Está en la página 1de 121

Diseo Experimental

Cria43

COMIT DIRECTIVO
Jaime Alberto Leal Afanador
Rector
Roberto Salazar Ramos
Vicerrector Acadmico

HERNAN MAURICIO PULIDO


Decano Facultad de Ciencias Bsicas e Ingeniera

Celia del Carmen Lpez


Secretaria Acadmica Facultad de Ciencias Bsicas e Ingeniera

Primera Edicin
Copy Rigth
Universidad Nacional Abierta y a Distancia
ISBN
2005
Centro Nacional de Medios para el aprendizaje

Diseo Experimental
Cria43

PROGRAMA DE INGENIERA DE
ALIMENTOS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


BOGOT 2005

Campo Elas Riao Luna


Ing. Qumico. MSc.

Diseo Experimental
Cria43

CONTENIDO
Algo de historia del diseo experimental
OBJETIVOS DEL MODULO
ES IMPORTANTE EL DISEO EXPERIMENTAL EN LAS CIENCIAS APLICADAS?
COMO SE EVALUARA EL CURSO DE DISEO EXPERIMENTAL?
UNIDAD PRIMERA: Fundamentos del diseo experimental

Algunas citas de inters


Para no olvidar
Cuando se inicia el diseo experimental?
CAPITULO PRIMERO:La investigacin y el diseo experimental
Preguntas de repaso y evaluacin.
1.1. Introduccin al diseo de experimentos
1.1.1. Propsitos de la investigacin.
1.2.El proyecto de investigacin.
1.3. Anteproyecto de investigacin.
1.4. Investigacin cientfica.
1.5. Investigacin aplicada.
1.6. Diseo de investigacin.
1.7. El mtodo cientfico.
1.8. Mtodos de investigacin.
1.9. Estilo de trabajo investigativo
1.9.1. Mtodo Inductivo
1.9.2. Mtodo Deductivo
1.9.3. Mtodo Hipottico- deductivo.
1.10. Niveles de investigacin
1.11. Etapas de un trabajo de investigacin
1.12. Fundamentos de la experimentacin.
1.13. Que es la observacin
1.14. Que es analizar?
CAPITULO DOS: Definiciones bsicas en el diseo de experimentos
2.1. Diseo de experimentos en la investigacin.
2.2. Necesidad de disear experimentos.
2.3. Objetivos de un diseo de experimentos.
2.4. El diseo de experimentos en la industria.
2.5. Diseo experimental
2.6. Utilidad del Diseo Estadstico de Experimentos.
2.7. Experimento
2.8. Experimento aleatorio
2.9. Unidad experimental
2.11. Repetitividad (precisin) de un experimento
2.12. Reproducibilidad de un experimento
CAPITULO TRES: Repaso a conceptos estadsticos
3.1. Variable.
3.2. Variable independiente.
3.3. Variable dependiente.
3.4. Ejemplo de variables independiente y dependiente
Diseo Experimental
Cria43

3.5. Variable de respuesta.


3.6. Factores
3.7. Nivel.
3.8. Niveles de variables
3.9. Tratamiento.
3.10.Testigo
3.11. Replica
3.12. Aleatorizacin.
Tabla 1. Ejemplo de unidades experimentales a aleatorizar
3.13. Actividades a desarrollar
3.14. Respuesta a las preguntas
CAPITULO CUARTO: Definiciones y herramientas estadsticas aplicadas a los
diseos experimentales.
4.1. Poblacin y muestra.
4.2. Poblacin
4.2.1. Tipos de poblaciones
4.3. Individuos o elementos
4.5.Tipos
de
muestreo
4.5.1. Muestreo aleatorio simple
4.5.1. Muestreo estratificado
4.6.Datos obtenidos
4.7. Eleccin de la muestra.
4.8. Parmetro
4.12. Estimacin puntual y por intervalo.
4.13. La media aritmtica.
4.14. Clculo de la media a partir de datos no agrupados.
4.15. Clculo de la media de datos agrupados.
4.16. Varianza de una poblacin.
4.17. Desviacin estndar de una poblacin
4.18. Significancia estadstica p.
4.8. Tamao de la muestra
4.9. Ejemplo de determinacin de nmero de muestras.
4.9. Recomendaciones para la eleccin y tamao de muestra.
4.19. Hiptesis
4.20. Planteamiento de una hiptesis estadstica
4.21. Formulacin y prueba de hiptesis
4.22. Estadstico de prueba.
4.23. Anlisis de datos.
4.24. Ppruebas de hiptesis.
4.25. Pruebas de hiptesis Z para una media poblacional ( conocida)
4.26. Ejemplo y procedimiento a desarrollar para una prueba de hiptesis
propiamente dicha.
4.27. Prueba de t.
4.28. Suposiciones de la prueba de t con una muestra.
4.29. Prueba de z para la diferencia entre dos medias.
4.30. Prueba de t para la diferencia entre dos medias
4.31. Grados de libertad.
4.32. Anlisis de la varianza.
4.33. Bases del anlisis de la varianza.
4.34. Diferencia mnima significativa
Diseo Experimental
Cria43

4.35. Error experimental


4.36. Errores tipo I y tipo II.
4.37. Las modalidades ms recomendadas para disminuir el error
4.38. Modelo estadstico.
4.39. Anlisis de Covarianza.
4.40. Recomendaciones
4.41. Software estadsticos para la solucin de problemas.
4.42. Ejercicio desarrollado
4.43. Ejercicios y actividades
UNIDAD SEGUNDA: Diseos experimentales aplicados a la ingeniera de
alimentos
CAPITULO QUINTO: Clasificacin y seleccin de los diseos experimentales.
5.1. Caractersticas de los diseos experimentales.
5.2. Aspectos influyentes en la seleccin de un diseo experimental.
5.3. Clasificacin de los diseos experimentales acorde con su utilizacin.
5.4. Experimentos con un solo factor (anlisis de varianza)
5.4. 1. Experimentos de una variable
5.5. Dise de experimentos sin bloquear.
5.6. Procedimiento estadstico para la comprobacin de hiptesis en un diseo
al azar.
5.7. Modelo estadstico para un diseo al azar.
5.8. Ejemplo de un diseo de experimentos sin bloquear
CAPITULO SEIS: Diseo en bloques
6.1. Diseo de bloques completos al azar.
6.1.1. Caractersticas.
6.1.2. Fuentes de variabilidad.
6.1.3. Ventajas
6.1.4. Aleatorizacion.
6.2. Procedimiento estadstico para la comprobacin de hiptesis en un diseo
de bloques completos al azar.
6.3. Arreglo de los datos en un diseo de DBCA.
6.4. Modelo estadstico para un DBCA
6.5. Hiptesis a probar
6.6. ANOVA para un diseo en bloques completos al azar (DBCA)
6.7. Comparacin de medias de tratamiento en el diseo de bloques completos
al azar (BCA)
6.8. Ejemplo de bloques completos al azar (BCA)
6.9. Ejercicio para realizar como actividad de grupo:
6.10. Ejercicio propuesto
CAPITULO SIETE: Diseo en cuadro latino
7.1. Diseo en cuadro latino
7.2. Formacin y tabulacin de los datos experimentales en un cuadrado
latino.
7.3. Arreglo de los datos en un diseo de Cuadro latino.
7.4. Procedimiento estadstico para la comprobacin de hiptesis en un diseo
de bloques en cuadro latino.
7.5. Anlisis del diseo de Cuadro latino
1.19.2 Hiptesis a probar
7.6. ANAVA para el diseo de cuadro latino.
7.7. Ejemplo para el diseo de cuadro latino..
Diseo Experimental
Cria43

7.8. Ejercicio propuestos


CAPITULO OCHO: Diseo en cuadro grecolatino
8.1. Diseo en cuadro greco latino.
8.2. Formacin y tabulacin de los datos experimentales en un cuadrado greco
latino.
8.3. Procedimiento estadstico para la comprobacin de hiptesis en un diseo
de bloques en cuadro greco latino.
8.5. Hiptesis a probar para el diseo greco latino
8.6. ANAVA para el diseo grecolatino.
8.7. Ejemplo para el diseo grecolatino.
CAPITULO NUEVE: Diseos factoriales
9.1. Diseos factoriales
9.2. Ventajas de los Experimentos Factoriales
9.3. Desventajas de los diseos factoriales
9.4. Arreglo factorial
9.5. Modelo estadstico para un diseo factorial
9.6. Hiptesis a probar
9.7. ANOVA para el diseo factorial (a x b) o de dos factores
9.8. Ejemplo de un diseo factorial
9.9. Experimentos factoriales de dos vas
9.10. Factor en el diseo de dos vas.
9.11. Tratamiento en el diseo de dos vas.
9.12. Interaccin en el diseo de dos vas.
9.13. Pasos para llegar al ANOVA en un diseo experimental.
CAPITULO DIEZ: Diseos factoriales 2k
10.1. Codificacin de las variables
10.2. El diseo factorial completo 2k
10.3. Efecto de un factor en un diseo 22
10.4. Anlisis de residuos
10.5. ANOVA para un diseo factorial 22
10.6. Ejemplo de un diseo experimental factorial 22
10.7. Factores y dominio experimental
CAPITULO ONCE: Diseos factoriales de tres factores
11.1. Diseo factorial de tres factores con dos niveles cada uno.
Tabla 38. Combinacin de los tratamientos para un diseo 23
11.2. Efecto de un factor en un diseo 23
11.3. Anlisis de varianza para un diseo factorial 23
11.4. Coeficientes de determinacin
11.5. Ejemplo de un diseo factorial 23
11.6. Presentacin de resultados.
11.7. Metodologa de la superficie de respuesta. Varios autores.
11.8. Regin experimental
11.9. Regin de operabilidad
11.10. Polinomio ortogonal.
CAPITULO DOCE: Anlisis de regresin
12.1. Anlisis de regresin.
12.2. Regresin lineal simple.
12.3. Coeficientes de correlacin.
12.4. Otros modelos de regresin lineal simple.
12.5. Regresin lineal mltiple.
Diseo Experimental
Cria43

12.6. Correlacin mltiple.


12.7. Transformacin de datos.
12.8. Correlacin mltiple.
12.9. Anlisis de Covarianza.
12.10. Los objetivos del anlisis de covarianza son:
12.11. Software estadstico para la solucin de problemas.
CAPITULO TRECE: Otros diseos
13.1. Diseos no experimentales. Varios autores
13.2. Recomendaciones
13.3. Ejercicios propuestos
13.4. Actividades a realizar para el capitulo primero de la unidad segunda
APENDICE
REFERENCIAS YBIBLIOGRAFIA
Direcciones de las paginas Web.

Diseo Experimental
Cria43

INDICE DE TABLAS Y FIGURAS


Figura 1. Red semntica para el diseo experimental en ingeniera de
alimentos.
Figura.2. sir Ronald Fisher.
Cuadro 1. Contenidos del capitulo primero de la unidad primera
Tabla 1. Ejemplo de unidades experimentales a aleatorizar
Tabla 2. Actividades a desarrollar para los captulos uno a tres de la primera
unidad
Figura 3. Ejemplo de una unidad experimental u observacional.
Tabla 4. Ejemplo de un anlisis de varianza
Figura 4. ANOVA toma de decisin.
Figura 5. Portada del programa Statgraphics.
Figura 6. Hoja de clculo de excell *.
Tabla 5. Produccin de canastillas de uchuva en seis veredas
Figura 7.Varianza entre las diferentes fincas productoras de uchuvas.
Tabla 6. Resumen estadstico de los datos totales recolectados de la
produccin de uchuvas en cinco municipios de Cundinamarca.
Tabla 7. Resumen estadstico de los datos recolectados por mes de la
produccin de uchuvas en cinco municipios de Cundinamarca.
Figura 8. Grafico de la produccin anual de uchuvas.
Figura 9. Grafico de cajas y bigotes de la produccin mensual de uchuvas.
Figura 10. Grafico de medias e intervalos para la produccin de uchuvas por
finca.
Tabla 8. Anlisis de varianza (ANAVA) par el ejemplo de las fincas productoras
de uchuva.
UNIDAD SEGUNDA: Diseos experimentales aplicados a la ingeniera de
alimentos
Tabla 9. Procedimiento estadstico para la comprobacin de hiptesis
Tabla 10. Anlisis de varianza para los tratamientos con un solo factor, en un
diseo totalmente aleatorizado o completamente al azar.
Tabla 11. Recopilacin y presentacin de los resultados de los tratamientos, en
un diseo totalmente aleatorizado o completamente al azar.
Figura 12. Diagrama de flujo para la produccin de rosquillas a partir de una
masa estandarizada.
Tabla 12. De aleatorizacin para el ejemplo de las rosquillas
Tabla 13. Datos obtenidos en la determinacin de la dureza para el ejemplo de
las rosquillas.
Tabla 14. Anlisis de varianza para evaluar el efecto de los aditivos en la
elaboracin de rosquillas.
Tabla 15. Anlisis de homogeneidad y contraste de las rosquillas.
Tabla 16. Recopilacin y presentacin de los resultados de los tratamientos, en
un diseo de bloques completos al azar.
Tabla 17. Arreglo de los datos en un diseo de bloques completos al azar.
Tabla 18. ANOVA para un diseo en bloques completos al azar
Tabla 19. Datos obtenidos en la determinacin del contenido de slidos para el
ejemplo de concentracin del jugo de tomate.
Tabla 20. Procesamiento de los datos obtenidos en la determinacin del
contenido de slidos para el ejemplo de concentracin del jugo de tomate.

Diseo Experimental
Cria43

Tabla 21. ANAVA para los datos obtenidos en la determinacin del contenido
de slidos para el ejemplo de concentracin del jugo de tomate.
Tabla 22. Recopilacin y presentacin de los resultados de los tratamientos, en
cuadro latino.
Tabla 23. Arreglo de los resultados de los tratamientos, en cuadro latino.
Tabla 24. ANOVA para el diseo de cuadro latino*
Tabla 25. Datos recolectados por los tecnlogos
Tabla 26. Calculo de los tratamientos (3eros o letras)
Tabla 27. ANOVA para el diseo de cuadro latino del ejemplo perdida de peso
Tabla 28. Arreglo de los resultados de los tratamientos, en cuadro GrecoLatino.
Tabla 29. ANOVA para el diseo de cuadro greco latino*
Tabla 30. ANOVA para el ejemplo de diseo de cuadro greco latino*
Tabla 30. ANOVA para el ejemplo de cuadro greco latino*
Figura 11.Un experimento factorial
Figura 12.Un experimento factorial
Tabla 31. ANOVA para el diseo factorial a x b
Tabla 32. Resultados del ensayo NOVA para el diseo factorial a x b
Tabla 33. ANOVA para el ejemplo de diseo factorial a x b
Tabla 34. Signos algebraicos para calcular los efectos en un diseo 22
Tabla 35. ANOVA para un diseo factorial 22
Tabla 36. Respuestas para el ejemplo de diseo factorial 22
Tabla 37. Matriz para el ejemplo de diseo factorial 22
Tabla 38. Anlisis de varianza para el ejemplo de diseo factorial 22
Tabla 38. Combinacin de los tratamientos para un diseo 23
Tabla 39. Signos algebraicos para calcular los efectos en un diseo 23
Tabla 40. Calculo del Anlisis de varianza para un diseo factorial 23
Tabla 41. Datos de la viscosidad de la bebida desarrollada.
Tabla 42. Promedio y factores calculados para el ejemplo de la viscosidad
Figura 13. Pasos para calcular el ANOVA en un diseo 2k
Tabla 43. Anlisis de la varianza para la viscosidad de bebida desarrollada.
Tabla 44. Coeficientes de regresin de la ecuacin de los datos de viscosidad
de la bebida desarrollada en el ejemplo anterior.
Tabla 45. Valores para el r2 , el error estndar para el ejemplo de la viscosidad
de la bebida desarrollada.
Tabla 46. Resultados estimados para los datos de viscosidad con la ecuacin
de regresin encontrada para el ejemplo anterior.
Figura 16. Efectos medios para el ejemplo de la viscosidad.
Figura 17. Interacciones para el ejemplo de la viscosidad.
Figura 18. Interacciones para el ejemplo de la viscosidad.
Tabla 48. Ecuaciones para el estimativo de una regresin lineal simple
Tabla 49. Grado de asociacin de los coeficientes de correlacin para un
conjunto de datos. (varios autores)
Tabla 50. Modelos de regresin lineal simple
Tabla 51. Transformaciones usadas para datos
Tabla 47. Actividades a desarrollar en el semestre acadmico.

