Estadstica Inferencial 2

I.G.E

Unidad #4
DISEO DE EXPERIMENTO DE UN FACTOR
*CUESTIONARIO
*UNIDAD DESARROLLADA

CUESTIONARIO DE LA UNIDAD 4.- DISEO DE EXPERIMENTO DE UN FACTOR

1.- Explique la importancia de los Diseos de Experimentos de un factor en la vida profesional de los
ingenieros en gestin empresarial.
2.- Explique en qu consiste un Diseo de experimento de un factor.
Es la secuencia completa de pasos tomados de antemano para asegurar que los datos apropiados se
obtendrn de modo que permitan un anlisis objetivo que conduzca a deduccin valida con respecto
al problema establecido.
3.- Cul es el propsito de un Diseo Experimental?
El propsito de un diseo experimental es proporcionar la mxima cantidad de informacin con
mnimo costo.
4.- Mencione y explique los principios bsicos del Diseo Experimental.
1.- repeticin.- el experimento debe repetirse cuantas veces sea necesario. Con ello se lograra
obtener el error experimental mas apropiado a la realidad y se puede apreciar mejor el efecto del
factor que se esta midiendo.
2.- Aleatorizacion.- todos los elementos a ser observados tiene la misma probabilidad de ser
seleccionados.
3.- control local.- es aquella parte del diseo que sirve para comparar, es decir este no recibir ningn
tratamiento para observar el efecto deseado.
5.- Mencione y explique los pasos a seguir en un Diseo de un experimento.
1.- enunciado del problema
2.- formulacin de las hiptesis
3.- sugerencias de la tcnica experimental y el diseo
4.- anlisis de los sucesos posibles y referencias bibliogrficas que aseguren que el experimento
proporcionara la informacin adecuada.
5.- en base a los procedimientos estadsticos que se utilizara hay que considerar los posibles
resultados.
6.- ejecucin del experimento
7.- aplicar la tcnica estadstica a los resultados
8.- conclusiones.
6.- Explique en qu consiste un TRATAMIENTO.
Es una de las modalidades o niveles que puede tomar un factor es estudios, por ejemplo, las
variedades por ensayar en un experimento de campo.
7.- Explique en qu consiste la UNIDAD EXPERIMENTAL.
Es la unidad bsica mas elemental que se emplea para experimentar la investigacin agrcola se
denomina simplemente parcelas.
8.- Explique en qu consiste un BLOQUE.
Es un conjunto de unidades experimentales ms o menos homogneas, cuyo objetivo es eliminar la
variabilidad del material experimental.
9.- Explique en qu consiste una REPETICION.
En la experimentacin agrcola, es muy frecuente denominar con este trmino a los bloques de un
experimento.

10.- Explique en qu consiste la ALEATORIZACION.

Generalmente se designa con este nombre, al proceso de asignacin de los tratamientos a las
unidades experimentales, sin que intervenga para ello la voluntad del experimentador.
11.- Explique en qu consiste un DISEO DE TRATAMIENTOS.
Se refiere a la manera de proyectar las combinaciones de tratamientos, cuando se ensayan dos o ms
factores.
12.- Explique en qu consiste un PARAMETRO.
Es una constante desconocida, en relacin con las distribuciones de una variable aleatoria.
13.- Explique en qu consiste EL COEFICIENTE DE VARIACION.
Es una medida relativa de la variabilidad, y es igual al cociente, expresado en porcentaje de la
desviacin estndar sobre la media.
14- Explique la clasificacin de los Diseos Experimentales.
15.- Mencione la Nomenclatura y simbologa en el Diseo Experimental.
R: Asignacin al azar o aleatorio.
G: Grupo de sujetos.
X: Tratamiento, estimulo o condicin experimental
O: Una medicin de los sujetos de un grupo. Si aparece antes del estmulo o tratamiento se trata de
una pero prueba. Si aparece despus se trata de un pos prueba. Ausencia de estmulos.

16.- Explique en qu consiste los CONTRASTES ORTOGONALES.

