P. 1
Diseño experimental

Diseño experimental

|Views: 513|Likes:
Publicado portitan226

More info:

Published by: titan226 on Sep 28, 2011
Copyright:Attribution Non-commercial

Availability:

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

12/19/2013

pdf

text

original

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.

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

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

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

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

. 20Kg/Ha (a1).. DESVENTAJA: 1..4. 5.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.Es una combinación de factores para formar tratamientos.. dosis de fertilización.. Ejemplo: Tipos de riego: Secano Goteo Aspersión Niveles: a0 a1 a2 TIPOS DE FACTORES: 1.. CONCEPTOS GENERALES: FACTOR. 1. Ejemplo: Factor A : Dosis de fertilización Niveles : 10 Kg/Ha (ao). etc. 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. NIVELES DE UN FACTOR. 3.Es un conjunto de tratamientos de una misma clase o característica.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.. 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 los diferentes tratamientos que pertenecen a un determinado factor.Factores Cualitativos. variedades de cultivo.Como en los experimentos factoriales c/u de los niveles de un factor se combinan con los niveles de los otros factores.Son aquellos factores cuyos niveles son cantidades numéricas. 2.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. Se acostumbra simbolizar algún elemento “i” por la letra minúscula que representa al factor y el valor del respectivo subíndice. FACTORIAL... manejo de crianzas. 30Kg/Ha (a2). 2.. Ejemplo: tipos de riego.FACTORES CUANTITATIVOS.

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

Balance dicta que el número de repeticiones es el mismo en todos los niveles del factor (esto maximizar la sensibilidad del t estadístico posterior . 1. todos la misma probabilidad de ser elegido por un procedimiento de asignación al azar. una forma sería la de poner 6 hojas de papel en una caja con 2 plantas que tiene 1. luego hay 6 secuencias de ejecución posible (o formas de ordenar los ensayos experimentales). dibujar las tiras de papel). Para cambiar aleatoriamente las pistas. En la práctica. 4. y finalmente dos para el tercer nivel. 1. 3. "2". 2. 4. Debido a la replicación . Antes de cada carrera. 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. 2.(o F -) las pruebas). 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. si hay 3 niveles del factor primario con cada nivel que se ejecuta dos veces. 1. Por ejemplo. . a continuación. la aleatorización se realiza normalmente mediante un programa informático. 2. una de las cuñas se elaborará a ciegas de la caja y el nivel seleccionado se utilizará para la próxima ejecución del experimento. 2 para el segundo nivel. 3 Tenga en cuenta que en este ejemplo hay 12! / (3! 3 *! * 3! * 3!) = 369. 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. "3". la secuencia de ejecución de las unidades experimentales se determina al azar. Sin embargo. y 2 con nivel 3.Es decir. 4.600 formas de ejecutar el experimento. 2 plantas con 2. el azar también puede ser generada a partir de tablas de números al azar o por algún mecanismo físico (por ejemplo. 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".

factores de molestia. en la aplicación de un tratamiento. hay un factor o variable que es de interés primordial. el bloqueo es la organización de las unidades experimentales en grupos (bloques) que son similares entre sí.Modelo para un diseño completamente aleatorizado El modelo para la respuesta es: con  Y i. qSin embargo. 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. . Un ejemplo de un factor de bloqueo puede ser el sexo de un paciente. y la temperatura ambiente. DISEÑO DE BLOQUES AL AZAR En la estadística de la teoría de diseño de experimentos. Son los que pueden afectar el resultado de la medida. un factor de bloqueo es una fuente de variabilidad que no es de interés primordial para el experimentador. podría ser el operador específico que preparó el tratamiento. 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. Bloqueo a "eliminar" el efecto de factores de molestia Para los diseños de bloques al azar. la hora del día el experimento se ejecutó. son lo suficientemente importantes como para hacer un seguimiento o de control. esta fuente de variabilidad se controla.Todos los experimentos tienen factores de molestia. durante el experimento. si es posible. lo que conduce a una mayor precisión. pero no son de interés primordial. El experimentador normalmente tendrá que pasar algún tiempo para decidir qué factores de molestia. Por ejemplo. al bloquear en el sexo. Por lo general. también hay varios otros factores de molestia . 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.

las obleas de regularidad de la producción tienen prioridad horno. Definición de factores de bloqueo Un factor de molestia se utiliza como un factor de bloqueo. Tienen cuatro dosis diferentes que quieren tratar de suficiente obleas experimentales del mismo lote a ejecutar tres obleas en cada una de las dosis. y sólo unas pocas obleas experimentales se permiten en cualquier horno de ejecutar al mismo tiempo. Una forma ideal para ejecutar este experimento sería para ejecutar todos los 4x3 = 12 obleas en el largo mismo horno. 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. Que eliminaría el factor de molestia horno completamente. 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. ya se sabe que cada ejecución del horno se diferencia de los últimos y los impactos de muchos parámetros de proceso. El factor de molestias que les interesa es "correr horno". . La aleatorización se utiliza para reducir los efectos contaminantes de las variables restantes molestias. 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. Dentro de los bloques. Sin embargo. si todos los niveles del factor primario que se produce el mismo número de veces con cada nivel del factor de molestia. Bloque de algunas de las molestias factores más importantes La regla general es: "Bloque de lo que puede. que se tienen en cuenta en el análisis.El bloqueo de utilizar los factores de molestia que puede ser controlado Cuando somos capaces de controlar los factores de molestia." El bloqueo se utiliza para eliminar los efectos de algunas de las variables más importantes molestias. al azar lo que no puedes. 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. El análisis del experimento se centrará en el efecto de variar los niveles del factor principal dentro de cada bloque del experimento.

asumiendo que puede convencer de fabricación que le permite poner cuatro obleas experimental en un horno de ejecución. por campaña de horno. 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. 3 y 4.Una forma no bloqueado para ejecutar este experimento sería ejecutar cada uno de los doce obleas experimental.. El camino bloqueado para ejecutar este experimento. . sería la de poner cuatro obleas con diferentes dosis de cada uno de tres carreras del horno. 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.

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)//-->