Está en la página 1de 19

PRACTICA N 5

DISEO EXPERIMENTAL
Los experimentos deben planificarse previamente, de modo que al finalizar el
anlisis de los resultados pueda responderse a la problemtica que se intenta
resolver con el experimento. Un plan experimental implica:
a) la formulacin de los objetivos del trabajo;
b) la determinacin y clara definicin de los mtodos que se utilizarn en la
obtencin de datos, y
c) una decisin acerca de las tcnicas de anlisis de datos a ser empleadas.
Este plan debe incluir necesariamente el diseo del experimento, que en
estadstica significa la organizacin de una serie de pruebas experimentales cuyo
objeto es minimizar los efectos de factores o fuentes de variabilidad en los
estudios de biodisponibilidad.
La variabilidad que se presenta en estos estudios puede ser:
- variabilidad entre los sujetos sometidos al estudio;
- variabilidad intrasujetos, es decir, variaciones en las caractersticas de absorcin
que pueden producirse en un mismo voluntario en perodos diferentes del estudio;
- efecto de los perodos de administracin, causados especialmente por la accin
residual de los tratamientos;
- variabilidad causada por el tratamiento o producto, por ejemplo diferentes dosis o
diferentes formulaciones y qu es lo que en definitiva se intenta establecer en los
estudios de biodisponibilidad, y
- error residual o experimental, que incluye cualquier fuente de variacin que no
haya sido identificada, tal como errores en el mtodo de anlisis.
Esta variabilidad biolgica puede resolverse, por ejemplo, empleando diseos
cruzados o alternados, en los cuales a los voluntarios se les administran los
productos en estudio alternadamente mientras dure el experimento. El caso ms
simple de un estudio cruzado consistira en usar dos productos, uno de los cuales
se administra a un individuo y, despus de obtener las muestras sanguneas o de
orina para su anlisis, se le hace descansar un perodo en el cual se supone que
todo el frmaco absorbido ha sido eliminado. En seguida, se le administra el
segundo producto y se comparan los resultados de absorcin. De esta manera, se
elimina, evidentemente, la variacin intrasujetos. Este esquema experimental tan
simple no es aplicable si se requiere resultados ms precisos. Mientras mayor sea
el nmero de sujetos que intervienen en el estudio, mayor ser la precisin de los
resultados, ya que las diferencias individuales sern minimizadas.
ANALISIS DE LA VARIANZA
1) Anlisis de Varianza: Es una tcnica que se usa para comprobar si existen
diferencias significativas entre los promedios de los tratamientos.
2) Tipos de Diseo Experimental
2.1) Diseos completamente Aleatorios: Supondremos que el experimentador
cuenta con los resultados de k muestras aleatorias independientes, cada una de
tamao n, de k diferentes poblaciones; y le interesa probar la hiptesis que las
medias de esas k poblaciones son toas iguales. Si denotamos j-esima observacin
en la i-esima muestra por Yij, el esquema general para un criterio de clasificacin
es como sigue:
Medias
Muestra 1: Y11, Y12,...., Y1j, ....... Y1
Muestra 2: Y21, Y22,...., Y2j, ....... Y2
. . .
. . .
. . .
Muestra i: Yk1, Yi2,...., Yij, ........ Yi
. .
. .
. .
Muestra a: Yk1, Yk2,...., Ykj, ....... Yk / Y

Modelo Estadstico Lineal (Balanceado):

Yij = + Ti + Eij
Yij = Valor de la psima observacin ubicada en el psimo tratamiento.
= Promedio General
Ti = Efecto del isimo tratamiento
Bj = Efecto de jsimo tratamiento
Eij = Variacin de las observaciones ubicada en el psimo bloque, utilizando el
isimo tratamiento.
Hipotesis:
Ho: 1= 2=..... = k
H1: No todas is son iguales
Nivel de significacin:
= 0.05 0.01
Estadstico de Prueba:
F = S1/S
Regla de Decisin:
Si f>f [(k-1), (k (n-1) ) ] se rechaza Ho
Tomar una muestra y llegar a una decisin.
Suma de Cuadrados
STC = Suma total de cuadrado
STC = Yij - Y..
n.k
SCT = Suma de cuadrados de los tratamientos
SCT = Yi - Y..
n n . k

