P. 1
Diseño de Experimentos

Diseño de Experimentos

4.5

|Views: 35.105|Likes:
Publicado porGRESIQ

More info:

Published by: GRESIQ on Oct 01, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/07/2015

pdf

text

original

´Indice general

1. Principios del dise˜no de experimentos

1

1.1. M´etodo cient´ıfico . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Tipos de experimentos . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Unidades experimentales y muestrales . . . . . . . . . . . . . . . 5
1.4. Fuentes de variaci´on . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5. Control de la variaci´on del no tratamiento . . . . . . . . . . . . . 9
1.6. Propiedades del dise˜no estad´ıstico . . . . . . . . . . . . . . . . . 11
1.7. Replicaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.8. Aleatorizaci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.9. Control local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.10. Clasificaci´on de los dise˜nos . . . . . . . . . . . . . . . . . . . . . . 18
1.11. Estrategia de dise˜no . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.11.1. Efectos de dise˜no de control-error . . . . . . . . . . . . . . 22
1.11.2. Dise˜no de tratamientos . . . . . . . . . . . . . . . . . . . 23
1.11.3. Dise˜no de muestreo . . . . . . . . . . . . . . . . . . . . . . 23
1.12. Recomendaciones para abordar un estudio experimental . . . . . 24
1.13. Principio general de inferencia y tipos de an´alisis estad´ısticos . . 27
1.14. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2. Inferencia sobre dos muestras aleatorias

35

2.1. Introducci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2. Teor´ıa basada en normalidad . . . . . . . . . . . . . . . . . . . . 36
2.2.1. Inferencia sobre diferencia de medias poblacionales cuan-
do las varianzas son iguales . . . . . . . . . . . . . . . . . 36
2.2.2. Inferencia sobre el cociente de varianzas . . . . . . . . . . 38
2.2.3. Inferencia sobre diferencia de medias poblacionales cuan-
do las varianzas son desiguales . . . . . . . . . . . . . . . 39
2.3. Efecto de no normalidad . . . . . . . . . . . . . . . . . . . . . . . 42
2.3.1. Caso pruebas no param´etricas . . . . . . . . . . . . . . . . 43
2.3.2. Estimaci´on robusta . . . . . . . . . . . . . . . . . . . . . . 46
2.4. Prueba estad´ıstica multivariada en la comparaci´on de dos medias

T2

-Hotelling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.5. Comparaciones pareadas, estudio de un test simultaneo para com-
parar medias y varianzas . . . . . . . . . . . . . . . . . . . . . . . 51

i

´
INDICE GENERAL

2.5.1. Prueba de rangos con signo de Wilcoxon para compara-
ciones pareadas . . . . . . . . . . . . . . . . . . . . . . . . 53
2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

3. Modelos lineales

59

3.1. Introducci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.2. Conceptos b´asicos de modelos lineales . . . . . . . . . . . . . . . 59
3.2.1. Modelo superparametrizado (Modelo S) . . . . . . . . . . 60
3.2.2. Modelo de medias de celdas . . . . . . . . . . . . . . . . . 62
3.3. Estimabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3.3.1. Estimadores lineales insesgados (ELIS) . . . . . . . . . . . 65
3.3.2. Transformaciones lineales y estimabilidad en modelos su-
perparametrizados . . . . . . . . . . . . . . . . . . . . . . 71
3.4. Modelos lineales particionados y sumas de cuadrados asociadas . 73
3.4.1. Modelo particionado en dos partes . . . . . . . . . . . . . 73
3.4.2. Modelo particionado en tres partes . . . . . . . . . . . . . 77
3.4.3. Modelo particionado en K partes ordenadas . . . . . . . . 79
3.5. Sumas de cuadrados y funciones estimables . . . . . . . . . . . . 82
3.5.1. Sumas de cuadrados y funciones estimables tipo I . . . . . 83
3.5.2. Sumas de cuadrados tipo I . . . . . . . . . . . . . . . . . 83
3.5.3. Funciones estimables tipo I . . . . . . . . . . . . . . . . . 83
3.5.4. Sumas de cuadrados y funciones estimables tipo II . . . . 84
3.5.5. Funciones estimables tipo II . . . . . . . . . . . . . . . . . 84
3.5.6. Sumas de cuadrados y funciones estimables tipo III . . . . 85
3.5.7. Funciones estimables tipo III . . . . . . . . . . . . . . . . 86
3.5.8. Sumas de cuadrados y funciones estimables tipo IV . . . . 87
3.5.9. Funciones estimables tipo IV . . . . . . . . . . . . . . . . 87
3.6. Hip´otesis m´as comunes sobre filas y columnas . . . . . . . . . . . 88
3.7. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 94
3.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