Diseo Experimental
Cria43

10

Diseo Experimental
Cria43

11

UNIDAD PRIMERA: Fundamentos del diseo experimental

Definir

Planear
Trabajo de
campoLaboratorio

Datos

Diseo Experimental
Cria43

12

Algo de historia del diseo experimental

El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald
A. Fisher, quin sent la base de la teora del Diseo Experimental y que a la
fecha se encuentra bastante desarrollada y ampliada. Actualmente las
aplicaciones son mltiples, especialmente en la investigacin de las ciencias
naturales, ingeniera, laboratorios y casi todas las ramas de las ciencias
sociales. La experimentacin proporciona los datos experimentales, en
contraste con los datos de la observacin; los datos de la observacin se
representan como su nombre indica por observaciones de las unidades
elementales de una poblacin o de una muestra, y no deben ser cambiados ni
modificados por ningn intento de parte de un investigador en el curso de la
observacin.

Diseo Experimental
Cria43

13

DISEO EXPERIMENTAL PARA INGENIERA DE ALIMENTOS


Tiene como fn
Aplicar correctamente la terminologa y conceptos
utilizados en los procesos investigativos

comprende
Comceptos
metodologicos
investigacin
di i li

de

Conocimientos de
los tipos de diseo
experimental de utilidad
en su disciplina

Conocimientos de
tcnicas y herramientas analticas y
estadisticas

de

Con el fin de

Claridad
procesos

Conformados por

comprende

Con el fin de

Con el fin de

Buen
de una
Diseodiseo
apropiado
de
investigacin
una investigacin

los

Con el fin de

Utilizacin razonable de
recursos en los trabajos
de
grado

Con el fin de
Con el fin de

Buen diseo de una


investigacin
Formando pprofesionales con

Concepcin critica de la investigacin


en la solucin de problemas propios de
la disciplina.

COMUNIDADES ACADEMICAS Y LOCALES

RED SEMNTICA PARA EL DISEO EXPERIMENTAL EN INGENIERA DE ALIM


Figura 1. Red semntica para el diseo experimental en ingeniera de
alimentos.

Diseo Experimental
Cria43

14

OBJETIVOS DEL MODULO


La UNAD y la Facultad de Ciencias Bsicas e ingeniera a travs de este
modulo suministrara los elementos esenciales para que el alumno que se
encuentra cursando los semestres octavo, noveno y dcimo del ciclo de
ingeniera conozca el proceso que requiere la elaboracin de un trabajo de
investigacin respaldado por un estudio estadstico, aplicado a una recogida y
toma de datos experimentales productos de una metodologa debidamente
planificada, con interpretacin de resultados hasta su posterior anlisis y
conclusiones.
Finalmente se pretende que el alumno sea capaz de planificar y elaborar, por s
mismo, estudios con aplicacin de la estadstica, relacionados con los
obtenidos por medio de la bsqueda de documentacin en bibliotecas, en los
laboratorio, en centros especializados en diversos estudios, en analizar
tendencias poblacionales, etc., y el uso y manejo de algn paquete de software
estadstico adecuado.

Diseo Experimental
Cria43

15

ES IMPORTANTE EL DISEO EXPERIMENTAL EN LAS CIENCIAS


APLICADAS?
Pregunta que ha sido respondida por los siguientes autores:
"El diseo es fundamental en el experimento. La idea expresada en la
hiptesis tiene que ser convertida en experimentable a travs del diseo.
Para Plutchik, "los diseos experimentales se consideran como formas
de disponer las condiciones de un experimento de tal manera que se
logren las respuestas a las preguntas del caso".
Por eso, Kirk asegura que un diseo consiste en el papel conforme al
cual s asignan o distribuyen los sujetos a las diferente condiciones
experimentales.
Al preparar el diseo, el experimentador establece con qu variable
actuar, cules son las variables dependientes que espera relacionar
con la VI, seala cmo anular la influencia negativa de las VE.
Asimismo, establece, con cuntos sujetos se realizar el experimento y
decide la manera de su seleccin." L. Gildomero Arista, Metodologa de la investigacin (p.
169)

Diseo Experimental
Cria43

16

COMO SE EVALUARA EL CURSO DE DISEO EXPERIMENTAL?


-A travs de pruebas escritas de contenido terico-prctico, en las que se
valorar la claridad conceptual, la capacidad de relacionar conceptos, la
justificacin adecuada de los procedimientos estadsticos utilizados, la
coherencia en el desarrollo de resolucin de problemas y ejercicios prcticos y
la correccin y adecuacin de la interpretacin de los resultados obtenidos.
- Mediante la realizacin de trabajos en grupos y ejercicios prcticos.

Diseo Experimental
Cria43

17

Algunas citas de inters

"Experimentar dice Robert Plutchik significa "ensayar" o "poner a prueba"


(Fundamentos de la investigacin, 1975). Lo que se pone a prueba, en este caso, es
una hiptesis, una probable solucin o respuesta transitoria de un problema
planteado en la ciencia...
Escuchemos al respecto, la palabra de Claude Bernard, un clsico del mtodo
experimental" se da el nombre de observador dice- a aqul que aplica los
procedimientos de investigacin simples o complejos, para hacer que los
fenmenos que nos hace variar y que, por consiguiente, recoge tales como se
los ofrece la Naturaleza.
Se da el nombre de experimentador, al que emplea los procedimientos de
investigacin, simples o complejos, para hacer que los fenmenos naturales
varen o se modifiquen con un fin cualquiera, y as hacerlos aparecer en
circunstancias o condiciones en que no los presente la Naturaleza. En este
sentido, la observacin es la investigacin de un fenmeno natural, y la
experiencia es la investigacin de un fenmeno modificado por el que
investiga" (Introduccin al estudio de la medicina experimental, 1960).

Diseo Experimental
Cria43

18

Para no olvidar
Los mtodos experimentales son ampliamente usados en la investigacin
bsica y aplicada pero con propsitos muy diferentes.
La meta primaria en la investigacin cientfica normalmente es mostrar la
importancia estadstica de un efecto que un factor particular ejerce en la
variable dependiente de inters
En la industria, la meta primaria es extraer la cantidad mxima de informacin
imparcial con respecto a los factores que afectan un proceso, la produccin y la
calidad del producto terminado.
El propsito de un diseo experimental es proporcionar mtodos que permitan
obtener la mayor cantidad de informacin vlida acerca de una investigacin,
teniendo en cuenta el factor costo y el uso adecuado del material disponible
mediante mtodos que permitan disminuir el error experimental.

Diseo Experimental
Cria43

19

Cuando se inicia el diseo experimental?


El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald
Aymer Fisher, matemtico ingles nacido en Londres el 17 de febrero de 1890 y
fallecido en Adelaida, Australia, el 29 de julio de 1962.
Desde 1919 y hasta 1933, trabajo para la
Rothamsted Experimental Station, cerca de
Harpenden, Inglaterra en la aplicacin de un
exhaustivo anlisis estadstico a los datos de
investigaciones agrcolas que el personal haba
recolectado.
Ejercicio que le permiti desarrollar y consolidar
los principios bsicos del diseo y anlisis
experimental que hasta la fecha son prcticas
necesarias para llegar a resultados de
investigacin vlidos.
Estudiando
y
analizando
estadsticamente
experimentos relativos a los cultivos de trigo,
desarroll el anlisis de varianza y unific sus
ideas bsicas sobre los principios del diseo de
experimentos.
Figura..2. sir Ronald Fisher.
Su primera obra el artculo "The Arrangement of Field Experiments" lo publico
en, 1926; en ese importante artculo describi tres componentes fundamentales
de los experimentos en el rea de pruebas agrcolas: control local de las
condiciones de campo para reducir el error experimental, replicacin como un
medio para estimar la varianza del error experimental y la aleatorizacion para
obtener una estimacin valida de esa varianza.
Fue quin sent la base de la teora del Diseo Experimental y que a la fecha
se encuentra bastante desarrollada y ampliada.
Actualmente las aplicaciones son mltiples, especialmente en la investigacin
de las ciencias naturales, ingeniera, laboratorios y casi todas las ramas de las
ciencias sociales.(20)
La experimentacin proporciona los datos experimentales, en contraste con los
datos de la observacin; los datos de la observacin se representan como su
nombre indica por observaciones de las unidades elementales de una
poblacin o de una muestra, y no deben ser cambiados ni modificados por
ningn intento de parte de un investigador en el curso de la observacin. (30).
Ningn otro investigador ha tenido tanto impacto en los principios estadsticos
del diseo de experimentos en su tiempo como Ronald A. Fisher.

Diseo Experimental
Cria43

20

Preguntas de repaso y evaluacin.


Qu se entiende por investigacin?
Cmo se define la investigacin cientfica?
Qu es un diseo de investigacin? Qu es un experimento?
Qu tipo de estudio son las investigaciones experimentales?
En experimentacin que significa repetitividad?

Diseo Experimental
Cria43

21

Capitulo 1.La investigacin y el diseo experimental


1.1. Introduccin al diseo de experimentos
La experimentacin juega un papel fundamental en todos los campos de la
investigacin y el desarrollo. El objetivo de la experimentacin es obtener
informacin de calidad y confiable. Informacin que debe permitir el desarrollo
de nuevos productos y procesos, comprender mejor un sistema y tomar
decisiones sobre como optimizarlo adems el de comprobar hiptesis
cientficas, etc.
Obviamente la experimentacin se debe planificar (disear) cuidadosamente
para que proporcione la informacin buscada. Dicha planificacin debe
considerar dos aspectos importantes relacionados con toda experimentacin:
1.1.2. Propsitos de la investigacin.
La investigacin debe cumplir con dos propsitos fundamentales:
Producir conocimientos y teoras, entonces se habla de una investigacin
bsica o pura.
Resolver problemas prcticos, mediante la aplicacin del conocimiento,
entonces se habla de la investigacin aplicada o emprica. Este debe ser el
campo de investigacin para las escuelas de la UNAD, por lo tanto la poltica
ser fortalecer y desarrollar la investigacin aplicada.
1.2.El proyecto de investigacin.
Es un documento que elabora el investigador para especificar las
caractersticas de la indagacin que va a realizar, generalmente va antecedido
de un anteproyecto.
En un proyecto es preciso completar mucho ms la informacin, profundizando
y definiendo mejor lo tratado en el anteproyecto y agregndole lo relativo al
diseo de la investigacin, as como un marco terico que haga comprensible
el sentido de lo que se proyecta. (28).
1.3. Anteproyecto de investigacin.
Es un documento similar pero menos preciso que se elabora al comenzar la
investigacin, apenas se hayan definido sus caractersticas principales.
En un anteproyecto deben exponerse las caractersticas del problema, su
justificacin, los objetivos de la investigacin y (si las hubiere) las hiptesis a
verificar.
1.4. Investigacin cientfica.
Este tipo de investigacin esta basada en la aplicacin del mtodo cientfico
para la obtencin de un nuevo saber que en la mayora de los casos pretende
mover las fronteras de la ciencia.
1.5. Investigacin aplicada.
Este tipo de investigacin esta basada en la aplicacin de las metodologas
propias del desarrollo de cada una de las ingenieras..
Diseo Experimental
Cria43

22

1.6. Diseo de investigacin.


Realizar el diseo de una investigacin significa llevar a la prctica los
postulados generales del mtodo cientfico, planificando una serie de
actividades sucesivas y organizadas donde se encuentran las pruebas que se
han de efectuar y las tcnicas que se van a utilizar para recolectar y analizar
los datos.
1.7. El mtodo cientfico.
El mtodo cientfico es el procedimiento o conjunto de procedimientos que se
utilizan para obtener conocimientos cientficos, el modelo de trabajo o pauta
general que orienta la investigacin.
Tanto la investigacin cientfica, bsica como la aplicada, implica un proceso
que comprende varias etapas fundamentales a saber:
Seleccin, planteamiento y anlisis del problema que se va a investigar.
Delimitacin del tema.
Formulacin del marco terico (conceptos antecedentes referentes
bibliogrficos).
Presentacin de la hiptesis explicativa.
Diseo metodolgico.
Recoleccin de datos.
Procesamiento, anlisis e interpretacin de los datos.
Confrontacin con la hiptesis.
Presentacin del informe final de la investigacin.
El estudio del mtodo - o de los mtodos, si se quiere dar al concepto un
alcance ms general - se denomina metodologa, y abarca la justificacin y la
discusin de su lgica interior, el anlisis de los diversos procedimientos
concretos que se emplean en las investigaciones y la discusin acerca de sus
caractersticas, cualidades y debilidades
1.8. Mtodos de investigacin.
La palabra mtodo se deriva del griego META: a lo largo y ADOS: Camino
El mtodo es la manera de proceder en cualquier dominio, ordenando la
actividad a un fin lgico, es un mtodo.
El diseo de un mtodo especfico, una serie de actividades sucesivas y
organizadas, que deben adaptarse a las particularidades de cada investigacin
y que nos indican las pruebas a efectuar y las tcnicas a utilizar para recolectar
y analizar los datos.
El mtodo cientfico se fundamenta en observar algunos fenmenos
caractersticos para descubrir las leyes que los rigen.
La observacin y generalizacin
mtodo cientfico.