El rechazo de la HO en el anlisis de varianza del modelo de efecto fijo implica que hay diferencia
entre las medias del tratamiento pero la naturaleza exacta las diferenciaciones no se especifican.
17.- Explique en qu consiste el METODO DE SHEFFE.
Al igual que en la comparacin de los tratamientos en los contrastes ortogonales, cualquier mtodo
que se utilice para comprar media debern llevar las siguientes restricciones: las compresiones por
estudiar debern ser relacionada antes de cualquier anlisis de los datos. Es decir, si la comparacin
se hace una vez que se tiene los datos esta no ser valida si no fuera planeada antes de tener los
datos.
18.- Explique en qu consiste la PRUEBA DE TUKEY.
En trminos generales la conclusin de un anlisis de varianza consiste en enunciar hiptesis nula
respecto de la existencia o inexistencia de diferencias entre los tratamientos con determinados
niveles de probabilidad.
El objetivo de los procedimientos de compresin mltiple de medias es aislar la compresin entre la
media que por se significativa influyeron en la decisin.
19.- Explique en qu consiste la PRUEBA DE INTERVALO MULTIPLE DE DUNCAN.

Cuando se quiere probar todos los pares posibles de medias, se utiliza la prueba de Duncan. Entonces
la hiptesis nula seria: Ho: mi= para toda i diferente j
20.- Explique en qu consiste la PRUEBA DE BARTLETT.
No obstante que la relacin F que se obtiene del procedimiento de anlisis no es sensible a las
divergencias de la suposicin de varianza iguales para las K poblacionales normalmente cuando las
muestras son de igual tamao, aun se puede preferir ser cauto y llevar a cabo pruebas preliminares
para la homogeneidad de las varianzas.

UNIDAD 4

DISEO EXPERIMENTAL PARA UN FACTOR

4.1 INTRODUCCION, CONCEPTUALIZACION, IMPORTANCIA Y ALCANCES DEL DISEO

EXPERIMENTAL EN EL AMBITO EMPRESARIAL.

El

diseo

experimental

encuentra

aplicaciones

en

la industria,

la agricultura,

la mercadotecnia, la medicina, las ciencias de la conducta, etc. constituyendo una fase

esencial

en

el

desarrollo

de

un

estudio

experimental.

El diseo experimental es una tcnica estadstica que permite identificar y cuantificar las
causas de un efecto dentro de un estudio experimental. En un diseo experimental se
manipulan deliberadamente una o ms variables, vinculadas a las causas, para medir el
efecto que tienen en otra variable de inters. El diseo experimental prescribe una serie de
pautas relativas qu variables hay manipular, de qu manera, cuntas veces hay que repetir
el experimento y en qu orden para poder establecer con un grado de confianza predefinido
la

necesidad

de

una

presunta

relacin

de

causa-efecto.

Un diseo experimental sirve, generalmente, para comparar las medias de dos o ms

tratamientos (niveles de factor) a travs del anlisis de varianza, propuesto por Ronald A.
Fisher a principios del Siglo XX, de los datos experimentales. Como es conocido, un
experimento consiste en una manipulacin intencional y controlada de una o ms variables
para evaluar su (supuesto) efecto en la variable dependiente o variable-respuesta.
Dependiendo de las caractersticas del material experimental, el experimento puede hacerse
en un diseo completamente aleatorizado (cuando el material experimental se supone
sensiblemente homogneo), en un diseo de bloques completos al azar (cuando se supone
variacin en una direccin), en diseo en cuadrados latinos (se asume que hay variacin en
dos direcciones); hay otras variantes de diseo experimental como el diseo grecolatino,
parcelas divididas o anidado, bloques incompletos, bloques generalizados, entre otros.
En otros trminos, el diseo experimental involucra el arreglo fsico de los diferentes niveles
de factor cuando se realiza el experimento, segn la variabilidad del material experimental; la
particin de la variabilidad contenida en los datos experimentales en la variabilidad atribuida
a las diferentes fuentes (de variacin) se realiza a travs del anlisis de varianza. Este
anlisis permite concluir si hay diferencias o no entre las medias de los diferentes niveles de
factor (los tratamientos). La implicacin de esta bsqueda es, entre otros ejemplos, encontrar

la combinacin de factores ptima que nos produce el material ms resistente, hallar la mejor
combinacin de elementos que produce el mayor aumento de biomasa en seres vivos o el
nivel

de

combinacin

de

factores

que

eficiente

un

proceso.

4.2 CLASIFICACION DE LOS DISEOS EXPERIMENTALES.

Algunos diseos experimentales clsicos.
Un diseo experimental; es una regla que determina la asignacin de las unidades
experimentales a los tratamientos. Aunque los experimentos difieren unos de otros en
muchos aspectos, existen diseos estndar que se utilizan con mucha frecuencia. Algunos
de los ms utilizados son los siguientes:

* Diseo completamente aleatorizado.