4. Clasificaci´on de modelos en el an´alisis de varianza y diagramas
de estructura

105

4.1. Clasificaci´on de los modelos en el an´alisis de varianza . . . . . . . 105
4.1.1. Supuestos fundamentales . . . . . . . . . . . . . . . . . . 106
4.2. Diagramas de estructuras y an´alisis de varianza en dise˜nos expe-
rimentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
4.2.1. Diagramas de estructuras . . . . . . . . . . . . . . . . . . 108
4.2.2. Derivaci´on de f´ormulas . . . . . . . . . . . . . . . . . . . . 111
4.3. Ilustraci´on del procedimiento . . . . . . . . . . . . . . . . . . . . 113
4.4. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 124
4.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

ii

´
INDICE GENERAL

5. Dise˜nos completamente aleatorizados y tama˜no de muestra 129

5.1. Dise˜no completamente aleatorizado . . . . . . . . . . . . . . . . . 129
5.2. Principios del an´alisis de varianza . . . . . . . . . . . . . . . . . . 131
5.3. DCA a trav´es del modelo superparametrizado . . . . . . . . . . . 134
5.3.1. Hip´otesis asociadas . . . . . . . . . . . . . . . . . . . . . . 138
5.4. DCA a trav´es del modelo de medias de celda . . . . . . . . . . . 140
5.4.1. Reducci´on de la suma de cuadrados . . . . . . . . . . . . 142
5.4.2. Hip´otesis asociadas . . . . . . . . . . . . . . . . . . . . . . 144
5.5. Modelo de componentes de varianza . . . . . . . . . . . . . . . . 146
5.6. An´alisis de un DCA a trav´es de pruebas de localizaci´on no para-
m´etricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
5.6.1. Prueba de Kruskal-Wallis . . . . . . . . . . . . . . . . . . 151
5.7. Algunas ideas sobre el n´umero de repeticiones en experimentos . 154
5.7.1. Obtenci´on del tama˜no de la muestra a partir de la potencia157
5.7.2. M´etodo de Harriz-Hurvitz-Mood (HHM) . . . . . . . . . . 161
5.7.3. M´etodo de Tukey (1953) . . . . . . . . . . . . . . . . . . . 163
5.7.4. N´umero de repeticiones en el modelo de efectos aleatorios II165
5.7.5. Determinaci´on del tama˜no de muestra con costo variable
por tratamiento . . . . . . . . . . . . . . . . . . . . . . . . 166
5.8. Submuestreo en dise˜nos completamente aleatorizados . . . . . . . 168
5.8.1. Modelo lineal en un DCA con submuestreo . . . . . . . . 169
5.8.2. Inferencias con submuestreo . . . . . . . . . . . . . . . . . 169
5.9. Comparaci´on de un DCA sin y con submuestreo . . . . . . . . . 170
5.10. Submuestreo con factores aleatorios en
DCA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
5.10.1. Tama˜no ´optimo de muestra con un costo fijo (Co) . . . . 174
5.10.2. Muestra m´as econ´omica para una precisi´on dada de esti-
maci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
5.11. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 176
5.12. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177

6. Pruebas de comparaciones m´ultiples y validaci´on de supuestos 191

6.1. Pruebas de comparaciones m´ultiples . . . . . . . . . . . . . . . . 191
6.1.1. Conceptos preliminares . . . . . . . . . . . . . . . . . . . 191
6.1.2. Procedimientos de comparaciones m´ultiples . . . . . . . . 192
6.2. Validaci´on de supuestos . . . . . . . . . . . . . . . . . . . . . . . 201
6.2.1. Causas de desv´ıos de supuestos . . . . . . . . . . . . . . . 202
6.2.2. An´alisis gr´afico y medidas descriptivas de los residuales . 203
6.2.3. Prueba de significancia para detectar anomal´ıas . . . . . . 206
6.2.4. Pruebas para detectar heterocedasticidad . . . . . . . . . 207
6.2.5. Pruebas de normalidad . . . . . . . . . . . . . . . . . . . 214
6.2.6. Pruebas de no aditividad . . . . . . . . . . . . . . . . . . 219
6.3. Soluci´on a los problemas de no homocedasticidad, no normalidad
y no aditividad en el modelo . . . . . . . . . . . . . . . . . . . . . 223
6.3.1. Uso de transformaciones . . . . . . . . . . . . . . . . . . . 223
6.3.2. Uso de las transformaciones para estabilizar varianza . . . 224

iii

´
INDICE GENERAL

6.3.3. Uso de transformaciones para corregir no normalidad . . . 227
6.3.4. Transformaci´on de Box - Cox . . . . . . . . . . . . . . . . 229
6.3.5. Transformaciones para obtener aditividad . . . . . . . . . 230
6.4. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 230
6.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231