Diseo Experimental
Cria43

son los elementos ms importantes del

23

Para dar estructura y fundamentacin a la construccin del cimiento terico de


toda ciencia, la investigacin recurre a los mtodos, por pertenecer a los
principios bsicos de nuestra manera de pensar e investigar, y son comunes a
todas las ciencias y que sin modificar su forma o naturaleza son aplicables a
diferentes materias:
1.9. Estilo de trabajo investigativo
Los estilos de trabajo son mtodos peculiares de cada disciplina (por ejemplo:
"el mtodo antropolgico") y las formas particulares de investigacin que se
utilizan para resolver problemas especficos de indagacin, como cuando se
habla del "mtodo cualitativo", el "mtodo experimental" o el "mtodo
estadstico".
No existe un nico mtodo de la ciencia, ya que no investigan del mismo modo
el astrnomo, el fisico y el economista, el historiador y el qumico, el
antroplogo y el bioqumico, el sicologo y el ingeniero. La experiencia histrica
muestra, adems, que los procedimientos de la ciencia cambian, porque son
distintos los problemas que se van planteando y los instrumentos de ayuda
estan en continua evolucion.
1.9.1. Mtodo Inductivo
Variante del mtodo cientfico en la que el investigador parte de la informacin
recogida mediante sucesivas observaciones para, mediante la generalizacin,
establecer una ley del mbito lo ms universal posible. (Ortiz, Uribe. Diccionario de
investigacin. Noriega editores)

1.9.2. Mtodo Deductivo


Otro elemento del proceder cientfico es el uso sistemtico de la inferencia, o
razonamiento deductivo.
Inferir significa sacar consecuencias de un principio o supuesto. La inferencia
opera durante la investigacin y, por lo general, de la siguiente manera: una
vez formulada una hiptesis se deducen de ella posibles consecuencias
prcticas, que luego son sometidas, a su vez, a verificacin.(28).
1.9.3. Mtodo Hipottico- deductivo.
Procedimiento que consiste en desarrollar una teora empezando por formular
sus puntos de partida o hiptesis bsicas y deduciendo luego sus
consecuencias con la ayuda de las subyacentes teoras formales. (Ortiz)
1.10. Niveles de investigacin
Existen diferentes niveles de investigacin, segn el grado de profundizacin,
del rigor y exactitud y del mtodo empleado, a saber:
Nivel descriptivo: Responde a las preguntas qu es esto?, cmo se
comporta? Describe, las propiedades o caractersticas del objeto en estudio.
Nivel clasificatorio: existe una sistematizacin de los datos obtenidos de
acuerdo a un criterio previamente definido.
Nivel aplicativo: Se busca la causa de un fenmeno o problema, teniendo
en cuenta el contexto prctico y terico.
1.11. Etapas de un trabajo de investigacin
Diseo Experimental
Cria43

24

Las etapas de todo trabajo de investigacin se pueden resumir de la siguiente


manera:
a) Enunciado del problema.
b) Objetivos generales y especficos.
c) Formulacin de hiptesis.
d) Seleccin del procedimiento y diseo experimentales.
e) Realizacin del experimento.
f) Aplicacin de los mtodos estadsticos a los resultados.
g) Interpretacin de resultados
h) Anlisis econmico y su utilidad prctica para la comunidad.
1.12. Fundamentos de la experimentacin.
La experimentacin tiene como finalidad:
a) El estudio de la variacin de una poblacin de seres vivos.
b) La comparacin entre poblaciones y muestras para juzgar su semejanza.
e) La interpretacin de resultados de experimentos biolgicos, agropecuarios y
de ingeniera, en donde se comparan poblaciones o muestras sometidas a
diferentes estudios o pertenecientes a diferentes variedades o razas.
d) La determinacin de la relacin entre dos o ms variedades (correlacin y
regresin).
e) La aplicacin de mtodos para reducir las fuentes de error en la correlacin
de datos.
f) Y en poblaciones segregadas la separacin de la variacin atribuible a la
seleccin de los genes debido al medio, en estudios de herencia cuantitativa.
1.13. Que es la observacin
Es la recoleccin de los datos necesarios para un estudio. La observacin es
un mtodo clsico de investigacin cientfica; adems, es la manera bsica por
medio de la cual obtenemos informacin acerca del mundo que nos rodea.
Se fundamenta en los siguientes principios bsicos:
Debe tener un propsito especfico.
Debe ser planeada cuidadosa y sistemticamente.
Debe llevarse, por escrito, un control cuidadoso de la misma.
Debe especificarse su duracin y frecuencia.
Debe seguir los principios bsicos de confiabilidad y validez.
1.14. Que es analizar?
Despus que el investigador realiza las pruebas o ensayos propuestos toma
datos de la variable dependiente seguidamente procede a categorizarlos,
ordenarlos y resumirlo en una forma tal que le de respuesta a las preguntas
planteadas en ella.
En resumen es la operacin intelectual que considera por separado las partes
de un todo.

Diseo Experimental
Cria43

25

Capitulo 2. Definiciones bsicas en el diseo de experimentos


2.1. Diseo de experimentos en la investigacin.
Disear un experimento significa planear un experimento de modo que rena la
informacin pertinente al problema bajo investigacin.
El diseo de un experimento es la secuencia completa de pasos tomados de
antemano para asegurar que los datos apropiados se obtendrn de modo de
modo que permitan un anlisis objetivo que conduzca a deducciones vlidas
con respecto al problema establecido.
2.2. Necesidad de disear experimentos.
Esta surge de la necesidad de responder a preguntas como:
Cmo se va a medir el efecto? Cules son las caractersticas a
analizar?
Qu factores afectan las caractersticas que se van a analizar?
Cules son los factores que se estudiaran en esta investigacin?
Cuntas veces deber ejecutarse el experimento?
Cul ser la forma de anlisis?
A partir de que valores se considera importante el efecto?
El diseo de experimentos es una herramienta que nos ayuda a hacerlo de
forma sistemtica.
2.3. Objetivos de un diseo de experimentos.
Entre los muchos objetivos se encuentran:

Proporcionar la mxima cantidad de informacin pertinente al problema


bajo investigacin.

El diseo, plan o programa debe ser tan simple como sea posible.

La investigacin debe efectuarse lo ms eficientemente posible; ahorrar


tiempo, dinero, personal y material experimental. "Proporcionar la mxima
cantidad de informacin al mnimo costo"
2.4. El diseo de experimentos en la industria.
En el caso de la ingeniera es fundamental conocer el comportamiento de un
sistema, determinar las variables que tienen incidencia en un proceso,
optimizar los procesos y sus productos para la reduccin de los costos.
El diseo de experimentos es una herramienta que ayuda a hacerlo de forma
sistemtica.
En las ciencias agrarias igualmente colabora con los profesionales de la
disciplina en la planeacin, ejecucin, anlisis y conclusin de los experimentos
realizados para determinar el comportamiento de una raza de semovientes a
una dieta.
2.5. Diseo experimental
Se entiende por diseo experimental, el proceso de planeamiento de un
experimento, tal que se tomen datos apropiados con la mayor realidad posible,
los cuales deben ser analizados mediante mtodos estadsticos que deriven
conclusiones vlidas y objetivas. Podemos decir que la filosofa del diseo
Diseo Experimental
Cria43

26

experimental es la obtencin de informacin con una alta fidelidad sobre el


mensaje de la naturaleza a un costo mnimo.
Es el ordenamiento de las unidades experimentales para controlar y minimizar
el error experimental.
2.6. Utilidad del Diseo Estadstico de Experimentos.
El mtodo tradicional de experimentacin, el que quizs surge de forma ms
intuitiva y acorde con la experiencia del experimentador como por ejemplo
variar-un-factor-cada-vez fijado a partir de unas condiciones iniciales y en
donde se realizan experimentos en los cuales todos los factores se mantienen
constantes excepto el que est estudio.
De este modo, la variacin de la respuesta (Y) se puede atribuir a la variacin
del factor, y, por tanto, revela el efecto de ese factor. El procedimiento se repite
para los otros factores. Mtodo que presenta inconvenientes importantes
cuando existe interaccin entre factores.
La solucin, por lo tanto, debe consistir en variar ms de un factor
simultneamente al realizar un nuevo experimento solucin conocida como
Diseo Estadstico de Experimentos (DEE), universalmente denominado diseo
experimental, como la metodologa basada en ayudas
matemticas y
estadsticas cuyo objetivo es ayudar al investigador a:
1. Seleccionar la estrategia experimental ptima que permita obtener la
informacin buscada con el mnimo coste.
2. Evaluar los resultados experimentales obtenidos, garantizando la mxima
fiabilidad en las conclusiones que se obtengan.
2.7. Experimento
Conjunto de reglas usadas para obtener una muestra de la poblacin y al
concluir el ensayo obtener informacin acerca de la poblacin.
Un experimento es un procedimiento mediante el cual se trata de comprobar
(confirmar o verificar) una o varias hiptesis relacionadas con un determinado
fenmeno, mediante la observacin y medicin de las variables que influyen en
el mismo.
Por ejemplo todas las pruebas de laboratorio y las pruebas de campo que
realices para desarrollar tu trabajo de grado.
Es un cambio en las condiciones de operacin de un sistema o proceso para
obtener una muestra de la poblacin y al concluir el ensayo obtener
informacin acerca de la poblacin o del producto obtenido.
Por ejemplo variar las condiciones de operacin (temperatura, presin,
velocidad de agitacin de un proceso, las raciones para semovientes, dosis de
agroqumicos).
O la utilizacin de diferentes proporciones de materias primas y aditivos para
mejorar la condicin de un producto de consumo masivo.
Diseo Experimental
Cria43

27

La experimentacin constituye uno de los pasos del mtodo cientfico.


Ejemplos de sistemas experimentales son:
- Una reaccin qumica y/o bioqumica, cuyo rendimiento (Y) puede ser funcin,
entre otros, del tiempo de reaccin (t1), la temperatura de la reaccin (T2) y el
tipo de microorganismo (Mo1) utilizado. Otras variables que pueden influir son,
por ejemplo, la presentacin de los sustratos, la velocidad de agitacin,....
2.8. Experimento aleatorio
Actividad que tiene como resultado o que produce un evento. Prueba donde
existen dos o ms resultados posibles, y no se pude anticipar cul de ellos va a
ocurrir.
Cuando en tus ensayos que vienes realizando no puedes controlar
completamente todas las variables intervinientes en el proceso como
variaciones internas de una dieta alimenticia, materia prima, temperatura del
ambiente, metabolismo de los animales que intervienen en el experimento..
2.9. Unidad experimenta1 10
Es el material experimental al que se le aplica un tratamiento de manera
uniforme.
Es la variable que el experimentador manipula o unidad de anlisis, se
caracteriza por unos atributos que la diferencia unas de otras parcial o
totalmente; pueden someterse a ordenacin de acuerdo con algn criterio.
Unidad experimental es el material (objeto del experimento)al que se aplica un
tratamiento de manera uniforme.
Tambin es la unidad de observacin, es la entidad (p.ej el alimento, la
parcela,el semoviente, el catador) sobre la que se mide una o varias
caractersticas de inters.
Por ejemplo: Puede ser un producto a mejorar, un conjunto de materias primas
(frutas, hortalizas, tejidos musculares), un lote de un producto, un tubo de
ensayo, etctera.
Un producto de panadera, una variedad de productos del agro (maiz, harina de
trigo), frutas de una regin, tejidos musculares, un sustrato para ensayos
biotecnolgicos.
2.10. Seleccin del material experimental. (8)
El muestreo, o seleccin de las unidades experimentales que van a componer
la muestra a analizar, debe disearse de modo que esta muestra sea
representativa del fenmeno o la poblacin estudiada, de manera que los
resultados obtenidos se puedan extrapolar a situaciones diferentes de las que
se van a medir.

Diseo Experimental
Cria43

28

Los principales problemas que comprometen dicha representatividad son la


falta de independencia de las muestras y el efecto de factores no controlados
que puedan estar afectando los resultados.
La eleccin de las unidades es de importancia; por ejemplo en la planeacin de
experimentos de campo, se han hecho numerosos estudios de la variabilidad
entre los rendimientos de materias primas provenientes de cultivos en parcelas
de diferentes tamaos formas y de compaas o marcas, bajo tratamiento
uniforme.
Si los resultados del experimento van a ser aplicados a material no
seleccionado, estos tipos de especializacin tienen desventajas potenciales.
Las respuestas obtenidas para tratamientos sobre material experimental
altamente seleccionado, pueden no ser las mismas que se obtienen de material
no seleccionado.
Es importante definir el criterio de uniformidad el cual se refiere al tratamiento;
al material experimental y la tcnica.
La cantidad de muestra debe ser la suficiente para permitir al experimentador
realizar medidas auxiliares.
2.11. Repetitividad (precisin) de un experimento
Es la variacin en las mediciones hechas por un solo operador en la misma
unidad y con el mismo instrumento o equipo de medicin.
Se define como la variacin alrededor de la media.
Esta variacin debe ser pequea con respecto a las especificaciones y o la
variacin del proceso.
2.12. Reproducibilidad de un experimento
Variacin entre las medias de las mediciones hechas por varios analistas con
las mismas unidades experimentales y con el mismo instrumento de medicin.

Capitulo 3.Repaso a conceptos estadsticos


3.1. Variable.
Se pueden definir como todo aquello que vamos a medir, controlar y estudiar
en una investigacin o estudio.
Son propiedades que se manipulan, miden y controlan en el transcurso de una
investigacin difieren entre si en muchos aspectos siendo el ms importante el
papel que desempean en una investigacin y en el tipo de medicin que se
aplica.
Tambin se puede definir como variable a todo aquello que puede asumir
diferentes valores, desde el punto de vista cuantitativo o cualitativo.
Por lo tanto, es importante, antes de iniciar una investigacin, que sepamos
cules son las variables que vamos a medir y la manera en que lo haremos. Es
decir, todas las variables que intervienen en la experimentacin deben ser
susceptibles de medicin.

Diseo Experimental
Cria43

29

Por ejemplo el tiempo es considerado siempre una variable, el dimetro que


define el tamao de un producto agrcola, una temperatura de proceso, una
sustancia a adicionar en una formulacin o racion, el tipo de soporte a utilizar
para inmovilizar una enzima, un abono; etc.
Cubillos, Munca, Jos Miguel. Estadistica 1 Mdulo Autoformativo. Escuela Superior de Administracin Pblica
Programa de Administracin Pblica Territorial.2002.

3.2. Variable independiente.


Una variable independiente es aquella que, dentro de la relacin establecida,
no depende de ninguna otra, aunque pudiera estar dependiente si
estudiramos otro problema.
Son las condiciones manipuladas por el investigador a fin de producir ciertos
efectos.
Es el valor de verdad que se le da a una hiptesis en relacin con la causa,
3.3. Variable dependiente. (29 y otros)
La variable independiente es aquella propiedad de un fenmeno a la que se le
va a evaluar su capacidad para influir, incidir o afectar a otras variables.
Es el factor que el investigador observa o mide para determinar el efecto de la
variable independiente.
La variable dependiente es la variable respuesta o variable salida.
3.4. Ejemplo de variables independiente y dependiente
Por ejemplo, si el ingeniero investigador va a probar la hiptesis de que al
suministrar una cantidad (%)determinada levadura a un amasijo, el grado de
dureza del producto final se incrementa. En este caso, la variable
independiente estar representada por la cantidad de levadura manipulada por
el experimentador, y la variable dependiente ser el grado de dureza de los
productos obtenidos.
3.5. Variable de respuesta.
Es una variable que el experimentador mide despus de llevar a cabo los
tratamientos para ver cmo es afectada por la variable experimental.
Por ejemplo al suministrar una racin a una cra de conejos y cuantificar
despus de dos meses la ganancia en peso de cada uno de ellos..
3.6. Factores
Son las variables de proceso en una investigacin, que se pueden medir en
una escala continua. Por ejemplo presin, temperatura, peso, concentracin.
3.7. Nivel.
Un valor especfico dentro de una escala ya sea cualitativo o cuantitativo que
toma la variable experimental seleccionada para el estudio..
3.8. Niveles de variables
Son los diferentes valores (manipulados acorde con lo deseado) que se
asignan a cada factor estudiado(variable independiente) en un diseo
experimental.