El experimentador asigna las unidades experimentales a los tratamientos al azar. La nica
restriccin es el nmero de observaciones que se toman en cada tratamiento. De hecho
si ni es el nmero de observaciones en el i-simo tratamiento, i = 1,..., I, entonces, los
valores n1, n2,..., nI determinan por completo las propiedades estadsticas del diseo.
Naturalmente, este tipo de diseo se utiliza en experimentos que no incluyen factores
bloque.
El modelo matemtico de este diseo tiene la forma:

* Diseo en bloques o con un factor bloque.

En este diseo el experimentador agrupa las unidades experimentales en bloques, a
continuacin determina la distribucin de los tratamientos en cada bloque y, por ltimo,
asigna al azar las unidades experimentales a los tratamientos dentro de cada bloque.
En el anlisis estadstico de un diseo en bloques, stos se tratan como los niveles de un
nico factor de bloqueo, aunque en realidad puedan venir definidos por la combinacin de
niveles de ms de un factor nuisance.
El modelo matemtico de este diseo es:

El diseo en bloques ms simple es el denominado diseo en bloques completos, en el que

cada tratamiento se observa el mismo nmero de veces en cada bloque.

El diseo en bloques completos con una nica observacin por cada tratamiento se
denomina diseo en bloques completamente aleatorizado o, simplemente, diseo en
bloques aleatorizado.
Cuando el tamao del bloque es inferior al nmero de tratamientos no es posible observar la
totalidad de tratamientos en cada bloque y se habla entonces de diseo en
bloques incompletos.

* Diseos con dos o ms factores bloque.

En ocasiones hay dos (o ms) fuentes de variacin lo suficientemente importantes como para
ser designadas factores de bloqueo. En tal caso, ambos factores bloque pueden
ser cruzados o anidados.

* Los factores bloque estn cruzados cuando existen unidades experimentales en todas las
combinaciones posibles de los niveles de los factores bloques.

* Diseo con factores bloque cruzados. Tambin denominado diseo fila-columna, se

caracteriza porque existen unidades experimentales en todas las celdas (intersecciones de
fila y columna).

* Los factores bloque estn anidados si cada nivel particular de uno de los factores bloque
ocurre en un nico nivel del otro factor bloque.

* Diseo con factores bloque anidados o jerarquizados. Dos factores bloque se dicen
anidados cuando observaciones pertenecientes a dos niveles distintos de un factor bloque
estn automticamente en dos niveles distintos del segundo factor bloque.

* Diseos con dos o ms factores. En algunas ocasiones se est interesado en estudiar la

influencia de dos (o ms) factores tratamiento, para ello se hace un diseo de filas por
columnas. En este modelo es importante estudiar la posible interaccin entre los dos

factores. Si en cada casilla se tiene una nica observacin no es posible estudiar la

interaccin entre los dos factores, para hacerlo hay que replicar el modelo, esto es,
obtener k observaciones en cada casilla, donde k es el nmero de rplicas.
Un camino alternativo es utilizar fracciones factoriales que son diseos en los que se supone
que muchas de las interacciones son nulas, esto permite estudiar el efecto de un nmero
elevado de factores con un nmero relativamente pequeo de pruebas. Por ejemplo, el
diseo en cuadrado latino, en el que se supone que todas las interacciones son nulas,
permite estudiar tres factores de k niveles con solo k2 observaciones. Si se utilizase el diseo
equilibrado completo se necesitan k3observaciones.

* Diseos factoriales a dos niveles.

En el estudio sobre la mejora de procesos industriales (control de calidad) es usual trabajar
en problemas en los que hay muchos factores que pueden influir en la variable de inters. La
utilizacin de experimentos completos en estos problemas tiene el gran inconveniente de
necesitar un nmero elevado de observaciones, adems puede ser una estrategia ineficaz
porque, por lo general, muchos de los factores en estudio no son influyentes y mucha
informacin recogida no es relevante. En este caso una estrategia mejor es utilizar una
tcnica secuencial donde se comienza por trabajar con unos pocos factores y segn los
resultados que se obtienen se eligen los factores a estudiar en la segunda etapa.
Los diseos factoriales 2k son diseos en los que se trabaja con k factores, todos ellos con
dos niveles (se suelen denotar + y -). Estos diseos son adecuados para tratar el tipo de
problemas descritos porque permiten trabajar con un nmero elevado de factores y son
vlidos para estrategias secuenciales.
Si k es grande, el nmero de observaciones que necesita un diseo factorial 2k es muy
grande (n = 2k). Por este motivo, las fracciones factoriales 2k-p son muy utilizadas, stas
son diseos con k factores a dos niveles, que mantienen la propiedad de ortogonalidad de
los factores y donde se suponen nulas las interacciones de orden alto (se confunden con los
efectos simples) por lo que para su estudio solo se necesitan 2k-p observaciones (cuanto
mayor sea p menor nmero de observaciones se necesita pero mayor confusin de efectos
se supone).

