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. este se constituye como referencial del experimento y sirve para la comparación de los tratamientos en prueba. 3. 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. factores o materiales y cuyos efectos van a ser medidos y comparados. 2. 3. 2. Validez de Constructo. TRATAMIENTO Los tratamientos vienen a constituir los diferentes procedimientos. 1. si se usan cinco tratamientos con fertilizante. 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. que no debe faltar en un experimento. 3. Ejemplos: Dósis de fertilizante. distanciamiento entre plantas.2. 1. 4. variedades de un cultivo. CALIDAD DEL DISEÑO EXPERIMENTAL. INCONVENIENTES DEL DISEÑO EXPERIMENTAL. Cuestiones éticas. Dificultad de disponer de muestras representativas. el testigo puede ser aquel tratamiento que no incluye fertilizante. Dificultad de elegibilidad y manejo de las variables de control. Practicabilidad. La elección del tratamiento testigo es de gran importancia en cualquier investigación. TESTIGO El testigo es el tratamiento de comparación adicional. Validez Externa. Falta de realismo. procesos. Validez Interna. por ejemplo. Validez Ecológica.

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

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

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

3.Es una combinación de factores para formar tratamientos. dosis de fertilización....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. 2. 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: Tipos de riego: Secano Goteo Aspersión Niveles: a0 a1 a2 TIPOS DE FACTORES: 1. Se acostumbra simbolizar algún elemento “i” por la letra minúscula que representa al factor y el valor del respectivo subíndice.Son los diferentes tratamientos que pertenecen a un determinado factor. 5. DESVENTAJA: 1.4..Son aquellos factores cuyos niveles son cantidades numéricas.Factores Cualitativos.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.. CONCEPTOS GENERALES: FACTOR. 20Kg/Ha (a1)..FACTORES CUANTITATIVOS. Ejemplo: tipos de riego. 30Kg/Ha (a2). FACTORIAL. 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. 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... 1. La interpretación de las observaciones producidas por estos diseños se puede realizar en gran parte a base de sentido común y aritmética elemental.Es un conjunto de tratamientos de una misma clase o característica.Factores Cuantitativos. etc. manejo de crianzas. Ejemplo: Factor A : Dosis de fertilización Niveles : 10 Kg/Ha (ao). .. 2. NIVELES DE UN FACTOR.

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

el azar también puede ser generada a partir de tablas de números al azar o por algún mecanismo físico (por ejemplo. 4. 2. Debido a la replicación . y finalmente dos para el tercer nivel. una de las cuñas se elaborará a ciegas de la caja y el nivel seleccionado se utilizará para la próxima ejecución del experimento. Balance dicta que el número de repeticiones es el mismo en todos los niveles del factor (esto maximizar la sensibilidad del t estadístico posterior . "3". 3 Tenga en cuenta que en este ejemplo hay 12! / (3! 3 *! * 3! * 3!) = 369. 4.(o F -) las pruebas). a continuación. . 2. y 2 con nivel 3. dibujar las tiras de papel). 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. la secuencia de ejecución de las unidades experimentales se determina al azar. Para cambiar aleatoriamente las pistas. la aleatorización se realiza normalmente mediante un programa informático. 2 plantas con 2. "2". 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. Antes de cada carrera. 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. En la práctica. 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. si hay 3 niveles del factor primario con cada nivel que se ejecuta dos veces. 3. 1.Es decir. una forma sería la de poner 6 hojas de papel en una caja con 2 plantas que tiene 1. 2 para el segundo nivel. 1. todos la misma probabilidad de ser elegido por un procedimiento de asignación al azar. 4. 2.600 formas de ejecutar el experimento. Sin embargo. luego hay 6 secuencias de ejecución posible (o formas de ordenar los ensayos experimentales). 1.

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

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

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

Sign up to vote on this title
UsefulNot useful