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.

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

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

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

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

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

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

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

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

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

3 y 4.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. sería la de poner cuatro obleas con diferentes dosis de cada uno de tres carreras del horno. por campaña de 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. en orden aleatorio. La asignación al azar sólo sería elegir cuál de las tres obleas con una dosis entraría en ejecución un horno. El camino bloqueado para ejecutar este experimento.. 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