Diseo Experimental
Cria43

30

La variacin (manipulacin) de una variable independiente puede realizarse en


dos o ms grados. Los niveles pueden ser tomados de una escala de medida
universal como por ejemplo dos grados Celsius,10 gramos o en %; etc.
El grupo con ausencia de manipulacin se denomina de control y el grupo con
la presencia de la variable independiente es el grupo experimental.
En otros experimentos la variable independiente se puede manipular en ms de
dos grados; por ejemplo cuando se utilizan tres niveles y se representan asi:
X1 = concentracin permisible de un preservante ( para pures, emulsiones
carnicas, salsas, raciones, agroqumicos; etc)
X2 = concentracin intermedia del mismo preservante.
X2 = concentracin maxima del mismo preservante.
X0 = ausencia de preservante o los purs, emulsiones carnicas, salsas, etc, en
su estado natural.
Una combinacin de todos los factores se llama tratamiento.
3.9. Tratamiento.
Los tratamientos vienen a constituir los diferentes procedimientos, procesos,
factores o materiales y cuyos efectos van a ser medidos y comparados.
El tratamiento establece un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseo
seleccionado.
En un experimento de una variable, cada tratamiento es un nivel de la variable
experimental.
Ejemplo:
Dosis de acidificante, de protena, proporcin de estabilizante, procedencia de
las productos provenientes del agro, variedades de un cultivo determinado.
La Dosis suministrada (%) de una sustancia para mejorar las condiciones de un
alimento; el sustrato aplicado (difrentes % s de nutrientes) en un proceso
biotecnolgico; la velocidad de enfriamiento (refrigeracin); las variedades de
un producto agrcola (naranja tangelo, valencia, mangoss, etc); la composicin
de una atmsfera de almacenamiento (% de los gases), etc.
En un experimento se puede considerar una combinacin de varios factores
simples por ejemplo la composicin, la temperatura, la presin, el tiempo, etc.
3.10. Testigo
El testigo es el tratamiento de comparacin adicional, que no debe faltar en un
experimento; por ejemplo, si se usan cinco tratamientos con acidulante, el
Diseo Experimental
Cria43

31

testigo puede ser aquel tratamiento que no incluye acidulante. La eleccin del
tratamiento testigo es de gran importancia en cualquier investigacin, este se
constituye como referencial del experimento y sirve para la comparacin de los
tratamientos en prueba.
El es el tratamiento de comparacin adicional, que no debe faltar en un
experimento.
Por ejemplo, si se quiere probar en una mermelada el grado de gelificacin al
agregar una nueva pectina, el rendimiento de extraccin de un jugo de naranja
al utilizar una nueva tcnica de extraccin; se planear el ensayo de tal manera
que se incluya una mermelada con una pectina tradicional ampliamente
conocida y en la extraccin se incluir la tcnica tradicional que se venia
utilizando.
3.11. Replica
A cada repeticin de un tratamiento se le llama rplica.
Una repeticin completa de un tratamiento es una rplica.
La rplica produce los siguientes efectos:
1. Por lo general, el promedio de varias rplicas de un tratamiento se acerca
ms que cualquier prueba sola al "verdadero" efecto de ese tratamiento.
2. Observando la variacin entre rplicas del mismo tratamiento, es posible
estimar la magnitud del error experimental. Esto permite determinar si las
diferencias observadas entre tratamientos en una variable de respuesta,
realmente son causadas por los tratamientos o slo se deben a las variables de
interferencia.
3. Si se asigna de manera aleatoria material experimental a las diferentes
rplicas, es posible reducir los sesgos que podran producir resultados
engaosos.
3.12. Aleatorizacin. (8)
Es una tcnica dentro del diseo experimental la cual tiene como fin primordial
asignar al material experimental un orden para realizar las corridas o ensayos
individuales del experimento este orden se realiza al azar. Ayuda a sacar del
promedio los efectos de factores extraos que pudieran estar presentes.
Si el nmero de unidades no excede de 16 pueden usarse las tablas de los
libros de estadstica.
Por ejemplo supongamos que hay 3 tratamientos, 2 de los cuales tienen 4
repeticiones y el tercero 8.
En cualquier orden conveniente, se asignan los nmeros del 1 al 16 a las
unidades.

Diseo Experimental
Cria43

32

Y acorde con las TABLA 1. del capitulo uno de la unidad uno ( Permutaciones
al azar), permutaciones de: 5 para una permutacin al azar seleccionamos; por
ejemplo: la columna ( ) que tiene el siguiente orden:
4 3 9 2 9 (para las primeras cinco columnas resaltadas y por ejemplo para
las U12 - U16 9 6 9 8 1
Y comenzamos a dar estos cdigos a las unidades iniciando con la U1 y asi
hasta finalizar con la U16
Tabla 1. Ejemplo de unidades experimentales a aleatorizar
U1
U9

U2
U10

U3
U11

U4
U12

U5
U13

U6
U14

U7
U15

U8
U16

*** Por ejemplo, podra hacerse un experimento para averiguar cmo los distintos tipos de azcares afectan la
textura o cmo las temperaturas del procesamiento afectan el contenido de humedad de un producto. La informacin
obtenida hace posible manipular una o varias variables a fin de controlar otras.

3.14. Respuesta a las preguntas


Qu es investigacin? Segn Enrique Biermann, la investigacin obedece a diferentes conceptos, entre los cuales se
resumen los siguientes:
Es el proceso por el cual el hombre, partiendo de preguntas de diverso orden e importancia, busca obtener
respuestas, para obtener diferentes objetivos
Es un proceso de conocimiento y aprendizaje terico - prctico, que se desarrolla en diferentes fases, mediante el
empleo de diferentes instrumentos o herramientas
Qu es investigacin? Segn Enrique Biermann, la investigacin obedece a diferentes conceptos, entre los cuales se
resumen los siguientes: Es el proceso por el cual el hombre, partiendo de preguntas de diverso orden e importancia,
busca obtener respuestas, para obtener diferentes objetivos
Es un proceso de conocimiento y aprendizaje terico - prctico, que se desarrolla en diferentes fases, mediante el
empleo de diferentes instrumentos o herramientas
En sntesis se puede decir que: investigar es buscar respuestas a diferentes incgnitas que se plantean ante cualquier
suceso o problema pero, que en la medida que encontramos respuestas se presentan otras incgnitas, que nos obliga
a seguir indagando.
Entonces, qu es investigacin cientfica?
La investigacin cientfica se puede definir, como un tipo de investigacin sistemtica, controlada, emprica y crtica,
de proposiciones hipotticas, sobre las presumidas relaciones entre fenmenos naturales. Sistemtica y controlada
implica, que tiene un mtodo y que los hechos no se dejan a la causalidad; emprica que se basa en fenmenos
observables de la realidad y crtica que los hechos se plantean de manera objetiva, dejando a un lado las preferencias
personales o juicios de valor.

Diseo Experimental
Cria43

33

TABLA 2. Actividades a desarrollar en el capitulo tres

Actividades

Actividades N1

Actividades

Fecha de
entrega

Cada estudiante debe en


una serie de propuestas
de
investigacin
identificar quin es la
poblacin, la muestra e
identificar de qu tipo
son las variables que se
incluyen.

Acorde con la
programacin la
convenida con el
tutor

Para un trabajo de grado


desarrollado en el ciclo
profesional realice una
investigacin estadstica
sobre las caractersticas
de las materias primas
utilizadas.

Acorde con la
programacin la
convenida con el
tutor

Y acorde con la tabla de


permutaciones
como
realizara
la
estabilizacin
de
un
producto desarrollado en
el PEDT? *** O de una
practica
que
hallas
realizado en un curso
tomado en la profesin
que estudias.

Acorde con la
programacin la
convenida con el
tutor

Trabajo a
realizar

Trabajo para
realizar por
los
estudiantes

Actividades N2

Ejercicio
practico de
estudio,
reflexin y
anlisis.
Numeral 2.37

Actividades N3
Trabajo para
realizar por
los
estudiantes

Diseo Experimental
Cria43

Ejercicio propuesto por


el docente del curso

Fase de aprendizaje

Reconocimiento

Profundizacin

Acorde con la
programacin la
convenida con el
tutor
Transferencia

34

Capitulo cuarto:

Definiciones y herramientas aplicadas a los diseos

experimentales
4.1. Poblacin y muestra.
Poblacin o universo es cualquier conjunto de unidades o elementos como
personas, fincas, producto agrcola, producto terminado, etc., claramente
definidos para el que se calculan las estimaciones o se busca la informacin.
En todo diseo experimental deben estar definidas las unidades, su contenido y
extensin.
Cuando es imposible obtener datos de todo el universo es conveniente extraer
una muestra, subconjunto del universo, que sea representativa.
En todo proyecto se debe especificar el tamao y tipo de muestreo a utilizar:
4.2. Poblacin
Se encuentran varias definiciones para una poblacin transcribiremos algunas
de ellas:
Es el conjunto formado por todas las unidades objeto de un estudio estadstico.
Tambin lo podemos definir como el conjunto de individuos o elementos que
cumplen
ciertas
propiedades
comunes.
O como la coleccin de todos los elementos que se estn estudiando y sobre
los cuales intentamos llegar a unas conclusiones.
4.2.1. Tipos de poblaciones
En relacin al tamao de la poblacin, sta puede ser:

Finita, como es el caso del nmero de personas que integran una


escuela, un panel de degustacin, los arboles de una finca, las reses de
una granja experimental: etc.. Tambin todos los productos obtenidos en
un da de proceso(tres turnos).
Infinita, si por ejemplo estudiamos el mecanismo aleatorio que describe
la secuencia de caras y sellos obtenida en el lanzamiento repetido de
una moneda al aire, las reses que se puedan conseguir a nivel mundial,
la produccin de un metabolito por determinados microorganismos de la
selva amazonica.

Consideremos que se va a realizar una degustacin sensorial de un nuevo


alimento en la poblacin formada por todos los estudiantes de la escuela
(alimentos+sistemas+bsicas+regencia de farmacia) o poblacin finita.
4.3. Individuos o elementos

Diseo Experimental
Cria43

35

Personas u objetos que contienen cierta informacin que se desea estudiar.


Por ejemplo todos los embutidos provenientes de un turno laboral al que se le
han modificado algunas etapas de elaboracin.
4.4. Muestra
Subconjunto

representativo

de

una

poblacin.

Puede ser el embutido(s) tomado(s) de una produccin para anlisis sensorial y


fisicoqumico.

Unidad experimental

Unidad
observacional

Bordura
Un semoviente de un hato, una codorniz de una avcola.
Figura 3. Ejemplo de una unidad experimental uobservacional.
4.5. Tipos de muestreo
4.5.1. Muestreo aleatorio simple
En este tipo de muestreo cada elemento tiene la misma probalbilidad de ser
elegido y todas las combinaciones son igualmente probables. La poblacin se
supone probable.
La seleccin se puede hacer con reemplazamiento o sin reemplazamiento; en
el primer caso cada elemento puede seleccionarse mas de una vez mientras
que en segundo puede seleccionarse solo una vez.
Con reemplazamiento cuando en un estudio de almacenamiento de un
comestible se toma la muestra empacada (una libra) se le realizan pruebas y
se regresa la muestra al sitio de almacenamiento.
4.5.1. Muestreo estratificado
En este caso la poblacin puede divirse en en grupos o en categoras(estratos).
Por ejemplo se tiene una poblacin integrada por 200 reses para un estudio de
parasitismo, para su estudio se clasifican acorde con las razas ( 20 normando,
30 santa getrudis, 100 holstein, 50 yersey), las edades y algn otro criterio que
los investigadores consideren importante
Despus de divididas las muestras pasa a ser un muestreo aleatorio simple.

Diseo Experimental
Cria43

36

4.6.Datos obtenidos
Son los reportes que se obtienen producto de la actividad investigativa y dan
conocimiento a la variabilidad de las observaciones del experimento.
Estos usualmente son los reportados como Yi.. ; etc. En todos los ejercicios
que se realizaran en el modulo.
4.7. Eleccin de la muestra. (Varios autores)
Para que una muestra resulte representativa de toda la poblacin, debe ser lo
suficientemente grande como para reflejar la variacin dentro de la misma.
Por ejemplo, para evaluar el rendimiento en jugo por hectrea de una
produccin de naranjas tangelo sembrada en una superficie de 30 hectreas,
se podra medir el rendimiento de una hectrea y multiplicarlo por el nmero de
hectreas del sitio de donde provienen.
Sin embargo, el rendimiento entre rboles difiere considerablemente; sin duda
se obtendr una estimacin ms exacta midiendo el rendimiento en jugo, por
ejemplo, de 10 hectreas y obteniendo un resultado, ms verosmil y ms
cercano al que se obtendra con la medicin de todas las plantas.
4.8. Parmetro
Este es un termino empleado por los estadsticos para describir las
caractersticas de las poblaciones y las muestras, se denominan as las
mediciones de tendencia central y variacin, como la media y la desviacin
estndar, de las caractersticas fijas e invariables de las poblaciones. Es decir
es una funcin definida sobre los valores numricos de caractersticas medibles
de una poblacin.
4.9. Estadstico
Es una funcin definida sobre los valores numricos(observaciones) de una
muestra.
Puede ser la media, la varianza, etc. Tabla3.
4.12. Estimacin puntual y por intervalo. 30
Un estimador puntual de un parmetro desconocido, es un estadstico que
genera un valor numrico simple que se utiliza para hacer una estimacin del
valor del parmetro desconocido. Por ejemplo, tres parmetros relacionados
con las caractersticas de calidad de un proceso, sobre los que frecuentemente
se desea hacer inferencia, son: La media del proceso (poblacin), la varianza
a2 o desviacin estndar a del proceso.
4.13. La media aritmtica.
Es la resultante promedio de un conjunto de valores de los cuales algunos
tienen ms frecuencia representativa.
Cuando nos referimos al "promedio" de algo, estamos hablando de la media
aritmtica.

