6.7 ¿Qué es un diseño bloqueado?
Cuando se estudia la eficacia de una nueva vacuna, la muestra con la que se realiza la prueba se divide en dos grupos: el llamado grupo de control, al que se aplica un placebo, y el grupo tratado, al que se aplica la vacuna.
Naturalmente, es muy importante que los dos grupos sean lo más parecidos posible. No estaría bien poner en el grupo de control a las personas mayores y en el grupo tratado a los jóvenes, porque si hay menos incidencia de la enfermedad en el grupo tratado no se sabrá si esa diferencia es debida a la vacuna o a la juventud. Cuando se estudia la influencia de un factor sobre una respuesta interesa que la única variable que cambie de un grupo a otro sea aquella cuyo efecto se desea estudiar. De esta forma, si existe diferencia entre grupos esta solo pueda ser atribuida al factor en estudio.
Pero no siempre es posible mantener fijas todas las variables ajenas a la experimentación y que pueden afectar a la respuesta. Si queremos analizar si dos aparatos para medir la tensión arterial dan el mismo resultado y tenemos 10 personas para realizar la prueba, no sería razonable medir la tensión a 5 de ellas con el aparato A y a las otras 5 con el B, porque –evidentemente– al valor obtenido le puede afectar el aparato, pero seguro que también le afecta la tensión arterial de la persona. Sería más razonable medir la tensión a cada una con los dos aparatos y analizar las diferencias. La unidad dentro de la cual solo influye la variable en estudio se denomina bloque, en este caso cada persona es un bloque. El cómo hacer las mediciones no es un tema menor, no sería una buena idea tomar la presión siempre primero con el aparato A y después con el B. En general conviene aleatorizar dentro de cada bloque teniendo lo que se llama un diseño en bloques aleatorizados.
También cuando se realiza un diseño factorial puede ser difícil mantener fijas todas las variables ajenas a la experimentación y que pueden influir sobre la respuesta. Supongamos que deseamos estudiar cómo 3 factores afectan a una respuesta realizando un diseño \(2^3\). Es necesario realizar 8 experimentos, pero supongamos que solo pueden realizarse 4 al día y que entre el primer y el segundo día de experimentación pasa una semana. Quizá de una semana a otra cambia el estado de las máquinas, o el de la materia prima o las condiciones ambientales y esas variables también podrían influir en la respuesta.
Es posible seleccionar los 4 experimentos que se deben hacer en cada bloque de forma que se neutralice la influencia de los factores asociados al cambio de día. La mejor manera de hacerlo es tal como se indica en la figura 1. A la izquierda se tienen los resultados realizando todos los experimentos en condiciones homogéneas y a la derecha los resultados experimentando en dos bloques: las respuestas dentro de un círculo corresponden al día 1, y dentro de un cuadrado al día 2. Los cambios en las condiciones provocan que el día 2 la respuesta sea 10 unidades mayor, pero si calcula los efectos principales y las interacciones de dos factores (lo que realmente interesa) verá que son exactamente los mismos tanto en un caso como en otro.
En resumen, cuando comparamos tratamientos o estudiamos cómo un conjunto de factores afectan a una respuesta, hay que estar seguros de que no están influyendo otros factores que no tenemos controlados. Se puede diseñar la recogida de los datos de forma que la influencia de esos factores quede neutralizada. Estos diseños se llaman bloqueados.