FACULTAD DE INGENIERIA CIVIL, SISTEMAS Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS DISEÑO DE EXPERIMENTOS

CURSO:

Estadística Aplicada a la ingeniería

DISEÑO EXPERIMENTAL
El diseño experimental es una técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de un estudio experimental. En un diseño experimental se manipulan deliberadamente una o más variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de interés. El diseño experimental prescribe una serie de pautas relativas qué variables hay manipular, de qué manera, cuántas veces hay que repetir el experimento y en qué orden para poder establecer con un grado de confianza predefinido la necesidad de una presunta relación de causa-efecto. El diseño 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. VENTAJAS DEL DISEÑO EXPERIMENTAL. 1. Se elimina el efecto de las variables perturbadoras o extrañas, mediante el efecto de la aleatorización. 2. El control y manipulación de las variables predictorias clarifican la dirección y naturaleza de la causa. 3. Flexibilidad, eficiencia, simetría y manipulación estadística.

VIABILIDAD DE LOS DISEÑOS EXPERIMENTALES. 1. Imposibilidad de manipular algunas variables.

ración alimenticia. TESTIGO El testigo es el tratamiento de comparación adicional. Validez Interna. 1. factores o materiales y cuyos efectos van a ser medidos y comparados. el testigo puede ser aquel tratamiento que no incluye fertilizante. 4. El tratamiento establece un conjunto de condiciones experimentales que deben imponerse a una unidad experimental dentro de los confines del diseño seleccionado. . este se constituye como referencial del experimento y sirve para la comparación de los tratamientos en prueba. que no debe faltar en un experimento. 3. INCONVENIENTES DEL DISEÑO EXPERIMENTAL. Validez de Constructo. variedades de un cultivo. procesos. Cuestiones éticas. Ejemplos: Dósis de fertilizante. por ejemplo. PROPOSITO DE UN DISEÑO EXPERIMENTAL El propósito de un diseño experimental es proporcionar métodos que permitan obtener la mayor cantidad de información válida acerca de una investigación. distanciamiento entre plantas.2. teniendo en cuenta el factor costo y el uso adecuado del material disponible mediante métodos que permitan disminuir el error experimental. TRATAMIENTO Los tratamientos vienen a constituir los diferentes procedimientos. profundidad de sembrado. 2. Falta de realismo. La elección del tratamiento testigo es de gran importancia en cualquier investigación. Validez Externa. CALIDAD DEL DISEÑO EXPERIMENTAL. Dificultad de elegibilidad y manejo de las variables de control. si se usan cinco tratamientos con fertilizante. Dificultad de disponer de muestras representativas. Practicabilidad. 1. 3. 2. Validez Ecológica. 3.

. Y se plantea realizar una estrategia distractiva: leer un cuento mientras se realiza la prueba. Tenemos 2 v. y donde los tratamientos se forman por la combinación de los diferentes niveles de cada uno de los factores.C.Con cuento (distracción) y . Los Diseños factoriales en si no constituyen un diseño experimental si no que ellos deben ser llevados en cualquiera de los diseños tal como D. saber el efecto combinado de las distintas variables. (Meter la mano en agua helada). Su principal acción es que sirven para valorar el efecto de la interacción.A. Ejemplo: 2X2 (dos variables independientes con dos niveles cada una) 2X2X3 (tres variables independientes.L. y mido el tiempo que aguanta cada uno con la mano sumergida en agua helada. Las dos variables tenían efecto sobre el dolor.B. D.DISEÑOS FACTORIALES Se llaman Diseños Factoriales a aquellos experimentos en los que se estudia simultáneamente dos o más factores. . Se forman dos grupos: uno experimental y otro de control. Cada variable recibe el nombre de factor y el número indica los niveles de cada variable. aguantan más el dolor. uno con distracción y al otro sin distracción (no lectura del cuento).C. D. independientes que tienen dos niveles: · Distracción (se consigue mediante la lectura de un cuento).Mujer.. Los Diseños factoriales se emplean en todos los campos de la investigación. tanto con el entretenimiento como con la presencia del investigador. es decir. Diseño del experimento: 2 grupos.. frente a las que no lo son. La investigadora pensó que ella misma podía ser un elemento de distracción y entonces añadió una variable de confusión que era el “atractivo” de la propia investigadora. dos de ellas con dos niveles y una con tres) Ejemplo de un diseño complejo o factorial: Hipótesis: Las personas que son distraídas. son muy útiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores.Hombre. . pasando el estudio a ser de dos variables y por lo tanto se necesitaban cuatro grupos. Un tipo de diseño experimental en el que hay más de una variable independiente.C.A. Cada variable recibe el nombre de factor.Sin cuento ( sin distracción). · Sexo del investigador:.