7. Dise˜no de bloques completamente aleatorizados

237

7.1. An´alisis estad´ıstico . . . . . . . . . . . . . . . . . . . . . . . . . . 238
7.2. Estimaci´on de una observaci´on faltante . . . . . . . . . . . . . . . 247
7.3. Eficiencia de un DBCA frente a un DCA . . . . . . . . . . . . . . 251
7.4. Bloques con submuestreo . . . . . . . . . . . . . . . . . . . . . . 252
7.5. Formas de obtener las sumas de cuadrados . . . . . . . . . . . . . 253
7.6. Dise˜no en bloques incompletos . . . . . . . . . . . . . . . . . . . 260
7.6.1. Estructuras matriciales de los bloques incompletos . . . . 260
7.7. An´alisis de varianza . . . . . . . . . . . . . . . . . . . . . . . . . 267
7.8. Dise˜no en bloques incompletos balanceados . . . . . . . . . . . . 269
7.8.1. Estimaci´on de datos faltantes . . . . . . . . . . . . . . . . 276
7.8.2. M´etodo de Scheff´e para comparaciones multiples . . . . . 277
7.9. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 278
7.10. Ejercicios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280

8. Dise˜nos en cuadro latino y an´alisis de covarianza

289

8.1. Dise˜no en cuadro latino . . . . . . . . . . . . . . . . . . . . . . . 289
8.1.1. Inroducci´on . . . . . . . . . . . . . . . . . . . . . . . . . . 289
8.1.2. Estimaci´on de un dato faltante en un DCL . . . . . . . . 294
8.1.3. Series de cuadros latinos . . . . . . . . . . . . . . . . . . . 296
8.2. Eficiencia de un DCL frente a un DCA y un DBCA . . . . . . . 299
8.3. Dise˜no en Cuadrado Greco-Latino . . . . . . . . . . . . . . . . . 301
8.4. An´alisis de covarianza . . . . . . . . . . . . . . . . . . . . . . . . 304
8.4.1. An´alisis de covarianza en un DCA . . . . . . . . . . . . . 306
8.4.2. Covariables afectadas por los tratamientos . . . . . . . . . 321
8.4.3. An´alisis de covarianza en un DBCA . . . . . . . . . . . . 321
8.4.4. An´alisis general de covariables . . . . . . . . . . . . . . . 328
8.5. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 331
8.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
8.7. Anexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
8.7.1. Campo de Galois . . . . . . . . . . . . . . . . . . . . . . . 338
8.7.2. Geometr´ıas finitas . . . . . . . . . . . . . . . . . . . . . . 340
8.7.3. Cuadros latinos ortogonales . . . . . . . . . . . . . . . . . 341

9. Experimentos factoriales

345

9.1. Caracter´ısticas generales . . . . . . . . . . . . . . . . . . . . . . . 345
9.2. Dise˜no factoriales 2k

. . . . . . . . . . . . . . . . . . . . . . . . . 348

9.2.1. Dise˜no factorial 22

. . . . . . . . . . . . . . . . . . . . . . 349

9.2.2. Dise˜no factorial 23

. . . . . . . . . . . . . . . . . . . . . . 355

9.2.3. Generalizaci´on del dise˜no factorial 2k

. . . . . . . . . . . . 363

iv

´
INDICE GENERAL

9.3. Experimentos Factoriales 3k

. . . . . . . . . . . . . . . . . . . . . 366

9.3.1. Dise˜no factorial 32

. . . . . . . . . . . . . . . . . . . . . . 367

9.3.2. Dise˜no factorial 33

. . . . . . . . . . . . . . . . . . . . . . 378

9.3.3. Generalizaci´on del dise˜no factorial 3k

. . . . . . . . . . . . 387
9.4. Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 388
9.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 391
9.6. Anexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
9.6.1. Ideas b´asicas sobre congruencia . . . . . . . . . . . . . . . 397
9.6.2. Breve introducci´on a conceptos b´asicos de teor´ıa de grupos399

10.Confusi´on en experimentos factoriales

403

10.1. Introducci´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
10.2. Idea b´asica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
10.3. Confusi´on en un 23

. . . . . . . . . . . . . . . . . . . . . . . . . . 404
10.4. Construcci´on del Subgrupo Intrabloque. . . . . . . . . . . . . . . 406
10.5. T´ecnica de Construcci´on. . . . . . . . . . . . . . . . . . . . . . . 409
10.6. Confusi´on Parcial. . . . . . . . . . . . . . . . . . . . . . . . . . . 413
10.7. Confusi´on en series Pn

. . . . . . . . . . . . . . . . . . . . . . . . 416
10.7.1. Teorema de confusi´on m´ınima en factoriales Pn

(Fisher,
1945). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416
10.8. Confusi´on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416
10.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420

11.DISE˜NOS FACTORIALES FRACCIONADOS.