Diseo Experimental
Cria43

37

Para encontrar la media aritmtica, sumamos los valores y el resultado lo


dividimos entre el nmero de observaciones.
La media de una poblacin se simboliza con (letra griega miu).
El nmero de elementos de una poblacin se denota con la letra mayscula
cursiva N.
Por lo general, estadsticamente se utilizan letras del alfabeto latino para
simbolizar la informacin sobre las muestras y letras del griego para referirnos
a la informacin sobre poblaciones.

Tabla 3. Smbolos para los parmetros y estadsticos

CARACTERISTICA

Media
Desviacin estandar

SIMBOLO DEL
PARAMETRO

SIMBOLO
ESTADISTICO

Varianza

Correlacin
Proporcin

x
SD
S2

r
p

4.14. Clculo de la media a partir de datos no agrupados. (2, 3, 7)


Media de la poblacin:
=x/N
X =x/n

Ecuacin 1
Ecuacin 2

Para calcular esta media, sumamos todas las observaciones.


Los estadsticos se refieren a este tipo de datos como datos no agrupados.
4.15. Clculo de la media de datos agrupados.
Para calcular este estadstico se deben tener en cuenta las siguientes
consideraciones:
Una distribucin de frecuencias consta de datos agrupados en clases.
Diseo Experimental
Cria43

38

Cada valor de una observacin cae dentro de alguna de las clases.


No sabemos el valor individual de cada observacin.
A partir de la informacin de la tabla, podemos calcular fcilmente una
estimacin del valor de la media de estos datos agrupados.
Para encontrar la media aritmtica de datos agrupados, primero calculamos
el punto medio de cada clase.
Para lograr que los puntos medios queden en cifras cerradas, redondeamos
las cantidades.
Despus, multiplicamos cada punto medio por la frecuencia de las
observaciones de dicha clase, sumamos todos los resultados y dividimos esta
suma entre el nmero total de observaciones de la muestra.
X = ( fX / n) Ecuacin 3

f = frecuencia de observaciones de cada clase


x= punto medio de cada clase de la muestra
n = nmero de observaciones de la muestra
4.16. Varianza de una poblacin. (2, 3, 7 y varios autores)
Es igual a la suma de los cuadrados de las diferencias alrededor de la media
de poblacin , dividida entre el tamao de la poblacin.

2 = ( X i )2

Ecuacin 4

i =1

(X
i =1

) 2 = Suma

de los cuadrados de las diferencias entre los valores X i y

Ecuacin 5

N = tamao de la poblacin
4.17. Desviacin estndar de una poblacin
La desviacin estndar de la poblacin es:

[ ( X i ) 2

N ] Ecuacin 6

i =1

4.18. Significancia estadstica p.


El valor p o de significacin observado de una prueba estadstica es el valor
mas pequeo de ] con el cual puede rechazarse H0. Es el riesgo real de
cometer un error tipo I, si se rechaza H0 con base en el valor observado del

Diseo Experimental
Cria43

39

estadstico de prueba.en otras palabras el valor p mide la fuerza de la


evidencia contra H0
En la experimentacin, se acostumbra usar niveles de significancia del 5 y del 1
por ciento.
Si el valor p es menor que un nivel de significacin ] preasignado, entoces
puede rechazarse la hiptesis nula, e informar que los resultados son
estadsticamente significativos en el nivel ] .
Cuando la hiptesis nula es cierta, entonces se dice que la diferencia es
significativa. Al informar acerca de la significacin estadstica muchos
investigadores escriben ( p<0,05), para indicar que el valor p de la prueba era
menor que 0,05, haciendo os resultados significativos en el nivel de 5%. En las
revistas de que publican trabajos de investigacin esto se expresa como
significativos (p<0,05) y el valor del criterio de la prueba se marca con un
asterisco *.
Si un valor del criterio de prueba tiene una probabilidad menor que el 1 por
ciento cuando la hiptesis nula es verdadera, se dice que la diferencia es
altamente significativa y el valor calculado del criterio de prueba se seala con
dos asteriscos **.
4.8. Tamao de la muestra
En un experimento tomar una muestra ms pequea de la necesaria
naturalmente ser menos costosa pero conducir a resultados sin utilidad
prctica puesto que el error estndar se incrementa a niveles inadmisibles.
Una amplia variedad de frmulas se emplean para calcular cul es el tamao
requerido de una muestra mientras que diversos programas de cmputo hacen
los clculos de tamaos de las muestras para un gran nmero de diseos de
estudios y de mtodos estadsticos. Lerman (1996) hizo una descripcin
avanzada acerca de la lgica para calcular el tamao de una muestra para
investigacin en ingeniera.
En cualquier diseo experimental se debe decidir el numero de replicas que se
realizara por cada tratamiento. Este numero de replicas determina el tamao
de la muestra.
Por ejemplo si se espera que se hallen pequeas diferencias en la respuesta
final el nmero de muestra debe ser el mayor posible para detectar diferencias
significativas. Y al contrario si las diferencias son grandes.
Y por el contrario si son varios tratamientos se deben reducir las replicas.
Tambin es muy importante considerar el costo, el material disponible y la
disponibilidad de los equipos a utilizar.
De all que es muy importante tener criterios para calcular, as sea
aproximadamente, el tamao de la muestra. Para ello se usan frmulas
Diseo Experimental
Cria43

40

basadas en las propiedades de la distribucin normal y el error estndar que


permiten calcular los intervalos de confianza para obtener una determinada
probabilidad P. Para determinar el tamao de la muestra se deben considerar
la confiabilidad, la probabilidad y el error muestral.

Por ejemplo sea


la media de una poblacion y
ancho del intervalo esta definido como;

x ,la media muestral el

__

Ancho del int ervalo = X

Ecuacin 7

__

o sea la desviacin de X
poblacin).

X = (ZS ) / n

(media muestra/) con respecto a

(media de la

Ecuacin 8

__

L X = d S, se puede decir que

Si Si
__

d=Z S

n Ecuacin 9

n =Z S

d
Ecuacin 10

n=Z S
d
Entre las muchas formulas propuestas por los estadsticos para calcular el
tamao de una muestra se consigue la siguiente si el investigador tiene
pensado realizar el muestreo con reemplazamiento o de una poblacin infinita
el numero de muestra a considerar es:
2

n = Z2 S2N / d2 (N-1)+Z2 S2 Ecuacin 11


N = Tamao de la poblacin

S = Recorrido de la variable (R.V) /6 = { [Valor mximo de la Variable - valor


mnimo de laVariable ] / 6} Ecuacin 12
Donde Z = Coeficiente de confiabilidad y depende de la probabilidad deseada
o valor critico correspondiente a un rea de (1- )/2 desde el centro de una
distribucin normal.
S= Desviacin estndar de la muestra.
n = Tamao de la muestra.

La frmula anterior requiere que se conozca la desviacin estndar la cual no


se conoce y debe estimarse para lo cual se pueden utilizar los siguientes
procedimientos:
Diseo Experimental
Cria43

41

- Se toma una muestra piloto de la poblacin. La varianza de esta muestra se


usa como una estimacin de S2.
- Si existen datos de estudios similares anteriores puede usarse como
estimacin uno de ,ellos.
4.9. Ejemplo de determinacin de nmero de muestras.
a) Poblacin infinita
En una fabrica de conservas se establece una muestra de 700 mermeladas y
una probabilidad de que algunas presenten histeresis (lloronas) en un 30%, con
una confiabilidad del 95%, encontrar el error muestral.
Como no se conoce la varianza supongamos que se toman al azar una serie de
muestras (20 frascos) en dos turnos de proceso y se determina que tienen una
desviacin estndar de S2 = 10
El siguiente paso es calcular el coeficiente de confiabilidad Z asociado a la
confiabilidad del 95%
Z = (1- )/2 = (1-5)/2= 2
Aplicando la formula

n = Z2 S2N / d2 (N-1)+Z2 S2

De que orden seria el tamao de la muestra a tomar?


Y el error muestral si se hubieran tomado solo 10 frascos?
b) Calcular el tamao de la muestra para el mismo producto (memelada) con
una confiabilidad del 96% , un error del 1.5%, y una probabilidad de que el
fenmeno acurra estimada en el 60%.
n = Z02 PQ / E2
n = 9 (60)(40)/ 2.25 = 864 frascos
4.9. Recomendaciones para la eleccin y tamao de muestra. (8 y varios
autores)

Los investigadores deben conocer qu tan grande se necesita la muestra antes


de comenzar una investigacin, porque de otra manera no podrn determinar la
significancia cuando se presente o se requiera.
Para calcular el tamao de la muestra a utilizar en una investigacin que
requiere una media se debe responder a las siguientes cuatro preguntas:
1. Qu grado de significancia (grado o valor de p) requiere en relacin con
la hiptesis de nulidad?
2. Cul es el grado de la potencia (igual a 1 o valor de r2 ) que desea?
3. Qu tan grande debe ser la diferencia ente la media y el valor estndar o
norma para que la diferencia tenga importancia desde la ingeniera de
alimentos?

Diseo Experimental
Cria43

42

4. Cul es una estimacin suficiente de la desviacin estndar en la


poblacin?
4.19. Hiptesis
Etimolgicamente es la suposicin de una verdad que debe ser verificada o
rechazada.
Es una explicacin que al comienzo de una investigacin se le da a un hecho,
es una conjetura a la realidad.
Y sirve para orientar al investigador en el encuentro de una verdad.(Ver modulo de
trabajo de grado ciclo tecnolgico y ciclo profesional del mismo compilador)

4.20. Planteamiento de una hiptesis estadstica


Una hiptesis estadstica es una afirmacin sobre los valores de los parmetros
de una poblacin o proceso, que es susceptible de probarse a partir de la
informacin contenida en una muestra representativa obtenida de una
poblacin. Por ejemplo, la afirmacin "este proceso produce menos del 6% de
defectuosos" se puede plantear estadsticamente, en trminos de, proporcin p
desconocida de artculos defectuosos que genera el proceso.
Ho : p =0.06 (la proporcin de defectuosos es 0.06)
HA: p < 0.06 (la proporcin es menor a 0.06)
4.21. Formulacin y prueba de hiptesis
Una hiptesis es una afirmacin acerca de algo.
En estadstica, puede ser una suposicin acerca del valor de un parmetro
desconocido.
La prueba es el medio de verificacin para saber si algo es verdadero o falso y
hasta que grado podemos decir que sea verdadero o falso.
Pasos en la prueba de hiptesis:

Definir la hiptesis nula: suponer una hiptesis acerca de una poblacin.


Formular una hiptesis alternativa: es una contra-hiptesis.
Definir un criterio de decisin para rechazar o no la hiptesis nula.
Inspeccionar los datos de la muestra.
Calcular una estadstica de muestra.
Utilizar la estadstica de muestra para evaluar la hiptesis.

Recomendacin se debe hablar de "no rechazar" una hiptesis en lugar de


"aceptar", ya que las pruebas no son concluyentes.
4.22. Estadstico de prueba.
Una vez planteada la hiptesis, se toma una muestra aleatoria (o se obtienen
datos mediante un experimento planeado de acuerdo a la hiptesis de la
poblacin en estudio). El estadstico de prueba es un nmero calculado a partir
de los datos y la hiptesis nula, cuya magnitud permite discernir si se rechaza o
Diseo Experimental
Cria43

43

se acepta la hiptesis nula Ho Al conjunto de posibles valores del estadstico


de prueba que llevan a rechazar Ho,se le llama regin o interur de rechazo
para la prueba, y a los posibles valores donde no se rechaza Hl les llama
regin o intervalo de aceptacin.
Por ejemplo, para las hiptesis planteadas el estadstico de prueba est dado
por 0.08 Zo = vlO.08(1- 0.08) / n'
4.23. Anlisis de datos. (2, 3, 7 y varios autores)
El anlisis depende del nivel de medicin de las variables, de la manera como
se hayan formulado las hiptesis, el inters del investigador en el problema que
este investigando.
Podemos usar una serie de nmeros conocidos como estadstica sumaria para
describir las caractersticas del conjunto de datos. Dos de estas caractersticas
son de particular importancia para los responsables de tomar decisiones: la de
tendencia central y la de dispersin, entre los cuales tenemos la mediana, la
moda, medidas de tendencia central, desviacin media, la dispersin, sesgo en
curvas y graficas, curtosis, la media aritmtica, la mediana, la moda, la
dispersin, distribucin de frecuencias, histogramas, la varianza de una
poblacin, puntuaciones Z, razones y tazas, anlisis de varianza.
4.24. Pruebas de hiptesis. (2, 3, 7 y varios autores)
En general una prueba de hiptesis comienza con una teora o aseveracin
relativa a cierto parmetro de una poblacin para lo cual se definen dos
hiptesis conocidas como:

La Hiptesis nula Ho la cual es la hiptesis que se prueba siempre.


Y la Hiptesis alternativa H1 que se establece como el opuesto a la
hiptesis nula y representa la conclusin que se apoya si la hiptesis
nula se rechaza.

En lo que se conoce como metodologa de prueba de hiptesis clsica, se


recomiendan los siguientes puntos a tener en cuenta:

La Hiptesis nula Ho siempre se refiere a un valor especifico del


parmetro de poblacin (como ) , no al estadstico maestral ( como

X)
A partir de este numeral se deben consultar las tablas que se encuentran e
textos de estadstica como las tablas T-Student, de distribucin F, comparacin
de medias de Duncan, etc.
4.25. Pruebas de hiptesis Z para una media poblacional (

Z = X

Diseo Experimental
Cria43

conocida)

n ) Ecuacin 13

44

X = Media muestral observada; = media hipottica

El denominador representa el error estndar.


2 = Varianza de la poblacion
4.26. Ejemplo y procedimiento a desarrollar para una prueba de hiptesis
propiamente dicha.
Una organizacin de consumidores esta interesada en determinar si existe
diferencia en el peso entre diferentes marcas de cajas de 500 gramos de
cereales para el desayuno, para lo cual acepta una varianza de 10 gramos.
Para el efecto el estudiante ( de ser posible) recopilara 25 datos, los
almacenara en una tabla y los analizara; se aconseja trabajar con una
significanca del 5%.
Los pasos a seguir para la prueba de hiptesis son los siguientes:
1. Establezca la hiptesis nula Ho. sta debe expresarse en trminos
estadsticos.
Por ejemplo: Al probar si la cantidad promedio de llenado es 500 gramos, la
hiptesis nula asegura que ( ) es igual a 500gramos.
2. Establezca la hiptesis alternativa H1. Tambin debe expresarse en trminos
estadsticos.
Al probar si la cantidad promedio de llenado es de 500 gramos, la hiptesis
alternativa asegura que ( ) es inferior a 500 gramos.
3. Elija el nivel de significancia . ste se determina despus de tomar en
cuenta los riesgos especificados de cometer errores tipo I y tipo II en una
situacin particular.
La compaia eligi = 0.05.
4. Elija el tamao de la muestra n. ste se determina despus de tomar en
cuenta los riesgos especificados de cometer errores tipo I y tipo II ( es decir, los
niveles seleccionados de a y y de considerar las restricciones de
presupuesto al realizar el estudio.
En este caso se pesaron 25 cajas de cereal seleccionadas al azar.
5. Determine la tcnica estadstica adecuada y la estadstica de prueba
correspondiente que se usar. Dado que si se conoce por que la compaa
especific que eran 15 gramos, se eligi una prueba Z.
6. Establezca los valores crticos que dividen las regiones de rechazo y no
rechazo. Una vez especificadas las hiptesis nula y alternativa y determinados
el nivel de significancia y el tamao de la muestra, se pueden encontrar los
Diseo Experimental
Cria43

45

valores crticos para la distribucin estadstica adecuada, de manera que se


puedan indicar las regiones de rechazo y no rechazo.
Para el caso se utilizaran los valores + 1.96 Y - 1 .96 para definir las regiones
porque el estadstico Z se refiere a la distribucin normal estndar.
7. Recopile los datos y calcule el valor muestral del estadstico de prueba
adecuado.
Realice una toma de datos (determinacin) y calcule la
gramos, entonces y obtenga el valor Z = + ...........