4.3 NOMENCLATURA Y SIMBOLOGIA EN EL DISEO EXPERIMENTAL

SIMBOLOGIA (NOMENCLATURA)

R: Asignacin al azar o aleatorio.

G: Grupo de sujetos.
X: Tratamiento, estimulo o condicin experimental
O: Una medicin de los sujetos de un grupo. Si aparece antes del estmulo o tratamiento se
trata de una pero prueba. Si aparece despus se trata de un pos prueba. Ausencia de
estmulos.

4.4 IDENTIFICACION DE LOS EFECTOS DE LOS DISEOS

EXPERIMENTALES.

Definicin de diseos es el plan o estrategia que se desarrolla para obtener la informacin

que se requiere en una investigacin
Taxonoma: Tipologa de Campbell y Stanley, quienes dividen los diseos experimentales en
tres clases.

A) PRE EXPERIMENTOS:
* Grado de control es mnimo
* Una solo medicin
* Diseo de pero prueba pos prueba con un solo grupo.

B) EXPERIMENTOS VERDADEROS:
* SON aquellos que renen los dos requisitos para formar un control y la validez externa
* Diseo con pos prueba nicamente con grupo control. Este diseo incluye dos grupos, uno
control al que no se le aplica la variable y el otro grupo que recibe el tratamiento
experimental; alcanza dos niveles.

* Diseo con preo prueba, pos prueba y grupo control.

* Diseo de cuatro grupos.
* Diseos experimentales de series cronolgicas mltiples. Estos tienen dos o ms grupos y
se usa en investigaciones a largo plazo.

C) CASI EXPERIMENTOS:
Diseo en Bloques Completos Aleatorizados Concepto de Bloques Completos Aleatorizados
Un bloque es (en Estadstica) un grupo de observaciones que tienen condicin de unicidad
estadstica, esto es, que pueden y deben ser analizadas e interpretadas slo de modo
conjunto.
Se dice que un bloque es un bloque completo cuando todos sus elementos componentes
tienen valores vlidos (es decir, no omitidos o missing). En caso contrario, se dice que el
bloque es un bloque incompleto. Generalmente, un bloque est estadsticamente incompleto
cuando alguno de los niveles factoriales no posee valores. El inters por el anlisis
estadstico de bloques incompletos estriba en estudiar el efecto que la omisin (deliberada o
no) de cierto nivel factorial tiene sobre la caracterstica estudiada.

Un bloque puede estar fijado o establecido por el investigador de modo arbitrario. En este
caso, se dice que ese bloque es un bloque no aleatorio. Pero puede que este bloque est
fijado, configurado o seleccionado segn la ley estadstica del azar, en cuyo caso se dice que
el bloque es un bloque aleatorio.
Diseo de Bloques como Alternativa al ANOVA

El diseo de bloques aleatorizados (completo o no) representa una alternativa al ANOVA y al

ANCOVA (Anlisis de la Covarianza). Se somete a los sujetos a medidas a un efecto
adicional (los bloques) y se les agrupa de acuerdo con sus puntuaciones. Los grupos de
sujetos se convierten en los niveles de las variables independientes (VI) de inters en el
diseo factorial. La interpretacin del efecto principal de las VI de inters es directa. En el
caso de ANCOVA, se elimina la variacin debida a la(s) covariable(s) de la estimacin de la
varianza del error y se la evala como un efecto principal separado. Adems, si en ANCOVA
se hubiesen violado las asunciones de homogeneidad de la regresin, se muestra como una

interaccin entre los bloques y la(s) VI de inters.

4.5 LA IMPORTANCIA DE LA ALEATORIZACION DE LOS ESPECIMENES

DE PRUEBA.

Principios bsicos en el diseo de experimentos.

Al planificar un experimento hay tres principios bsicos que se deben tener siempre en
cuenta:
* El principio de aleatorizacin.
* El bloqueo.
* La factorizacin del diseo.