SCE =Suma de cuadrado del error

SCE = STC-SCT

Cuadrados Medios
S1= Cuadrado medio de los tratamientos

S1= SCT
k-1

S = Cuadrado medio del error

S = SCE
K(n-1)

Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadros
Medios
Valor de
F
Tratamiento SCT K-1 S1
Error SCE K(n-1) S F=S1/S
Total STC n(K-1)

2.2) Modelo no Balanceado:
Hipotesis:
Ho: 1= 2=..... = k
H1: No todas is son iguales
Nivel de significacin:
= 0.05 0.01
Estadstico de Prueba:
F = S1/ S
Regla de Decisin:
Si f>f [(k-1), (k (n-1) ) ] se rechaza Ho
Tomar una muestra y llegar a una decisin.
Suma de Cuadrados
STC = Suma total de cuadrado
STC = Yij - Y..
N
N = Numero total de observaciones
SCT = Suma de cuadrados de los tratamientos
SCT = Yi - Y..
ni N

SCE = Suma de cuadrado del error

SCE = STC-SCT

Cuadrados Medios
S1= Cuadrado medio de los tratamientos

S1= SCT
k-1
S = Cuadrado medio del error
S = SCE
N-K

Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadros
Medios
Valor de
F
Tratamiento SCT K-1 S1
Error SCE N-k S F=S1/S
Total STC n-1
2.3) Diseo de Bloques Aleatorios: La estimacin de variable aleatoria a
menudo puede reducirse, esto es , liberarse de la variabilidad debida a causas
extraas, dividiendo las observaciones de cada clasificacin en bloques.
Conviniendo en que Yij denote la observacin relativa al i-esimo bloque Yi. la
media de las b observaciones para el i-esimo tratamiento, Y.j la media de las a
observaciones en el j-esimo bloque y Y.. la gran media de las ab observaciones,
empleamos el siguiente esquema en esta clase de clasificacin con dos criterios:

Bloques
B1 B2 .......Bj ....Bh Medias
Tratamiento 1: Y11, Y12,...., Y1j, .......Y1h Y1.
Tratamiento 2: Y21, Y22,...., Y2j, .......Y2h Y2.
. . .
. . .
. . .
Tratamiento i: Yk1, Yi2,...., Yij, ........Yih Yi.
. .
. .
. .
Tratamiento a: Ya1, Ya2,...., Yaj, ....... Yah Ya.

Medias Y.1 Y.2 Y.j ....... Y.h Y..



Este tipo de esquema se denomina tambin diseo en bloques aleatorios,
siempre que los tratamientos sean asignados el azar dentro de cada bloque.
Ntese que cuando un punto se usa en lugar de un subndice, esto significa que la
moda se obtiene sumando sobre l. En el anlisis de clasificacin con dos criterios
cada tratamiento es representado una vez dentro de cada bloque, el bloque
principal consiste en probar la significancia de las diferencias entre las Yi., o sea
probar la hiptesis nula 1 = 2 = ..... = a = 0
Mas aun , quiz convenga probar si la divisin en bloques ha sido eficaz,
esto es, si la hiptesis nula 1 = 2 = ..... = b = 0 puede rechazarse. En
cualquier caso, la hiptesis alterna establece que al menos uno de los efectos no
es cero.