X media = .......

8. Determine si el estadstico de prueba est en la regin de rechazo o de no


rechazo. El valor calculado del estadstico de prueba se compara con los
valores crticos de la distribucin muestral apropiada para determinar en qu
regin se encuentra.
En este caso, . Z= +...... esta en la regin de rechazo o no rechazo porque 1.96 < Z == +.... < + 1 .96.
9.Tome una decisin estadstica. Si el estadstico d prueba est en la regin
de no rechazo, la hiptesis nula, Ho no se puede rechazar; si el estadstico de
prueba est en la regin de rechazo, la hiptesis nula se rechaza.
10. Exprese la decisin estadstica en trminos de una situacin particular.
De ser afirmativa la diferencia entre las cantidades, que accin correctiva
propondras y aplicaras?
4.27. Prueba de t. (12)
La prueba de t es conocida a veces como prueba de t de Student, por recibir el
nombre de la persona que la estudi primero, en 1890. Student en realidad era
un matemtico llamado William Gosset, empleado por la Cervecera Guiness,
quien se vio obligado a usar el pseudnimo de Student, debido a que por
poltica de la compaa se tena prohibido a los empleados publicar sus
investigaciones.
Gosset descubri que cuando una observacin procede de una distribucin
normal, las medias se distribuyen de manera normal, slo s se conoce la
verdadera desviacin estndar de la poblacin.
La prueba de t se emplea mucho en todas las reas de la ciencia.
La distribucin de t, es similar a la distribucin de z la cual se explic en
numeral anterior y, uno de sus mayores usos, es responder a interrogantes de
investigacin sobre medias y cuando se desconoce la verdadera desviacin
estndar.

t = X

Diseo Experimental
Cria43

(S

n ) Ecuacin 14

46

S, es la desviacin estndar calculada por:


n

S = [ (X i X )2

n 1] Ecuacin 15

i =1

4.28. Suposiciones de la prueba de t con una muestra. (2)


Para usar una prueba t con una muestra, se supone que los datos numricos
se obtienen de una manera independiente y representan una muestra aleatoria
de una poblacin que sigue una distribucin normal.
En la prctica, se ha encontrado que siempre que la muestra no es muy
pequea y la poblacin no tenga un sesgo grande, la distribucin t proporciona
una aproximacin a la distribucin muestral de la media cuando
(sigma) no
se conoce.

4.29. Prueba de z para la diferencia entre dos medias. (2, 3, 7, 12 y varios


autores)

Z = (X 1 X 2

) (1 2 )

2
1

X = Media de la muestra de la

n1 ) + ( 2

n2

Ecuacin 16

poblacion 1 ;

1 2 = Media de la poblacion 1
1 2 = Varianza de la poblacion 1 ; n1 = tamao de la muestra tomada de la
poblacin 1

X2

= Media

de la muestra de la poblacion 2 ;

2 2 = Media de la poblacion 2
2 2 = Varianza de la poblacion 2 ; n2 = tamao de la muestra tomada de la
poblacin 2

El estadstico de prueba sigue una distribucin normal estndar.

H o : 1 = 2

H 1 : 1 # 2

Diseo Experimental
Cria43

1 2 = 0

1 2 #0

47

4.30. Prueba de t para la diferencia entre dos medias


El clculo de la prueba de t para la diferencia entre dos medias se realiza con:

t = X1 X 2

) ( 1 2 )

S = (n1 1) S12 + (n 2 1) S 22

(Sp{(1

n1

(n1 1) + (n 2 1)

) + (1

n2 )}

Ecuacin 17

Ecuacin 18

S2p = varianza combinada


X1,2 = medias de la muestra tomadas de las poblaciones respectivamente
S1,2 = varianzas de la muestra tomadas de las poblaciones respectivamente
4.31. Grados de libertad.
Es el nmero de observaciones tomadas en exceso para estimar un parmetro.
(Lipson y Sheth 1973).

O el numero de variables menos el numero de relaciones lineales ( restriccin).


4.32. Anlisis de la varianza. (3, 7, 8, 27 y varios autores)
El anlisis de varianza fue ideado por Sir Ronald Fisher en 1925, de gran
aplicacin cuando en una investigacin se tiene el propsito de corrobar por
medio del anlisis estadstico los efectos de uno o ms factores sobre el
comportamiento de una caracterstica o variable dependiente.
El como Anova (Analysis of variance) o Anava; es una tcnica estadstica que
sirve para analizar la variacin total de los resultados experimentales de un
diseo en particular, descomponindolo en fuentes de variacin independientes
atribuibles a cada uno de los efectos en que constituye el diseo experimental,
compara dos o ms medias.
Esta tcnica tiene como objetivo identificar la importancia de los diferentes
factores tratamientos en estudio y determinar como interactan entre s.
El ANOVA es una prueba semejante a la prueba t de Student, en cuanto a la
prctica, pero la comparacin entre grupos no es a travs de la media y su
desviacin estndar, sino a travs de la varianza de la variable numrica y, en
cada grupo de la variable categrica x.
Bsicamente el anlisis de Varianza, se utiliza para corroborar si la
significacin de diferencias entre medias de dos o mas grupos, son o no
debidas al azar.
La cifra estadstica obtenida con el Anova es la razn F.
Suponiendo que se analizan 2 grupos, el Anova, analiza las variaciones entre
los dos grupos (inter-grupal) y la compara con la variacin dentro de cada

Diseo Experimental
Cria43

48

grupo (intra-grupal), para obtener mediante una suma de cuadrados el valor de


F.
Si las diferencias de varianza entre cada grupo son mayores que las intragrupales, seguramente existen diferencias significativas entre los grupos que
no son debidas al azar.
Los grupos se definen como en la prueba t eligiendo una variable categrica.
La variable a analizar debe ser numrica y de distribucin simtrica.
4.33. Bases del anlisis de la varianza.
Supnganse k muestras aleatorias independientes, de tamao n, extradas de
una nica poblacin normal. A partir de ellas existen dos maneras
independientes de estimar la varianza de la poblacin (S2)
1) Una varianza dentro de los grupos (ya que slo contribuye a ella la
varianza dentro de las muestras), o varianza de error, o cuadrados
medios del error, y habitualmente representada por SCError (Mean
Square Error) que se calcula como la media de las k varianzas
muestrales (cada varianza muestral es un estimador centrado de S2 y la
media de k estimadores centrados es tambin un estimador centrado y
ms eficiente que todos ellos).
SCError es un cociente: al numerador se le llama suma de cuadrados del error y
se representa por SCE y al denominador grados de libertad por ser los trminos
independientes de la suma de cuadrados.
2) Otra llamada varianza entre grupos (slo contribuye a ella la varianza
entre las distintas muestras), o varianza de los tratamientos, o
cuadrados medios de los tratamientos y representada por SCtrat o MSB
(Mean Square Between).
Se calcula a partir de la varianza de las medias muestrales y es tambin un
cociente; al numerador se le llama suma de cuadrados de los tratamientos (se
le representa por SCtrat) y al denominador (k-1) grados de libertad.
SCtrat y SCError , estiman la varianza poblacional en la hiptesis de que las k
muestras provengan de la misma poblacin.
La distribucin muestral del cociente de dos estimaciones independientes de la
varianza de una poblacin normal es una razn con distribucin F con los
grados de libertad correspondientes al numerador y denominador
respectivamente, por lo tanto se puede contrastar dicha hiptesis usando esa
distribucin.
Variacin total =Variacin dentro de los tratamientos+ Variacin entre los
tratamientos
Suma de cuadrados total = Suma de cuadrados dentro+Suma de cuadrados
entre
Diseo Experimental
Cria43

49

Variacin total =

Variacindentrodelos
tratamientos=
k

Estimacion de la var ianza dentro de tratam =


k =1

nj

[
j =1

X IJ X

]2

nk

Ecuacin 19
k

Estimacion de la var ianza entre tratam = n j [


k =1

i . IJ

X General ]

Ecuacin 20

= media de cada grupo

i . IJ

X Genaral = Gran media


A estas estimaciones se les conoce con el nombre de media de suma de
cuadrados.
Obtenidas las estimaciones se halla la razn entre ellas, la cual es una
estimacin F.
F= Estimacin entre los tratamientos / Estimacin dentro de los tratamientos.
Si en base a este contraste se rechaza la hiptesis de que SCtratamiento y SCME
tenen la misma varianza, se puede rechazar la hiptesis de que las k medias
provengan de una misma poblacin.
Aceptando que las muestras provengan de poblaciones con la misma varianza,
este rechazo implica que las medias poblacionales son distintas, de modo que
con un nico contraste se contrasta la igualdad de k medias.
Existe una tercera manera de estimar la varianza de la poblacin, aunque no es
independiente de las anteriores. Si se consideran las kn (N) observaciones
como una nica muestra, su varianza muestral tambin es un estimador
centrado de S2.
Se suele representar por CMT, se le denomina varianza total o cuadrados
medios totales, es tambin un cociente y al numerador se le llama suma de
cuadrados total y se representa por SCMT, y el denominador (kn -1) grados de
libertad.
Los resultados de un anlisis de varianza (anova) se suelen representar en una
tabla como la siguiente:

Diseo Experimental
Cria43

50

k 1

Tabla 4. Ejemplo de un anlisis de varianza


SC

CM

F0

Fuente de
variacin

Grados
de
Libertad

Suma de
cuadrados

Cuadrados
medios

Razn

Entre Tratamientos

k-1

SCtratamient

SCtrat /(K-1)

SCtrat/ SCME

Dentro del Error

N-k

SCE

SCE /(N-K)

Total

N-1

SCT

SCTotal / (KN 1)

p-valor

F
P (F>F0 )

K= Numero de tratamientos o niveles o grupos del factor de inters


N= Numero total datos reportados
n = Numero total de datos por grupo

CMtratam = SCtratam / (K-1)


CME

Ecuacin 21

= SCE /(N-k) Ecuacin 22

Con F0 calculado como SCtrata / SCE

Ecuacin 23

Y Con un elegido ( generalmente 5%), con unos grados de libertad en el


numerador (k-1), con unos grados de libertad en el denominador (N-k) se
encuentra el valor critico superior de la distribucin F, en una tabla de valores
crticos como la del ejemplo del numeral 4.8, 4.9.
El valor de F tabulada (Ft) se encuentra en las tablas con 4 grados de libertad
en la horizontal o sea el numerador o tratamientos, y 15 grados de libertad en
la vertical o sea el denominador o grados de libertad del error. Adems, con el
nivel de significancia ya sea de 5% o de 1%.
Al comparar el valor de F calculado con el valor de F tabulada para 5 y 1% de
significancia, se observa que Fc es mayor que Ft, lo cual indica que hay
significancia. Por lo tanto, se rechaza Ho, esto quiere decir que hay uno varios
tratamientos mejores que los dems.
Si Fc es menor Ft los resultados no son significativos. Esto indica que se
acepta la hiptesis nula de que no existen diferencias entre los tratamientos.
El valor significativo de F implica que los tratamientos no pertenecen a
poblaciones con comn. Indica que los tratamientos difieren en forma
significativa, pero no nos dice o seala cual de ellos es mejor.
Una de las bases para estas pruebas son el error estndar de la media Sx y el
error estndar para la diferencia entre medias de tratamientos Sd. En el
ejemplo anterior estos valores serian:
Sx = S2/r = 58.8/4 = 14.70 = 3.83 ;
De donde S2 = cuadrado medio del error o varianza y, r = numero de repeticiones

Diseo Experimental
Cria43

51

GRAFICODEANOVA
Ejemplodetomadedecisin
Distribucin Fisher

Fexcelente
Alfa

ZonadenorechazodeHo
OdenoaceptarHa

Zonaderechazo
DeHooaceptarHa

Fc
2

Figura 4. ANOVA toma de decisin.


4.34. Diferencia mnima significativa
Es la diferencia mnima que debe haber entre dos medias mustrales para
poder considerar que dos tratamientos son diferentes.
Cuando para este diseo se rechaza la hiptesis de igualdad entre los
tratamientos el investigador se pregunta cual(es) de ellos son diferentes entre
si.
Para averiguarlo se emplean los mtodos de comparacin de medias, uno de
estos mtodos(formulas) es el LSD diferencia minina significativa (Ecuacion 24)
en donde se sustituye el numero de replicas por el numero de bloques, y
tambin se deben cambiar los grados de libertad del error en el caso de
bloques esta dado por (b-1)(tratam-1).
Para Ktratamientos se tienen un total de k(k-1)/2 pares de medias.
K=tratamientos b= bloques N = Total de experiencias
observaciones para cada tratamiento.

n= numero de

El valor de t / 2, N K se toma de las tablas de la distribucin T de Student con


N-K grados de libertad del error.

LSD = t / 2, N K 2CME / n

Ecuacin 24

4.35. Error experimental


En todo proceso experimental se presentan dos clases de variaciones: la
variacin inherente al material experimental, al que se aplican los tratamientos
y la que proviene de la falta de uniformidad en la realizacin fsica del
Diseo Experimental
Cria43

52

experimento o variaciones externas a la experimentacin (como las


ambientales, etc) que tienden a enmascarar el efecto de los tratamientos.
Para expresar estas variaciones ajenas a los tratamientos los estadsticos
aplican el trmino error experimental; trmino que no quiere decir equivocacin,
sino que incluye todo tipo de variacin externa ajena al material experimental.
Este error experimental es la medida de variacin que existe entre las
observaciones de unidades experimentales en el mismo tratamiento, es decir,
la variacin no proveniente de los tratamientos.
Para los fines de clculo en las ecuaciones se expresa con la letra

4.36. Errores tipo I y tipo II. (8)


Cuando se contrastan o se prueban las hiptesis se pueden cometer dos tipos
de errores por los siguientes motivos:

La prueba de hiptesis comienza con una suposicin, llamada hiptesis,


que hacemos con respecto a un parmetro de poblacin.

Despus recolectamos y clasificamos los datos, aplicamos la estadstica


seleccionada a las muestras y usamos esta informacin para decidir qu
tan probable es que sea correcto nuestro parmetro de poblacin acerca
del cual hicimos la hiptesis.

Debemos establecer el valor supuesto (hipotetizado) del parmetro de


poblacin antes de comenzar a tomar la muestra.