Sujetos. . Ejemplo para el diseño: 2 x 2 x 2 (con tres variables). X = O2 + O5 / O4 + O6 = Efectos debidos al tratamiento. Permite ver los efectos pretest y evitar la amenaza de selección. Tenemos que formar 8 grupos de sujetos. más aumenta la cantidad de sujetos que se necesitan. Variable.No hubo efecto combinado de potenciación entre las variables. Variable Independiente: Varones / Hembras. *1. necesitaré 630 sujetos. Cuanto más aumenta el nivel de las variables. los investigados: Mujer / Hombre. La Enfermera. Ambos (conjuntamente) *2. es decir. dentro de un estudio de enfermería. el de B y el efecto combinado de ambos). 2. Variable Dependiente: Con distracción / Sin distracción. ya que tenemos: 1. si tengo un diseño de: 7. x 9. nos ayudaría a saber en que porcentaje la mejoría del paciente es debido a: El médico. Para garantizar un buen resultado hay que tener por lo menos 10 sujetos por grupo.Amenaza la selección de control con pre-test. CARACTERÍSTICAS DE LOS DISEÑOS COMPLEJOS O FACTORIALES. Son tres variables independientes causales DISEÑO DE CUATRO GRUPOS DE SALOMON. Variable independiente con dos niveles: Con distracción / Sin distracción. permite saber el efecto principal de A. Un diseño complejo es mejor que dos diseños simples. 3. pero presenta el Inconveniente de necesitar más sujetos. PERMITE VALORAR EL EFECTO DE INTERACCIÓN (el efecto combinado de ambas variables). el investigador: Mujer / Hombre. ya que es el único que permite observar el comportamiento de una variable bajo todas las condiciones. A más niveles en variables mejor se rastrea la relación causal. Un diseño de este tipo. O1 X O2 // O3 X O4 // X O5 // X O6 ---.

si el examen es del final de la carrera de matemáticas y todos sacamos y un cero. Un estudio para detectar efecto pretest. están causados por la restricción en el rango de medida de la variable dependiente. son debidos a que la variable medida no varía significativamente. y permiten explorar factores que pueden indicar tendencias y así determinar una dirección prometedora para experimentos futuros. Tratamiento: 2 niveles: SI / NO. Sin pre-test y sin tratamiento.Efecto suelo y efecto techo: Se pueden confundir con la interacción. y todos sacamos un 10 esto se dice que es un techo. EFECTO SUELO: medida con poco rango de variabilidad. Diseño de 4 grupos: Pretest: 2 niveles: SI / NO. Requieren relativamente pocos experimentos elementales para cada factor. Con pre-test y tratamiento. *3.Efecto de le interacción como punto central de estos diseños. esto se dice que es efecto suelo.X = O2 + O4 / O5 + O6 = Efectos pretest. 3. .. los diseños factoriales fraccionados permiten estudiarlas a todas para estudiarlas superficialmente en lugar de hacer experimentos más pequeños que pueden no incluir las variables importantes.. EFECTO TECHO: Las variables no discriminan. *4. 2.B.G. Ej. puntuaciones muy bajas. VENTAJAS: 1. Cuando el número de factores (variables) suelen ser importantes para estudiar todas las variables. Con pre-test y sin tratamiento. Los diseños factoriales pueden ser experimentales o cuasiexperimentales.: Si para valorar los conocimientos de la clase en matemáticas hacemos un examen de 8º E. Permite conocer las interacciones. Si existe interacción entre los factores estudiados permite medirla. se puede hacer mediante un diseño factorial con dos variables. Sin pre-test y tratamiento. todos los sujetos presentan puntuaciones muy elevadas.

a fin de que exista un balance en el análisis estadístico se tendrá que algunas de las combinaciones no tiene interés práctico pero deben incluirse para mantener el balance. Ejemplo: Factor A : Dosis de fertilización Niveles : 10 Kg/Ha (ao)...Como en los experimentos factoriales c/u de los niveles de un factor se combinan con los niveles de los otros factores.Son los diferentes tratamientos que pertenecen a un determinado factor. variedades de cultivo. Estos diseños y sus correspondientes fraccionados pueden ser utilizados en bloques para construir diseños de un grado de complejidad que se ajuste a las necesidades del problema..Son aquellos factores cuyos niveles son cantidades numéricas. 2. 20Kg/Ha (a1). manejo de crianzas. dosis de fertilización.. 3...Es una combinación de factores para formar tratamientos.Factores Cualitativos. NIVELES DE UN FACTOR. Se acostumbra simbolizar algún elemento “i” por la letra minúscula que representa al factor y el valor del respectivo subíndice.Es un conjunto de tratamientos de una misma clase o característica. CONCEPTOS GENERALES: FACTOR. 2. FACTORIAL.Se requiere un mayor número de unidades experimentales que los experimentos simples y por lo tanto se tendrá un mayor costo y trabajo en la ejecución del experimento. 1. Ejemplo: Tipos de riego: Secano Goteo Aspersión Niveles: a0 a1 a2 TIPOS DE FACTORES: 1.El análisis estadístico es más complicado que en los experimentos simples y la interpretación de los resultados se hace más difícil a medida de que aumenta el número de factores y niveles por factor en el experimento. 5. etc. DESVENTAJA: 1. 30Kg/Ha (a2)..FACTORES CUANTITATIVOS.4.. Ejemplo: tipos de riego.Factores Cuantitativos.. . La interpretación de las observaciones producidas por estos diseños se puede realizar en gran parte a base de sentido común y aritmética elemental..