Yij= + Ti + Eij
Yij = Valor de la i-sima observacin ubicada en el i-simo tratamiento.
= Promedio General
Ti = Efecto del i-simo tratamiento
Bj = Efecto de j-simo tratamiento
Eij = Variacin de las observaciones ubicada en el psimo bloque, utilizando el i-
simo tratamiento.
B = Cantidad de bloques
Y.. = Suma de todas las observaciones
Yi. = Suma de todas las observaciones por tratamiento
Y.j = Suma de todas las observaciones por bloques.
Anlisis de Varianza
Hiptesis:
Ho: 1= 2=..... = k
H1: no todas ks son iguales
Ho: 1= 2=..... = j
H1: no todas js son iguales
Nivel de significacin:
= 0.05 0.01
Estadstico de Prueba:
F1= S1/S ; F2= S2/S
Regla de Decisin:
Si f>f [(k-1), (k (n-1) (b-1)) ] se rechaza Ho
Tomar una muestra y llegar a una decisin.
Suma de Cuadrados
STC = Suma total de cuadrado
STC = Yij - Y..
n.b
SCT = Suma de cuadrados de los tratamientos
SCT = Yi - Y..
b b.k


SCB = Suma de cuadrados de los bloques
SCB = Y.j - Y..
k b. k
SCE = Suma de cuadrado del error
SCE = STC- SCT- SCB

Cuadrados Medios
S1= Cuadrado medio de los tratamientos
S1=SCT S2= SCB
k-1 b-1

S = Cuadrado medio del error
S = SCE____
(K-1)(b-1)

Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadros
Medios
Valor de
F
Tratamiento SCT K-1 S1
Error SCB b-1 S F = S1/S
Bloques STE (k-1)(b-1) F2=S2/S
Total STC B k-1

CUADRADOS LATINOS
2.4) Diseo a Cuadros Latinos: El diseo en bloques aleatorios es adecuado
cuando una fuente de variabilidad extraa se elimina comparando un conjunto de
medias muestrales. Una Caracterstica importante de este tipo de diseo es su
balance, que se logra asignando el mismo numero de observaciones a cada
tratamiento de cada bloque. La misma clase de balance puede lograrse en otros
tipos de diseo mas complicados, en los cuales es conveniente eliminar el efecto
de varias fuentes extraas de variabilidad. Con el fin de comparar tres
tratamientos, A, B, C, en presencia de otras fuentes de variabilidad. Por ejemplo,
los tres tratamientos pueden ser mtodos de soldadura para conductores
elctricos, y las dos fuentes extraas de variabilidad pueden ser diferentes
operadores aplicando la soldadura y la utilizacin de diversos fundentes para
soldar. Si tres operadores y tres fundentes para soldar. Si tres operadores y tres
fundentes son considerados, el experimento podra disponerse segn el patrn
siguiente:

Fund.1 Fund. 2 Fund. 3
Operador1
Operador2
Operador3

Aqu cada mtodo de soldadura se aplica una sola vez por cada operador
junto con cada fundente, y si existiesen efectos sistemticos debido a diferencias
entre los operadores o entre los fundentes, dichos efectos estaran presentes de
igual manera en cada tratamiento, esto es, en cada mtodo de soldadura.
A B C
C A B
B C A
5x5

4x4







Un arreglo experimental como el que se describi se denomina cuadrado
latino. Un cuadrado latino n x n es un arreglo cuadrado de n distintas, las cuales
aparecen solo una vez en cada rengln y en cada columna.
Un experimento de cuadrado latino sin repeticin da solo (n-1) (n-2) grados
de libertad para estimar el error experimental. As, tales experimentos son
efectuados en contadas ocasiones sin repeticin cuando n es pequea, esto es,
sin repetir el patrn completo de cuadrado varias veces.
Modelo Estadstico Lineal
Yij = + Ti + Bj + rk + Eijk
Yijk = valor de la i-sima observacin ubicada en la k-sima
columna con la j-esima fila usando el i-esimo tratamiento.
= Promedio General
Ti = Efecto del isimo tratamiento
Bj = Efecto de la j-sima columna
Rk = efecto de la k-esima fila
Eijk = Variacin de las observaciones ubicada en la k-sima columna, con la j-
esima fila, usando el i-esimo tratamiento.
Anlisis de Varianza
Hiptesis:
Ho: 1= 2=..... = i
H1: no todas is son iguales
Ho: 1= 2=..... = j
A B C D E
B A E C D
C D A E B
D E B A C
E C D B A
A B C D
B C D E
C D A B
D A B C
H1: no todas js son iguales
Ho: 1= 2=..... = k
H1: no todas ks son iguales
Nivel de significacin:
= 0.05 0.01
Estadstico de Prueba:
F1= S1/S ; F2= S2/S ; F3= S3/S
Regla de Decisin:
Si f>f [(r-1) ; (r-2) (r-1)] se rechaza Ho
Tomar una muestra y llegar a una decisin.
Suma de Cuadrados
STC = Suma total de cuadrado
STC = Yijk - Y..
r
SCT = Suma de cuadrados de los tratamientos
SCT = Yi.. - Y..
r r
SCF = Suma de cuadrados de las filas

