Tamaño de Muestras

Método 1

Las mismas consideraciones discutidas para determinar el tamaño de muestra en un DCA se tienen aquí. Kanstenbaum et al. (1970) desarrolaron tablas para encontrar el tamaño de muestra adecuado para probar tratamientos en un DBC basados en el máximo valor del rango estandarizado ; la razón entre la diferencia crítica () y la desviación estándar. Desafortudamente estas tablas no son muy extensivas, tabulan a solamente para y bloques con y y , , 0.05, 0.1, 0.2, y 0.3. Estas tablas son dadas en Martin tablas C-2b, son similares a las del diseño completamente al azar.

Unas mejores tabla fueron desarrolladas por Bratcher et al. (1970). Esas tablas son reproducidas en Martin (tablas C-2c), son específicamente para diseños de bloques completos al azar. Ellas proveen el número de réplicas para valores específicos del máximo rango estandarizado, , y para tratamientos. La interpolación lineal es probablemente suficente para valores de los parámetros que no esten en la tabla.

Método 2

Si se tiene alguna idea de que el bloqueo reduce la variabilidad, es decir, se conoce ER entonces se pueden usar las tablas de Bowman y Kastem Baun (1975) para hallar r y luego calcular a:

Programa en SAS

Bloques sin submuestreo

PROC GLM;

CLASS BLO TTOS;

MODEL Y= BLO TTOS ;

MEANS TTOS ;

Bloques con submuestreo

PROC GLM;

CLASS BLO TTOS;

MODEL Y= BLO TTOS BLO*TTOS;

TEST H=TTOS E=BLO*TTOS;

MEANS TTOS;

Bloques generalizado al azar

PROC GLM;

CLASS BLO TTOS;

MODEL Y= BLO TTOS BLO*TTOS;

MEANS TTOS BLO*TTOS;

Ejemplo 

(Montgomery - Probetas)

Se desea determinar si cuatro diferentes puntas producen una diferencia en la lecturas de un equipo para medir la dureza. La máquina funciona presionando la punta sobre una probeta de metal y determinando la dureza de la probeta a partir de la profundidad de la marca que se produce. El experimentador ha decidido obtener cuatro observaciones por cada punta, pero las probetas son ligeramente distintas en cuanto a la dureza ya que provienen de diferentes vaciados.

DM 'LOG;CLEAR;OUT;CLEAR;PGM;CLEAR';

OPTIONS NODATE NONUMBER PS=63 LS=90;

Data probeta;

Input blo ttos y ;

Cards;

1 1 9.3

1 2 9.4

1 3 9.2

1 4 9.7

2 1 9.4

2 2 9.3

2 3 9.4

2 4 9.6

3 1 9.6

3 2 9.8

3 3 9.5

3 4 10.0

4 1 10.0

4 2 9.9

4 3 9.7

4 4 10.2

;

PROC PRINT;

run;

data probCOD;

input blo ttos y;

cards;

1 1 -2

1 2 -1

1 3 -3

1 4 2

2 1 -1

2 2 -2

2 3 -1

2 4 1

3 1 1

3 2 3

3 3 0

3 4 5

4 1 5

4 2 4

4 3 2

4 4 7

;

PROC PRINT;

run;

proc glm data=probeta;

class blo ttos;

model y = blo ttos ;

means blo ttos;

means ttos / duncan;

output out= medias residual= res ;

run;

proc univariate normal plot;

var res;

run;

proc glm data=probCOD;

class blo ttos;

model y = blo ttos ;

means blo ttos;

means ttos / duncan;

output out= medias residual= res ;

run;

proc univariate normal plot;

var res;

run;