425

11.1. Concepto de Alias y Resoluciones. . . . . . . . . . . . . . . . . . 425
11.2. Construcci´on de un Factorial Fraccionado. . . . . . . . . . . . . . 433
11.3. Dise˜no en parcelas divididas y subdivididas . . . . . . . . . . . . 438
11.3.1. Comparaciones m´ultiples . . . . . . . . . . . . . . . . . . 443
11.3.2. Factorial vs Parcelas Divididas. . . . . . . . . . . . . . . . 446
11.4. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447

12.Algunas ideas sobre superficies de respuesta

453

12.1. Modelo de regresi´on lineal multiple . . . . . . . . . . . . . . . . . 458
12.1.1. Predicci´on de la variable respuesta y residuales . . . . . . 460
12.1.2. Resultados para el an´alisis de varianza . . . . . . . . . . . 461
12.1.3. Pruebas de hip´otesis asociadas a los par´ametros indivi-
duales en el modelo . . . . . . . . . . . . . . . . . . . . . 462
12.2. An´alisis de modelos de primer orden . . . . . . . . . . . . . . . . 464
12.3. M´etodo de m´axima pendiente en ascenso . . . . . . . . . . . . . . 464
12.3.1. Localizaci´on del punto estacionario . . . . . . . . . . . . . 465
12.3.2. C´alculo de la pendiente en ascenso . . . . . . . . . . . . . 466
12.3.3. Regi´on de confidencia para la pendiente en ascenso . . . . 468
12.4. An´alisis de modelos cuadr´aticos . . . . . . . . . . . . . . . . . . . 469
12.5. An´alisis Can´onico . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
12.6. An´alisis de cordillera . . . . . . . . . . . . . . . . . . . . . . . . . 471
12.6.1. Error est´andar de la respuesta predicha . . . . . . . . . . 473

v

´
INDICE GENERAL

12.7. Determinaci´on del Punto Cr´ıtico. . . . . . . . . . . . . . . . . . . 473
12.8. Transformaci´on Can´onica. . . . . . . . . . . . . . . . . . . . . . . 475
12.9. M´etodo de Ascenso por Pendiente M´axima. . . . . . . . . . . . . 476
12.10.Dise˜nos para Encontrar Modelos de Segundo Orden. . . . . . . . 478
12.11.Implementaci´on en SAS . . . . . . . . . . . . . . . . . . . . . . . 481

vi

Cap´ıtulo 1

Principios del dise˜no de

experimentos

Dise˜nar estad´ısticamente un experimento, es realizar una prueba o una serie
de pruebas, buscando caracterizar las variables explicativas o factores Xi de
mayor influencia en un ensayo de inter´es, evaluado a trav´es de varias variables
respuesta tal que, si deliberada o sistem´aticamente se introducen cambios con-
trolados en algunas de las variables explicativas del proceso, siempre sea posible
observar o cuantificar los cambios que ´estos generan en las variables respuesta
buscando adicionalmente, minimizar el efecto de las variables no controlables
(covariables), procurando con ello estabilizar y minimizar la variabilidad de las
respuestas.

Aunque la aplicaci´on o uso del dise˜no experimental se da en cualquier ´area del
conocimiento, este debe cumplir las siguientes fases:

1. Caracterizaci´on de un proceso. En esta fase, se busca determinar los rangos
de las variables o factores controlables de mayor influencia en las variables
respuesta que a la vez minimizan el efecto de las variables no controlables
(factores o covariables).

2. Depuraci´on y optimizaci´on de un proceso ya caracterizado. En esta fase se
hallan los niveles de los factores estudiados que proporcionan la respuesta
´optima a la soluci´on del proceso caracterizado en la fase anterior.

En cualquier aplicaci´on de la estad´ıstica en el dise˜no y an´alisis de un experi-
mento, es necesario que quienes lo desarrollen entiendan claramente el problema
objeto de estudio, que posean un amplio conocimiento del material experimen-
tal a usar, que conozcan las posibilidades existentes para coleccionar los datos
y adem´as posean el conocimiento estad´ıstico necesario para direccionar e inter-
pretar adecuadamente los resultados del experimento. Generalmente el grupo
de investigaci´on se conforma por expertos conocedores de la problem´atica a es-

1

CAP´

ITULO 1. PRINCIPIOS DEL DISE˜

NO DE EXPERIMENTOS

tudiar, y por especialistas en el dise˜no estad´ıstico del proceso y el an´alisis de la
informaci´on recolectada.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->