SCF = Y.j - Y...
r r

SCC = Suma de cuadrados de las columnas

SCC = Y...k - Y...
r r

SCE = Suma de cuadrado del error

SCE = STC- SCT- SCE - SCC

Cuadrados Medios
S1= Cuadrado medio de los tratamientos

S1= SCT S2= SCF S3= SCC
r-1 r-1 r-1

S = Cuadrado medio del error
S = SCE____
(r-2)(r-1)

Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadros
Medios
Valor de
F
Tratamiento SCT r-1 S1
Filas SCF r-1 S2 F1=S1/S
Bloques SCC r-1 S3 F2=S2/S
Error STE (r-2)(r-1) F3=S3/S
Total STC r-1
2K FACTORIAL
Diseo factorial de dos factores

l primer diseo de la serie 2
2
es aquel en el que solo dos factores, A y B, cada
uno con dos niveles. Este diseo se conoce como diseo factorial 2
2
.
Arbitrariamente, los niveles del factor pueden llamarse bajo y alto.
Ejemplo 1 Considrese una investigacin llevada a cabo para estudiar el efecto
que tiene la concentracin de un reactivo y la presencia de un catalizador sobre el
tiempo de reaccin de un proceso qumico. Sea la concentracin del reactivo el
factor A con dos niveles de inters, 15% y 20%. El catalizador constituye el factor
B; el nivel alto o superior denota el uso de dos sacos de catalizador y el nivel bajo
o inferior denota el uso de un solo saco. El experimento se realiza (replica o
repite) tres veces, y los datos son como sigue:
E



En la figura 4 siguiente se presentan grficamente las combinaciones de
tratamiento para este diseo, el efecto de un factor se denota por la letra latina
minscula. De este modo, A se refiere al efecto del factor A, y B se refiere al
efecto del factor B, y AB se refiere a la interaccin entre AB. En el diseo 2
2
los
niveles bajo y alto de A y B se denotan por - y + respectivamente, en los ejes A
y B. As en el eje B representa el nivel bajo de catalizador mientras que + denota
el nivel alto.
As
a representa la combinacin de tratamientos, en la que A se encuentra en
el nivel superior y B en el nivel inferior;
b representa aquella en la que A se halla en el nivel inferior y B en el
superior, y
ab representa a ambos factores en el nivel superior.
Por convencin (1) se usa para representar a ambos factores en el nivel
inferior.
El efecto promedio de un factor se define como el cambio en la respuesta
producida por un cambio en el nivel de ese factor, promediado sobre los
niveles del otro factor.
Como se ilustra en la figura 3, las letras minsculas (1), a, b y ab tambin se
usan para representar los totales de las n replicas de las combinaciones de
tratamientos correspondientes. Ahora bien, el efecto de A en el nivel B es {a-
(1)}/n. Mientras que el nivel superior B es {ab-b}/n. Tomando el promedio de
estas dos cantidades se obtiene:
Combinacin de
tratamientos
Replica
I II III Total
A baja, B baja 28 25 27 80
A alta, B baja 36 32 32 100
A baja, B alta 18 19 23 60
A alta, B alta 31 30 29 90

