)
F i = efecto de la fila i
C j = efecto de la columna j
τ (k) = efecto del tratamiento k
errorij(k) = error experimental de la u.e. i,j
Yij(k) = Observación en la unidad experimental
El subíndice (k) indica que tratamiento k fue aplicado en la u.e.
El modelo está compuesto por n2 ecuaciones, una para cada
ES T I MAC I Ó N D E PA R ÁME TR OS .
El número de parámetros a estimar es igual a 3n+1 y la estimación puede resolverse por
mínimos cuadrados del error, máxima verosimilitud u otro método, en nuestro caso se
utilizara el método de mínimos cuadrados del error.
La función a minimizar es:
La solución constituye el conjunto de estimadores de los parámetros del modelo, dado
por:
( µˆ , Fˆ i ,Cˆ j ,τˆk ) para i,j,k = 1,2,...,n
El sistema de ecuaciones que darán solución constituyen las ecuaciones normales, para
tener una única solución, se agregan al sistema las siguientes restricciones:
∑ Fˆ i = 0 ; ∑ Cˆ j = 0 ; ∑τˆi = 0
La solución son los estimadores mínimos cuadráticos:
y el error en cada u.e. es:
SUMA S D E CUAD RADO S
A partir del modelo estimado, la suma de cuadrados del total es descompuesto en
suma de cuadrados de tratamientos, filas, columnas y error experimental:
VEN T AJAS
Si se conocen dos fuentes de variabilidad de las unidades experimentales y se
puede hacer un “bloqueo” en dos direcciones, se va a poder hacer una
comparación más precisa de los tratamientos (se tiene más potencia) pues la
variación debida a las filas y las columnas es removida del error
experimental.
Es fácil de analizar, comparado con el diseño de bloques al azar, sólo se
requiere de una suma de cuadrados adicional.
Cuando se tienen cuadrados pequeños (lo que implica pocos grados de
libertad para el error experimental) se pueden utilizar varios de estos
cuadrados de poco tamaño y realizar un análisis combinado de los mismos en
algo que se llama cuadrados latinos repetidos.
DE S VEN T AJAS
El número de tratamientos, filas y columnas debe ser igual, a veces es difícil
encontrar unidades experimentales que permitan armar los bloques
homogéneos en las dos direcciones, más aún, si el número de tratamientos es
grande.
Los diseños pequeños tienen pocos grados de libertad para la estimación del
error experimental y a medida que el tamaño del diseño aumenta, es posible
que no se tenga homogeneidad al interior de cada bloque.
No es un diseño adecuado si existe interacción entre los efectos de fila,
columna y tratamientos.
MODELO ADITIVO LINEAL
Dónde:
: Unidad experimental observado por efecto del i-ésimo tratamiento, en la j-ésima
fila y k-ésima columna.
μ : Es el efecto de la media general.
τ i : Es el efecto del i-ésimo tratamiento.
: Es el efecto de la j-ésima fila.
: Es el efecto de la k-ésima columna.
Es el efecto del error experimental en el i-ésimo tratamiento, j-ésima fila y k-
ésima columna.
t : Es el número de tratamientos, numero de filas y columnas.
FORMULACIÓN DE HIPÓTESIS
Para tratamientos Para filas Para columnas
: :
: Al menos un :
NIVEL DE SIGNIFICANCIA
= 5%, 1%
Análisis de Varianza
Fuentes de
Variación
(FV)
Suma de
Cuadrados
(SC)
Grados de
Libertad
(gl)
Cuadrados
Medios
(CM)
Estadístico de
prueba
(Fc)
Tratamientos
Filas
Columnas
Error
experimental
Total
EJERCICIO DE DCL
Se realizó un experimento para observar el rendimiento en kilogramos por parcela de 5
variedades de garbanzo (A, B, C, D) en el cual se tuvo que utilizar el diseño cuadrado latino.
Las filas fueron definidas como niveles de riego y las columnas como fertilidad del suelo.
http://www.ugr.es/~bioestad/guiaspss/practica7/ArchivosAdjuntos/GrecoLatinos.pdf
http://tarwi.lamolina.edu.pe/~fmendiburu/index-filer/academic/design/Latino.pdf
DISEÑO GRECOLATINO
INTRODUCCIÓN
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 K y el número de observaciones
necesarias sigue siendo K 2. Este diseño es, por tanto, una fracción del diseño
completo en bloques aleatorizados con un factor principal y 3 factores secundarios
que requeriría K 4 observaciones.
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.