Los dos primeros (aleatorizar y bloquear) son estrategias eficientes para asignar los
tratamientos a las unidades experimentales sin preocuparse de qu tratamientos considerar.
Por el contrario, la factorizacin del diseo define una estrategia eficiente para elegir los
tratamientos sin considerar en absoluto como asignarlos despus a las unidades
experimentales.
Aleatorizar
Aleatorizar todos los factores no controlados por el experimentador en el diseo
experimental y que pueden influir en los resultados sern asignados al azar a las unidades
experimentales.
Ventajas de aleatorizar los factores no controlados:
Transforma la variabilidad sistemtica no planificada en variabilidad no planificada o ruido
aleatorio. Dicho de otra forma, aleatorizar previene contra la introduccin de sesgos en el
experimento.

Evita la dependencia entre observaciones al aleatorizar los instantes de recogida muestral.

 Valida muchos de los procedimientos estadsticos ms comunes.

Bloquear

La factorizacin del diseo.

Un diseo factorial es una estrategia experimental que consiste en cruzar los niveles de
todos los factores tratamiento en todas las combinaciones posibles.
Ventajas de utilizar los diseos factoriales:
Permiten detectar la existencia de efectos interaccin entre los diferentes factores
tratamiento.
Es una estrategia ms eficiente que la estrategia clsica de examinar la influencia de un
factor manteniendo constantes el resto de los factores.

4.6 SUPUESTOS ESTADISTICOS EN LAS PRUEBAS EXPERIMENTALES.

PRINCIPIOS BASICOS DEL DISEO EXPERIMENTAL

Los principios bsicos del diseo experimental son: repeticin, aleatorizacin, y control.

Repeticin: Viene a ser la reproduccin o rplica del experimento bsico (asignacin de un

tratamiento a una unidad experimental). Las principales razones por las cuales es deseable
la

repeticin

son:

Primero por que proporciona una estimacin del error experimental, siendo tal estimacin
confiable a medida que aumenta el nmero de repeticiones, y segundo permite estimaciones
ms

precisas

del

tratamiento

en

estudio.

Aleatorizacin: Consiste en la asignacin al azar de los tratamientos en estudio a las

unidades experimentales con el propsito de asegurar que un determinado tratamiento no
presente sesgo. Por otro lado la aleatorizacin hace vlidos los procesos de inferencia y las
pruebas

estadsticas.

Control Local (Control del error Experimental): Consiste en tomar medidas dentro del diseo
experimental para hacerlo ms eficiente, de tal manera que pueda permitir la reduccin del

error experimental y as hacerla ms sensible a cualquier prueba de significacin.

4.7: PRUEBA DE DUNCAN

Esta prueba se basa en la nocin de rango estudentizado, cuya idea es que el rango de
cualquier subconjunto de h media debe sobrepasar un cierto valor antes de que se encuentre
que cualquiera de las h medias es diferente. Este valor es el rango menos significativo, para
las

medias,

lo

designaremos

por

Rd

en

caso

de

la

prueba

Duncan.

Combina la simplicidad el mtodo de student_ newman-keulsy las ventajas de las

comparaciones

mltiples.

Los

paso

son

los

siguientes;

La prueba de rango mltiple Duncan es una comparacin de las medias de

tratamientos todos contra todos de manera que cualquier diferencia existente entre
cualesquier tratamiento contra otro se ver reflejado en este anlisis. Utiliza un nivel de
significancia variable que depende del nmero de medias que entran en cada etapa de
comparacin. La idea es que a medida que el nmero de medias aumenta, la probabilidad de
que

se

asemejen

disminuye.

Para obtener los comparadores Duncan, se toman de la tabla de Duncan los valores de
acuerdo al nmero de tratamientos y con los grados de libertad del error. Cada uno de estos
valores ser multiplicado por el error estndar de la media y stos sern los comparadores
para

determinar

cules

diferencias

son

significativas.

4.8: APLICACIONES INDUSTRIALES

La implantacin de un robot industrial en un determinado proceso exige un detallado estudio
previo del proceso en cuestin, examinando las ventajas e inconvenientes que conlleva la

introduccin

del

robot.

Ser preciso siempre estar dispuesto a admitir cambios en el desarrollo del proceso primitivo
(modificaciones en el diseo de piezas, sustitucin de unos sistemas por otros, etc.) que
faciliten y hagan viable la aplicacin del robot. En cuanto al tipo de robot a utilizar, habr que
considerar aspectos de diversa ndole como rea de accin, velocidad de carga, capacidad
de control, coste, etc... Dando una breve descripcin del proceso, exponiendo el modo en el
que el robot entra a formar parte de el, y considerando las ventajas e inconvenientes.