| | | | { } | | (1) b a ab
2n
1
(1) a b ab
2n
1
A = + =


El efecto promedio de B se determina a partir de su efecto en el nivel inferior de A
(esto es, {b-(1)}/n, y de su efecto en el nivel superior de A (que es igual a [ab-a]/n
obtenindose:

| | | | { } | | (1) a - b ab
2n
1
(1) b a ab
2n
1
B + = + =


El efecto de la interaccin AB se define como la diferencia promedio entre el
efecto de A en el nivel superior de B y su efecto en el nivel inferior de B, as:

| | | | { } | | (b) a (1) ab
2n
1
(1) a b ab
2n
1
AB + = =


Por otro lado se puede definir AB como la diferencia promedio entre el efecto de B
en el nivel superior de A y el efecto de B en el nivel inferior de A.

Las formulas para los efectos de A, B y AB pueden deducirse por otro mtodo. El
efecto de A puede hallarse como la diferencia en la respuesta promedio de las dos
combinaciones de tratamiento en la mitad derecha (que llamaremos Y
A+
, puesto
que es la respuesta promedio para las combinaciones de tratamientos a las que A
que se encuentra en el nivel alto) y las dos combinaciones de tratamientos en la
mitad izquierda (o Y A
). Esto es,

+ = A Y A Y A

2n
(1) b
2n
a ab +

+
=

| | (1) b a ab
2n
1
+ =



Este es exactamente el mismo resultado, el efecto de B se encuentra como la
diferencia entre el promedio de las dos combinaciones de tratamientos en la parte
superior del cuadrado ( Y B+
) y el promedio de las dos combinaciones de
tratamientos en la parte inferior ( Y
B-
), o

+ = B Y B Y B

2n
(1) a
2n
b ab +

+
=

| | (1) a b ab
2n
1
+ =


Finalmente el efecto de interaccin AB es el promedio de las combinaciones de
tratamientos en la diagonal de derecha a izquierda del cuadrado |ab y (1)| menos
el promedio de las combinaciones de tratamientos en la diagonal de izquierda a
derecha (a y b), o

2n
b a
2n
(1) ab
AB
+

+
=

| | b a (1) ab
2n
1
+ =


Con los datos que aparecen en la figura 1, las estimaciones de los efectos
promedio son:

( ) 8.33 80 60 100 90
2(3)
1
A = + =

( ) 5.00 80 100 60 90
2(3)
1
B = + =

( ) 1.67 60 100 80 90
2(3)
1
AB = + =


El efecto de A (concentracin de reactivo) es positivo; esto sugiere que al elevar A
del nivel bajo (15%) al nivel alto (25%) incrementar el rendimiento. El efecto de B
(catalizador) es negativo; esto sugiere que elevar la cantidad del catalizador
agregada al proceso reducir el rendimiento. Al parecer, el efecto de
interacciones es pequeo comparado con los dos efectos principales.

En muchos experimentos que implican diseos 2
K
se examina la magnitud y la
direccin de los efectos de los factores para determinar cuales variables es
probable que sean importantes. Por lo general puede emplearse el anlisis de
varianza para confirmar esta interpretacin. En el diseo 2
k
existen algunos
mtodos rpidos especiales para realizar los clculos del anlisis de varianza.

Consideremos la suma de cuadrados para A, B y AB. Obsrvese la primera
ecuacin que se utiliza un contraste para estimar A; esto es,

(1) b a ab ContrasteA + =


Este contraste suele llamarse efecto total de A. A partir de la segunda y tercera
ecuacin, puede apreciarse que tambin se utilizan contraste para estimar B y AB.
Adems, estos tres contrastes son ortogonales. La suma de cuadrados de
cualquiera de ellos puede calcularse usando la siguiente ecuacin:

( ) =
a
a
2
ci n
2
a
1
ciyi. SSc
.