Variedad 2. La investigadora pensó que ella misma podía ser un elemento de distracción y entonces añadió una variable de confusión que era el “atractivo” de la propia investigadora. uno con distracción y al otro sin distracción (no lectura del cuento). El experimento se compara los valores de una variable de respuesta basada en los distintos niveles de ese factor principal.. los niveles del factor de primaria son asignados al azar a las unidades experimentales. independientes que tienen dos niveles: • Distracción (se consigue mediante la lectura de un cuento). y mido el tiempo que aguanta cada uno con la mano sumergida en agua helada.Sin cuento (sin distracción). DISEÑOS COMPLETAMENTE ALEATORIZADOS En el diseño de experimentos. • Sexo del investigador:. LA ASIGNACIÓN AL AZAR . frente a las que no lo son. pasando el estudio a ser de dos variables y por lo tanto se necesitaban cuatro grupos. tanto con el entretenimiento como con la presencia del investigador. No hubo efecto combinado de potenciación entre las variables. (Meter la mano en agua helada). Tenemos 2 v. sin la necesidad de tomar otras variables molestia en cuenta. Diseño del experimento: 2 grupos. Ejemplo: Factor A: Variedades de cultivo Niveles : Variedad 1..Hombre.FACTORES CUALITATIVOS.. Para diseños completamente al azar. Ejemplo de un diseño complejo o factorial: Hipótesis: Las personas que son distraídas.Son aquellos factores cuyos niveles son procedimientos o cualidades. Las dos variables tenían efecto sobre el dolor.Con cuento (distracción) y . Se forman dos grupos: uno experimental y otro de control.2..Mujer. diseños completamente aleatorizados son para el estudio de los efectos de un factor primordial. aguantan más el dolor. Y se plantea realizar una estrategia distractiva: leer un cuento mientras se realiza la prueba.

Es decir. y 2 con nivel 3. Antes de cada carrera. 1. 4. 3 Tenga en cuenta que en este ejemplo hay 12! / (3! 3 *! * 3! * 3!) = 369. Sin embargo. la secuencia de ejecución de las unidades experimentales se determina al azar. la aleatorización se realiza normalmente mediante un programa informático. 2. 1. Ejemplo Un ejemplo típico de un diseño completamente al azar es el siguiente:     k = 1 de los factores (X 1) L = 4 niveles de ese factor (llamado "1". Por ejemplo.(o F -) las pruebas). 2 para el segundo nivel. 3. todos la misma probabilidad de ser elegido por un procedimiento de asignación al azar. . y finalmente dos para el tercer nivel. una forma sería la de poner 6 hojas de papel en una caja con 2 plantas que tiene 1. "3". 2 plantas con 2. Para cambiar aleatoriamente las pistas. TRES NÚMEROS DE CLAVE Todos los diseños completamente al azar con un factor primario se definen por tres números:    k = número de factores (= 1 para estos diseños) L = número de niveles n = número de repeticiones y el total tamaño de la muestra (número de pistas) es N = k × L × n. a continuación. 4. luego hay 6 secuencias de ejecución posible (o formas de ordenar los ensayos experimentales). En la práctica. el azar también puede ser generada a partir de tablas de números al azar o por algún mecanismo físico (por ejemplo. dibujar las tiras de papel). 2. 1. 4. Debido a la replicación . si hay 3 niveles del factor primario con cada nivel que se ejecuta dos veces. Balance dicta que el número de repeticiones es el mismo en todos los niveles del factor (esto maximizar la sensibilidad del t estadístico posterior . "2".600 formas de ejecutar el experimento. y "4") n = 3 repeticiones por nivel N = 4 niveles × 3 repeticiones por nivel = 12 carreras EJEMPLO DE SECUENCIA AL AZAR DE LOS ENSAYOS La secuencia al azar de los ensayos puede ser como: X 1: 3. el número de ordenaciones única es de 90 (desde 90 = 6! / (2! * 2! * 2!)) Un ejemplo de un diseño unrandomized sería correr siempre 2 repeticiones para el primer nivel. 2. una de las cuñas se elaborará a ciegas de la caja y el nivel seleccionado se utilizará para la próxima ejecución del experimento.