La suposicin que deseamos probar se conoce como hiptesis nula, y


se simboliza por H0.

Siempre que rechazamos la hiptesis, la conclusin que s aceptamos


se llama hiptesis alternativa y se simboliza por H1.

*** El rechazo de una hiptesis nula cuando es cierta se denomina error de


tipo I, y su probabilidad (que es tambin el nivel de significancia) se
simboliza como . ***
*** El hecho de aceptar una hiptesis nula cuando es falsa se denomina
error de
tipo II, y su probabilidad se simboliza como . ***

La probabilidad de cometer un tipo de error puede reducirse slo si


deseamos incrementar la probabilidad de cometer el otro tipo de
error.

Con el propsito de obtener una (probabilidad) baja, tendremos que tolerar


una probabilidad alta; sin embargo el nivel de significancia adecuado se

Diseo Experimental
Cria43

53

debe decidir acorde con los costos y desventajas vinculadas con ambos tipos
de errores.
4.37. Las modalidades ms recomendadas para disminuir el error son:
En toda marcha experimental que se realice se debe
a) Utilizar unidades experimentales muy uniformes, como materias primas
homogneas, procesos, densidad de muestras, etctera.
b) Tamao adecuado de la unidad experimental.
e) Eliminacin de la competencia entre tratamientos.
d) Distribucin adecuada de los tratamientos mediante sorteos (azar).
e) Usar el nmero adecuado de repeticiones para cada tratamiento.
f) Poner todos los tratamientos en igualdad de condiciones, de manera que si
alguno es superior a los dems, se pueda probar.
4.38. Modelo estadstico. (Varios autores)
La finalidad de una serie de experimentos es determinar un modelo estadstico
que refleje la creencia respecto a la relacin entre los tratamientos y las
observaciones.
Cada resultado del experimento si este se repite n veces, esta determinado por

la media general

y el efecto del tratamiento

La identificacin de este fenmeno y la comprobacin de las suposiciones se


hacen en el momento de proponerlo basndose en el siguiente modelo
matemtico:

Yij = + i

Modelo matemtico Ecuacin 25

En donde
i= 1,., k
j=1,., r

numero de tratamientos
numero de repeticiones

= promedio de todas las unidades experimentales del experimento = X


Y

segn el caso.

i = la diferencia entre el promedio ( ) y el resultado cuando se tiene la


combinacin de factores determinada por el tratamiento i.
Como hay variaciones no controlables, la inexactitud de las mediciones,
conforman un factor llamado error experimental ( ).
El modelo finalmente se expresa como:

Yij = + i + ij

Modelo estadstico Ecuacin 26

4.39. Anlisis de Covarianza.


Lo que se busca en cada, experimento es la veracidad de una hiptesis.
Diseo Experimental
Cria43

54

Cuando la hiptesis se refiere a los parmetros del fenmeno se convierte


entonces en hiptesis estadstica como la variabilidad del clima, de una
temperatura en un proceso as se disponga de mtodos de medida con
bastante precisin y exactitud, sin olvidar que el resultado de todo experimento
tiene un componente llamado error, generalmente debido al azar.
Este efecto aleatorio obliga al investigador a recurrir a la estadstica para
minimizarlo y probar las hiptesis con un grado importante de certeza.
El anlisis de covarianza es un procedimiento muy importante en
experimentacin para la verificacin de las hiptesis, pero lamentablemente no
se usa con frecuencia.
El anlisis de covarianza permite realizar ajustes con las respuestas de las
unidades experimentales en las que se vara un factor medible, con la
respuesta que se hubiese obtenido, si todas las unidades experimentales
hubiesen tenido, el valor promedio del factor variable, para eliminar as el
efecto de ese factor.
El anlisis de covarianza entre muchas utilidades, se puede ,utilizar tambin
para ajustar las respuestas de las unidades de experimentacin de promedios
de dos o mas factores variables denominadas covariables.
Utiliza el anlisis de varianza y el de regresin para eliminar la variabilidad que
existe en la variable independiente X; tambin ajusta medias de tratamiento y
as estima mucho mejor el efecto de la variable independiente X sobre la
variable dependiente Y.
La variable independiente X es una observacin hecha en cada unidad
experimental antes de aplicar los tratamientos, e indica hasta cierto grado la
respuesta final Y de la unidad experimental.
Por ejemplo en una granja asistida por la UNAD se realizo un experimento con
el fin estudiar la conveniencia de raciones alimenticias en la ganancia de peso
de los anteriores para lo cual se les determinaron los pesos iniciales X y el
consumo de alimento Y; si los investigadores utilizan diferentes raciones las
diferencias fisicas y efectos que presentan los semovientes pueden ser o no
ser significativas, por la calidad de las raciones. Por lo tanto se deben preguntar si:
Al existir variacin en los pesos iniciales de los semovientes, la diferencia que
se presentan en los pesos finales es debido a las propiedades de alguna de las
raciones? O que en un alto porcentaje se deban a las diferencias de los pesos
iniciales?
Por medio del anlisis de covarianza, se puede calcular el efecto de la bondad
de las raciones, eliminando la parte correspondiente a los pesos iniciales.
4.40. Recomendaciones
Al plantear un estudio estadstico, definir claramente la poblacin objeto
de anlisis.
Diseo Experimental
Cria43

55

Si se trabaja con muestras, definir las condiciones que deben reunir


antes de extraerlas.

Especificar qu se va a medir, las unidades a usar y la forma de registro.

4.41. Software estadsticos para la solucin de problemas.


De los programas adecuados para el manejo, el procesamiento y anlisis de
datos citamos los siguientes:
Excell, minitab, statgraphics, SAS, curve expert; etc. sin embargo con la
utilizacin de una calculadora tambin es posible la realizacin de la gran
mayora de las operaciones involucradas en el procesamiento de los datos.

Figura 5. Portada del programa Statgraphics.

Diseo Experimental
Cria43

56

Figura 6. Hoja de clculo de excell *.


* Se le asigna el nombre de hoja de clculo a un hoja que esta divida en renglones y
columnas, al cruce de ellos se le denomina celdas sobre las cuales se almacena
informacin (letras o nmeros) que podemos usar para realizar operaciones, tales
como sumas, restas, multiplicaciones, divisiones, clculos financieros, estadsticos, de
ingeniera, amortizaciones, etc.

4.42. Ejercicio desarrollado


Ejercicio practico de estudio, reflexin y anlisis.
En un proyecto de investigacin para la normalizacin de frutas se encontraron
los siguientes datos de la produccin de canastillas de 50 kilos de uchuva de
un tamao previamente seleccionado en 50 fincas del oriente de
Cundinamarca:
a) Con los datos anteriores y aplicando las formulas matemticas suministradas
compruebe que los datos obtenidos para este ejemplo de partida en el proyecto
de normalizacin de frutas se pueden presentar como:

Tabla 5. Produccin de canastillas de uchuva en seis veredas

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5


49

61

44

39

31

30

60

38

36

66

50

41

43

47

49

40

38

30

51

69

53

47

45

44

45

33

32

51

64

44

40

52

43

39

58

60

59

42

39

31

48

43

47

48

35

36

56

60

40

36

Diseo Experimental
Cria43

57

Grupo 1

Grupo 2,
,,..

Variacin
interna 1

Variacin
interna 2,.

Grupo 5

Variacin
interna 5

Variacin entre grupos

Figura 7.Varianza entre las diferentes fincas productoras de uchuvas.

Tabla 6. Resumen estadstico de los datos totales recolectados de la


produccin de uchuvas en cinco municipios de Cundinamarca.
Caractersticas
estadsticas
encontradas para el
proyecto de
normalizacin
Muestras
totales(canastillas)
Sumatoria total
Promedio
Varianza
Desviacin estndar
Valor Mnimo de
produccin de
uchuva
Valor Mximo de
produccin de
uchuva
Sesgo
Curtosis o
apuntamiento

Enumere otras
propiedades de
inters para tener
en cuenta en este
ejercicio.

50
2282,0
45,64
99,2963
9,96475
30,0

69,0
1,33489
-0,66762

Diseo Experimental
Cria43

58

Tabla 7. Resumen estadstico de los datos recolectados por mes de la


produccin de uchuvas en cinco municipios de Cundinamarca.
M
e
S

N
fincas

Promedio

Varianza

Desviacin
estndar

Skewness
estndar

44,8

126,2

11,2339

0,402954

46,0

254,0

15,9374

0,482584

46,0

15,0

3,87298

0,392837

45,6

227,3

15,0765

0,950036

46,8

13,2

3,63318

1,62367

44,8

177,7

13,3304

0,574125

7
8

5
5

46,4
46,2

68,3
163,70
,7283

8,26438
12,7945

0,693964
0,139123

44,2

30,7

5,54076

-1,4506

1
0

45,6

132,8

11,5239

0,538284

S
u
m

50

45,64

99,296
3

9,96475

1,33489

Kurtosis
estndar
0,1668
01
1,1925
8
1,0041
6
0,3705
86
1,4570
1
0,3340
78
-86
1,1074
7
0,9761
77
1,3006

224,0

0,6676
2

2282,0

a- Revisa las graficas siguientes y sustenta si falta alguna de inters.?

PRODUCCION ANUAL DE UCHUVAS


CAJAS DE 50 KILOS

70
60
50
40
30
1

10

MES

Figura 8. Grafico de la produccin anual de uchuvas.


Diseo Experimental
Cria43

Sumatoria
por grupo

59

230,0

230,0

228,0
234,0
224,0

232,0
231,0

221,0
228,0

MES

GRAFICO DE CAJAS Y BIGOTES


1
2
3
4
5
6
7
8
9
10
30

40

50

60

70

PRODUCCION DE UCHUVA

Figura 9. Grafico de cajas y bigotes de la produccin mensual de


uchuvas.

MEDIAS E INTERVALOS DEL 95% LSD


54
CJAS UCHUV

51
48
45
42
39
FINC 1

FINC 2

FINC 3

FINC 4

FINC 5

FINCAS

Figura 10. Grafico de medias e intervalos para la produccin de uchuvas


por finca.
b- Adems encuentre la mediana, la media, la frecuencia absoluta, el numero
de muestras mnimas.
c- Con los datos obtenidos elaboramos el cuadro de distribucin de
frecuencias.
d- El tamao de la muestra tomado es correcto?
d-Que se podra concluir y decidir con los anteriores datos y que sugerencias
se tendran.?
e- Complete el siguiente cuadro de anlisis de mariaza para el ejercicio anterior
con un nivel de confianza del 95,0%.

Tabla 8. Anlisis de varianza (ANAVA) par el ejemplo de las fincas


productoras de uchuva.
Diseo Experimental
Cria43

60

Grados
de
Libertad.

SC

CM

F0

Suma de
cuadrados

Cuadrados
medios

Razn

Entre grupos
(fincas)

SCtratam

SCtratam /(k-1)

0,03

Dentro de los
grupos = Error

45

SCE

SCE /(N-k)

Total

49

4865,52

SCMT / (kn -1)

Fuente de
variacin

p-valor

Y adems responda si este valor de F-prueba es mayor, menor o iguala


al p tomado como 0,05 (5%)?

Hay diferencia estadsticamente significativa en la produccin de


uchuva de un mes a otro?

4.43. Ejercicios y actividades


1 - Revise un artculo de una revista con temas pertinentes con la ingeniera de
alimentos y o las ciencias agrarias,:
a) Tome de l las variables que intervienen y clasifquelas.
b)Identifique el diseo experimental propuesto por los investigadores
ejemplifique los conceptos de indicador y dimensin de una variable.
c) El criterio dado para decidir si el experimento fue exitoso considera que fue
el apropiado.?
2- Un ingeniero conduce un experimento para comparar la absorcin media de
aceite esencial en un medio poroso. Para lo cual selecciona aleatoriamente una
tira cinco posibles de un absorbente y lo divide en cinco pedazos uno de 3,5
centmetros, otro de cinco, ocho centmetros el siguiente, diez centmetros y
trece centmetros el ultimo.
Identifique la unidad experimental, los factores y los niveles de factor presentes
en el experimento.
Se podra anexar tomar otra divisin y dejarla al ambiente.? Como se le
denominara?
Se podra plantear de otra forma?
3- En un supermercado operando bajo condiciones controladas, se evalu,
para 40 gndolas la temperatura alcanzada (20 con tubrculos y 20 con frutas)
y se alcanzaron las siguientes temperaturas:
Tubrculos
Frutas

Diseo Experimental
Cria43

8,5
8,4

8,7
8,2

8,8
8,7

8,9
8,6

8,7
8,3

8,3
8,5

8,7
8,3

8,4
8,5

8,2
8,4

61

a) Identifica los tratamientos que se compararon en este estudio?


b) Las muestras de los vegetales son dependientes o independientes?
Explique.
e) Podramos decir que la temperatura promedio de los vegetales es igual
para tubrculos y vegetales?
4- Los profesionales de una granja agropecuaria experimental estn tratando
de tomar una dedicin para la compra de un complemento alimenticio para lo
cual evalan las ofertas de dos proveedores de raciones alimenticias mediante
la verificacin de ganancia en peso de dos lotes de semovientes y
determinaron las siguientes ganancias en peso (Kgs).
Proveedor 1
9
10
11
12
8
9

Proveedor 2
10
10
10
9
11
11

Calcular la media, la varianza, la desviacin estndar.


Plantear las hiptesis, y que concluira de la ganancia en peso.
Si consideramos un = 0.05.
B) Si la empresa decide probar con otro proveedor que criterio aplicaras?.
Para este complemento se obtuvo la siguiente informacin:

Proveedor 3
8
8
6
12
12
13
Probar objetivamente si existe diferencia significativa entre los proveedores.
Trabajo para desarrollar en casa y entregarlo al tutor.