Esta ecuacin establece que la suma de cuadrados de contraste es igual al
contraste elevado al cuadrado entre el producto del nmero de las observaciones
de cada total del contraste por la suma de cuadrados de los coeficientes del
mismo. En consecuencia, se obtiene que las sumas de cuadrados de A, B y AB
sean:

| |
| |
| |
4 * n
2
b a (1) ab
SS
4 * n
2
(1) a b ab
SS
4 * n
2
(1) b a ab
SS
AB
B
A
+
=
+
=
+
=


Con los datos de la figura 1, las sumas de cuadrados se pueden calcular aplicando
las ecuaciones anteriores, obtenindose:

8.33
4(3)
2
10
SS
75.00
4(3)
2
30
SS
208.33
4(3)
2
50
SS
AB
B
A
= =
=

=
= =


La suma total de cuadrados se determina de la manera usual mediante:

=

=

=
=
2
1 i
2
1 j
n
1 k
4n
...
2
Y
ijk
2
Y SST


En general SS
T
tiene 4n 1 grados de libertad. La suma de cuadrados del error,
con 4(n-1) G.L. se puede calcular en la forma usual, por diferencia, mediante.

323.00 9075.00 9398.00
4(3)
2
Y 2
1 i
2
1 j
3
1 k
2
ijk
Y
E
SS = =
=

=

=
=

AB
SS
B
SS
A
SS
T
SS
E
SS =

31.34 8.33 75.00 208.33 323.00 = =


El anlisis de varianza completo se presenta en la tabla siguiente. Ambos efectos
principales son significativos al 1%.

A menudo se es conveniente escribir las combinaciones de tratamientos en el
orden (1), a, b, y ab. Este orden se conoce como orden estndar. Cuando se
utiliza es posible apreciar que los coeficientes de los contrastes usados para
estimar los efectos son

Efectos (1) a b Ab
A:
B:
AB:
-1
-1
+1
+1
-1
-1
-1
+1
-1
+1
+1
+1
Tabla ANOVA para los datos del ejemplo 3.1 es la siguiente:

Fuente de
variacin SS G.L. MS Fo
A
B
AB
Error
Total
208.33
75.00
8.33
31.34
323.00
1
1
1
8
11
208.33
75.00
8.33
3.92
53.15
a
19.13
a
2.13
a
significativo al 1%

Signos algebraicos para calcular los efectos en un diseo 2
2

Combinacin
De
Tratamientos
Efecto Factorial
I A B AB
(1)
a
b
ab
+ - - +
+ + - -
+ - + -
+ + + +

Observe que los coeficientes de los contrastes usados para estimar la interaccin
son iguales al producto de los coeficientes correspondientes a los dos efectos
principales. Los coeficientes de los contrastes siempre son +1 o 1 y se puede
usar una tabla de signos positivos y negativos como la mostrada en la de signos
algebraicos para determinar el signo apropiado de cada combinacin de
tratamientos. En el encabezado de las columnas de tabla y se encuentran los
efectos principales (A y B), la interaccin AB, e I, que representa el total el total o
el promedio de todo el experimento. Se observa que la columna encabezada por I
se compone de solo de signos positivos. Los renglones corresponden a las
combinaciones de tratamientos.

Para encontrar un contraste con el fin de estimar cualquier efecto, simplemente se
multiplican los signos de la columna apropiada de la tabla por la correspondiente
combinacin de tratamientos, y se suma. Por ejemplo, el contraste para estimar A
es (1) + a b + ab, lo cual concuerda con la ecuacin.

| | | | { } | | (1) b a ab
2n
1
(1) a b ab
2n
1
A = + =


Los tipos ms sencillos de diseos factoriales implican slo dos factores o
conjuntos de tratamientos. Haya a niveles del factor A y b niveles del factor B,
dispuestos en un diseo factorial; esto es, cada A repeticin o rplica del
experimento contiene todas las combinaciones de tratamiento ab. En general, hay
n repeticiones.

BIBLIOGRAFIA
http://mazinger.sisib.uchile.cl/repositorio/lb/ciencias_quimicas_y_farmaceuticas/cid
e02/capitulo06/05.html
http://es.scribd.com/doc/56554927/3K
http://zip.rincondelvago.com/analisis-de-la-varianza