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.

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

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

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

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

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

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

la secuencia de ejecución de las unidades experimentales se determina al azar. "3". una forma sería la de poner 6 hojas de papel en una caja con 2 plantas que tiene 1. todos la misma probabilidad de ser elegido por un procedimiento de asignación al azar. y 2 con nivel 3. 4. 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". Para cambiar aleatoriamente las pistas. 3 Tenga en cuenta que en este ejemplo hay 12! / (3! 3 *! * 3! * 3!) = 369. Sin embargo. 4. la aleatorización se realiza normalmente mediante un programa informático. Por ejemplo. 1. 2. 2. Antes de cada carrera. 1. dibujar las tiras de papel). 2. 3. el azar también puede ser generada a partir de tablas de números al azar o por algún mecanismo físico (por ejemplo. En la práctica. 4.Es decir. 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 para el segundo nivel. si hay 3 niveles del factor primario con cada nivel que se ejecuta dos veces. una de las cuñas se elaborará a ciegas de la caja y el nivel seleccionado se utilizará para la próxima ejecución del experimento. "2". .600 formas de ejecutar el experimento. a continuación. 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. Debido a la replicación .(o F -) las pruebas). 1. 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. 2 plantas con 2. luego hay 6 secuencias de ejecución posible (o formas de ordenar los ensayos experimentales). y finalmente dos para el tercer nivel. Balance dicta que el número de repeticiones es el mismo en todos los niveles del factor (esto maximizar la sensibilidad del t estadístico posterior .

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

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

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

Sign up to vote on this title
UsefulNot useful