j que sea la observación de que X 1 = i (i y j denotan el nivel del factor y la replicación en el nivel del factor. esta fuente de variabilidad se controla. DISEÑO DE BLOQUES AL AZAR En la estadística de la teoría de diseño de experimentos. Un ejemplo de un factor de bloqueo puede ser el sexo de un paciente. lo que conduce a una mayor precisión. también hay varios otros factores de molestia . respectivamente) μ (o mu) es el general parámetro de localización T i es el efecto de tener nivel de tratamiento i LAS ESTIMACIONES Y PRUEBAS ESTADÍSTICAS ESTIMACIÓN Y PRUEBAS DE LOS NIVELES DE FACTOR MODELO     Estimación de μ: Estimación de T i: con = El promedio de todos los datos = media de todas Y para los que X 1 = i. al bloquear en el sexo. podría ser el operador específico que preparó el tratamiento. Las pruebas estadísticas para los niveles de X 1 son los que se utilizan para un ANOVA de una vía y se detallan en el artículo sobre el análisis de la varianza. Bloqueo a "eliminar" el efecto de factores de molestia Para los diseños de bloques al azar. Por lo general. hay un factor o variable que es de interés primordial. .Modelo para un diseño completamente aleatorizado El modelo para la respuesta es: con  Y i. factores de molestia. el bloqueo es la organización de las unidades experimentales en grupos (bloques) que son similares entre sí. Por ejemplo. son lo suficientemente importantes como para hacer un seguimiento o de control. Son los que pueden afectar el resultado de la medida. y la temperatura ambiente.Todos los experimentos tienen factores de molestia. qSin embargo. en la aplicación de un tratamiento. El experimentador normalmente tendrá que pasar algún tiempo para decidir qué factores de molestia. pero no son de interés primordial. la hora del día el experimento se ejecutó. si es posible. durante el experimento. un factor de bloqueo es una fuente de variabilidad que no es de interés primordial para el experimentador.

El factor de molestias que les interesa es "correr horno". al azar lo que no puedes. La aleatorización se utiliza para reducir los efectos contaminantes de las variables restantes molestias. que se tienen en cuenta en el análisis. Definición de factores de bloqueo Un factor de molestia se utiliza como un factor de bloqueo. Bloque de algunas de las molestias factores más importantes La regla general es: "Bloque de lo que puede. y sólo unas pocas obleas experimentales se permiten en cualquier horno de ejecutar al mismo tiempo. Que eliminaría el factor de molestia horno completamente. una técnica importante conocido como el bloqueo se puede utilizar para reducir o eliminar la contribución al error experimental aportados por los factores de molestia. Una forma ideal para ejecutar este experimento sería para ejecutar todos los 4x3 = 12 obleas en el largo mismo horno. Ejemplo de un diseño de bloques al azar Supongamos que los ingenieros de una planta de fabricación de semiconductores quieres probar si la oblea diferentes dosis material de implante tiene un efecto significativo en las mediciones de resistividad después de un proceso de difusión que tiene lugar en un horno. El análisis del experimento se centrará en el efecto de variar los niveles del factor principal dentro de cada bloque del experimento. es posible evaluar el efecto de diferentes niveles del factor de interés sin tener que preocuparse por las variaciones debidas a los cambios de los factores de bloque. Dentro de los bloques." El bloqueo se utiliza para eliminar los efectos de algunas de las variables más importantes molestias. Sin embargo. ya se sabe que cada ejecución del horno se diferencia de los últimos y los impactos de muchos parámetros de proceso. si todos los niveles del factor primario que se produce el mismo número de veces con cada nivel del factor de molestia. las obleas de regularidad de la producción tienen prioridad horno.El bloqueo de utilizar los factores de molestia que puede ser controlado Cuando somos capaces de controlar los factores de molestia. El concepto básico es la creación de bloques homogéneos en los que los factores se mantienen constantes molestias y el factor de interés se le permite variar. . Tienen cuatro dosis diferentes que quieren tratar de suficiente obleas experimentales del mismo lote a ejecutar tres obleas en cada una de las dosis.

asumiendo que puede convencer de fabricación que le permite poner cuatro obleas experimental en un horno de ejecución. 3 y 4. Eso aumentaría el error experimental de cada medida de resistividad por la variabilidad del horno de ejecución para ejecutar y hacer más difícil para estudiar los efectos de las dosis diferentes. . El camino bloqueado para ejecutar este experimento. y lo mismo para las obleas con dosis de 2. en orden aleatorio.. La asignación al azar sólo sería elegir cuál de las tres obleas con una dosis entraría en ejecución un horno. por campaña de horno. sería la de poner cuatro obleas con diferentes dosis de cada uno de tres carreras del horno.Una forma no bloqueado para ejecutar este experimento sería ejecutar cada uno de los doce obleas experimental.

Sign up to vote on this title
UsefulNot useful