Diseo Experimental
Cria43

62

UNIDAD SEGUNDA: Los diseos experimentales en la ingeniera de


alimentos
Capitulo quinto: Clasificacin de los diseos experimentales
5.1. Caractersticas de los diseos experimentales. (Varios autores)
Los diseos experimentales deben tener entre otros las siguientes
caractersticas:
a. Simplicidad. La seleccin de los tratamientos y la disposicin experimental
deber hacerse de la forma ms simple posible.
b. Grado de precisin. El experimento deber tener la capacidad de medir
diferencias entre tratamientos con los grados de precisin que desee el
investigador. Para cumplir con este propsito se deber partir de un diseo y
un nmero de repeticiones adecuados.
c. Ausencia de error sistemtico. Se debe planear un experimento con el
propsito de asegurar que las unidades experimentales que reciban un
tratamiento no difieran sistemticamente de aquellas que reciben otro
tratamiento, procurando de esta manera obtener una estimacin insesgada del
efecto de tratamientos.
d. Rango de validez de las conclusiones. Este deber ser tan amplio como
sea posible. Los experimentos que contribuyen a aumentar el rango de validez
del experimento son los experimentos replicados y los experimentos con
estructuras factoriales.
e. Clculo del grado de incertidumbre. En todo experimento existe algn
grado de incertidumbre en cuanto a la validacin de las conclusiones. El
experimento deber ser concebido de modo que sea posible calcular la
probabilidad de obtener los resultados observados debido nicamente al azar.
5.2. Aaspectos influyentes en la seleccin de un diseo experimental.
(Varios autores)

Se puede decir que el nmero de diseos experimentales es tan amplio como


el numero de situaciones a estudiar y dar respuesta y a la gran diversidad de
problemas o situaciones que ocurren en la prctica diaria de las profesiones.
De all que es importante saber cmo elegir el ms adecuado para la situacin
o problema que se quiere resolver, por lo tanto la clasificacin de los diseos
de acuerdo a su objetivo y a su alcance dentro del objetivo en cuestin.
Los cinco aspectos que ms influyen en la seleccin de un diseo experimental
son:
a. El objetivo del experimento.
b. El nmero de factores a controlar.
c. El nmero de niveles que se prueban en cada factor.
d. Los efectos que interesa investigar (relacin factores-respuesta).
e. El costo del experimento, tiempo y precisin deseada.
5.3. Clasificacin de los diseos experimentales acorde con su utilizacin.
(Varios autores)

Diseo Experimental
Cria43

63

Para dar solucin al gran nmero de situaciones y problemas tericos


prcticos que se presentan en la ingeniera y en otras actividades profesionales
se han propuesto un buen numero de diseos experimentales cantidad que
hacen necesario saber elegir el ms adecuado para la situacin que se quiere
resolver, de all que es conveniente conocer su clasificacin de acuerdo a su
alcance dentro del objetivo en propuesto.
En este sentido, de acuerdo con su objetivo y sin pretender ser exhaustivo, los
diseos se pueden clasificar como:
1. Diseos para comparar dos o ms tratamientos.
2. Diseos para estudiar el efecto de varios factores sobre la(s) respuesta(s ).
3. Diseos para determinar el punto ptimo de operacin de un proceso.
4. Diseos para la optimizacin de una mezcla.
5. Diseos para hacer el producto insensible a factores no controlables.
Ejemplos de los anteriores son los que se van a tratar en este curso como los
citados a continuacin :
Diseo Completo al Azar, Diseo de Bloques Completos al azar, diseo de
Cuadro Latino, diseo de Cuadro Greco Latino, diseo factorial 2K, diseos
factoriales 3K.
5.4. Experimentos de una variable
Los experimentos de una variable se realizan para averiguar cmo una variable
experimental afecta una o ms variables de respuesta. En este tipo de
experimentos, los tratamientos son simplemente niveles seleccionados de la
variable experimental.
Dependiendo de la variable experimental seleccionada, los tratamientos
pueden diferir ya sea cualitativa o cuantitativamente.
5.5. Dise de experimentos sin bloquear. (Varios autores)
A estos experimentos algunos autores los denominan diseo totalmente
aleatorizado o completamente al azar, es el diseo ms simple y se usa
cuando las unidades experimentales son homogneas, tienen las mismas
posibilidades de recibir cualquier tratamiento y la variacin entre ellas es muy
pequea.
Como en los experimentos de laboratorio, de invernadero en experimentos en
donde las condiciones ambientales son controladas, en algunos casos este
diseo necesita solo una replica con un solo criterio de clasificacin.
Por lo tanto:
1. Es fcil de planear.
2. Es flexible en cuanto al nmero de tratamientos y repeticiones, el lmite
est dado por el nmero de unidades experimentales en general.
3. No es necesario que el nmero de tratamientos sea igual al nmero de
repeticiones.
4. No se estiman unidades o muestras perdidas.
Diseo Experimental
Cria43

64

5. El nmero de grados de libertad para el error aumenta por no tener


muchas restricciones.
Las desventajas del diseo completamente al azar son:
1. No es eficiente con material experimental heterogneo.
6. Puesto que no existen restricciones en cuanto a la aleatoriedad, el error
experimental incluye la variacin total entre unidades experimentales.
El anlisis de varianza para el diseo completamente al azar se muestra en las
tablas 25 y 26.
5.6. Procedimiento estadstico para la comprobacin de hiptesis en un
diseo al azar.
El procedimiento a seguir es comn y debe ser acorde con lo planteado en la
siguiente tabla.
Tabla 9. Procedimiento estadstico para la comprobacin de hiptesis

INFORMACION RECOPILADA SOBRE LA


RESPUESTA A LOS TRATAMIENTOS

OBSERVACIONES

Total
tratamiento

por

Media
tratamiento

por

F1B1
F2B1

F1C1
F2C1

F3A1

F3B1

F3C1

Yi.1
N
n

Yi.=
Yi
j=1

Gran media

F1A1
F2A1

Numero de datos n
por tratamiento

Yi. = Yi.

Y .. = Y ..

OPERACIONES
ARITMETICAS A
DESARROLLAR PARA
EL CALCULO DEL
ANAVA

1. =
suma
de
cuadrados
de
todas
las
observaciones
2. Suma
de
los
datos
3. Numero total de
mediciones
4. Media
de
los
datos
5. Efecto
del
mtodo
= Y observada - Y media

N = an

Suma
de SCT
cuadrados totales
Suma
de SCt
cuadrados de los
tratamientos
Diseo Experimental
Cria43

65

Y el ANAVA en la siguiente tabla


Tabla 10. Anlisis de varianza para los tratamientos con un solo factor, en un
diseo totalmente aleatorizado o completamente al azar.

Fuente de
variacin

Grados de
Libertad

SC

CM

F0

Suma de
cuadrados

Cuadrados
medios

Razn

SCtrat / CME

Tratamientos

k-1

SCtrat

SCtrat /(k-1)

Error

N-k

SCE

SCE /(N-k)

Total

N-1

SCT

p-valor

P (F>F0 )

SCMT / (kn -1)

k= Numero de tratamientos o niveles o grupos del factor de inters


N= Numero total de datos reportados
n = Numero total por grupo

El procedimiento consiste en calcular la suma del cuadrado de los tratamientos,


la suma de los cuadrados totales y por diferencia la suma de cuadrados del
error.
Tabla 11. recopilacin y presentacin de los resultados de los tratamientos, en
un diseo totalmente aleatorizado o completamente al azar.

NIVEL

X X
1

F1A1

F2A1

F3A1

F1B1

F2B1

F3B1

F1C1

F2C1

F3C1

F1D1

F2D1

F3D1

F1A1

F2A1

FjeAJ

Yi.1

Y i..1

Yi.1

CT

F1A1 hasta FJEAJ son los anlisis o las muestras recolectadas o tomadas
Yij

es

F 1 A1

cada

uno

hasta

Fje

Diseo Experimental
Cria43

de

los

datos

representa

dos

como

66

Yi. = Yij

X = Y .. = Gran media

Ecuacin 27

Yi. = Yi.

j =1

Ecuacin 28
a =1

Y .. = Yi j Ecuacin 29

Y .. = Y ..

Ecuacin 30

j =1

N = an

Ecuacin 31

N = datos totales registrados


a = nmero de niveles de = A + B + C + D + E
n = nmero de repeticiones = 1 + 2 + 3 + etc

Yij
Y
..

j =1

SCTotal =
i =1

SCTotal = n
i =1

i =1

Ecuacin 32

Y i. Y .. +

i =1

SCTotal =

( Yij ) [ Y ..
2

Yij
Yi
.

j =1
n

Ecuacin 33

Ecuacin 34

j =1

SS tratamientos = Yij

n [ Y ..2 / N

Ecuacin 35

i =1

SSTotal = SStratam + SSerror

Ecuacin 36

Cuadrado Medio de los trat = CMtratam = SCtratam /(k-1) Ecuacin 37


Cuadrado Medio del error = CME= SCerror /(N-k) Ecuacin 38
Con estos calcular el estadgrafo F0 como CMedio de tratT / CME
39

Ecuacin

Y con un elegido ( generalmente 5%), con unos grados de libertad en el


numerador (k-1) de los tratamientos, con unos grados de libertad en el
denominador (N-k) del error se encuentra el valor critico superior de la
distribucin F, en una tabla de valores crticos como la de los apndices.
Se realiza la comparacin P (F>F0 ) para determinar las hiptesis propuestas.
Este diseo sigue un modelo estadstico. (24)
Diseo Experimental
Cria43

67

5.7. Modelo estadstico para un diseo al azar. (Varios autores)


Generalmente es representado por la ecuacin siguiente:

Yij = + i + ij

= mediaglobal
i = tratamientos

Ecuacin 40

ij = error
5.8. Ejemplo de un diseo de experimentos sin bloquear
Se quiere mejorar las propiedades de transportabilidad, manejo y presentacin
de las rosquillas elaboradas por una panificadora, para tal efecto de
determinara el efecto que sobre la dureza de estas tiene la incorporacin de
tres aditivos en la misma proporcin; los aditivos se incorporaran
individualmente en la masa elaborada (amasijo).

Diseo experimental totalmente aleatorizado


Rosquilla

Ingrediente A

Ingrediente B

Ingrediente C

Figura 12. Diagrama de flujo para la produccin de rosquillas a partir de una


masa estandarizada.
Para el estudio se empleara un diseo de experimentos sin bloquear.

Hiptesis de investigacin: La hiptesis planteada es que al menos


uno de los tres ingredientes mejorara la dureza final de las rosquillas.

Diseo Experimental
Cria43

68

Diseo del experimento: una masa bien homognea para la confeccin


de las rosquillas se dividen en seis porciones iguales y a cada dos de
ellas se les mezcla el ingrediente seleccionado.

La dureza se evala despus de seis das de almacenamiento a 10*C.


El primer paso es aleatorizar asignndole una secuencia de nmeros aleatorios
a las unidades experimentales, utilizando una de las tablas de permutacin de
donde se toma una permutacin aleatoria por ejemplo:
318594267, asignar el primer tratamiento a las dos porciones del tratamiento A
, los dos siguientes al tratamiento B y finalmente los otros dos restantes al
tratamiento C
En la tabla siguiente se resume la aleatorizacin hecha.
Tabla 12. De aleatorizacin para el ejemplo de las rosquillas
Porcion de
masa
Tratamiento
o aditivo

Solucion: con los datos de la tabla desarrolle las operaciones indicadas


n

Yi. = Yij = 7+9 +5+10+8+9+10+9+12 = 79

Yi. = 79 / 9 = 8.77

j =1

SCTotal =
i =1

( Yij ) [ Y ..
2

j =1

SCT = {(7)2+(9)2 + (5)2+(10)2 + (8)2+ (9)2+ (10)2+(9)2 + (12)2}- {(8.77)2/3x3 }=


SCtratamientos = [{(21)2+(27)2 + (31)2}]/3 -- {(8.77)2/3x3 }

SCT=SCE+SCt

Diseo Experimental
Cria43

SCT SCt = SCE

= ..

SCE = ..

69

Tabla 13. Datos obtenidos en la determinacin de la dureza para el ejemplo de


las rosquillas.
Tratamientos

Dureza o variable de respuesta


Determinacin
Total
Media
(Und / cmt)
3

Aditivo A

Aditivo B

10

5
8

10

21

27

31

10.33

1.527

8
2

Aditivo C

9
5

Varianza

9
9

12

8.77

Gran media

Tabla 14. Anlisis de varianza para evaluar el efecto de los aditivos en la


elaboracin de rosquillas.
Grados
de
Libertad

SC

CM

F0

Suma de
cuadrados

Cuadrados
medios

Razon

Ecuac

Ecuac

Ecuac

Tratamientos

3-1=2

16,8889

8,44444

Error

14,6667

2,44444

Total

(9-1)=8

31,5556

Fuente de
variacin

p-valor

Ecuac
3,45

0,1004

SSTotales / (kn -1)

Si utilizamos adems la prueba de rango mltiple para las rosquillas: 95% LSD
Tabla 15. Anlisis de homogeneidad y contraste de las rosquillas.

Tratamiento

Muestras

Media

A
B
C

3
3
3

7
9
10.33

Homogeneidad
del grupo
X
XX
X

Contraste (Diferencia)
A-B
B-C
B-C

( -2)
(-3.33)*
(-1,33)

* Indica diferencia estadsticamente significativa

Diseo Experimental
Cria43

70

Comprobando que el tratamiento seleccionado es el que presenta mejores


condiciones para ser aplicado a la rosquilla.

Capitulo seis:

Diseo en bloques

6.1. Diseo de bloques completos al azar. (8)


6.1.1. Caractersticas.
El objetivo del diseo de bloques completos al azar (DBCA) es reunir las
unidades experimentales a las cuales se aplicaran los tratamientos, en bloques
de cierto tamao, de tal modo que los tratamientos se efecten dentro de cada
bloque, la variabilidad entre unidades experimentales de bloques diferentes
ser mayor que entre unidades del mismo bloque, como consecuencia, las
diferencias encontradas entre unidades se deben principalmente a la
discrepancia entre tratamientos. La disparidad que no se deba tratamiento, se
elimina por el diseo y forma parte del error experimental. De acuerdo con esto,
es fcil observar que la variabilidad entre bloques no afecta las diferencias
entre medias de tratamientos, porque en cada bloque aparece una vez por
tratamiento y as los bloques y tratamientos son ortogonales.
En este diseo el material experimental es dividido en grupos de unidades
experimentales (UE) lo ms homogneas posible. Cada uno de los grupos es
una sola prueba o repeticin.
El objeto en todas las etapas del experimento es de mantener el error
experimental dentro de cada grupo tan pequeo como sea posible en la
prctica.
Los conjuntos o grupos son llamados bloques.
Dentro de cada bloque las (UE) son asignadas aleatoriamente, cada
tratamiento ocurre exactamente una vez en un bloque.
6.1.2. Fuentes de variabilidad.
En este diseo (DBCA) se consideran tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloques y el error aleatorio es decir, se tienen tres
posibles responsables de la variabilidad que presenten los datos obtenidos.
Se denominan completos porque en cada bloque se prueban todos los
tratamientos, es decir, que los bloques estn completos
6.1.3. Ventajas
Las principales ventajas de bloques al azar son las siguientes:
1. Por medio de la agrupacin comnmente se obtienen resultados ms
exactos que cuando se usan diseos completamente al azar. Coch.
2. Puede incluirse cualquier numero de repeticiones.
El anlisis estadstico es el acostumbrado.

Diseo Experimental
Cria43

71

3. Si la varianza del error experimental es mayor para algunos tratamientos


que para otros aun puede obtenerse un error insesgado para probar
cualquier combinacin especfica de las medias de los tratamientos.
4. Ningn otro diseo se usa tan frecuentemente como los bloques al azar.

6.1.4. Aleatorizacion.
La aleatorizacin es realizada cuando las unidades se han agrupado y los
tratamientos han sido asignados al azar a las unidades dentro de cada grupo.
El nombre de bloques completos al azar es debido a que en cada bloque (por
ejemplo un operador, un semoviente, una parcela) se prueban todos los
tratamientos (completo) en orden aleatorio.
6.2. Procedimiento estadstico para la comprobacin de hiptesis en un
diseo de bloques completos al azar.
El procedimiento a seguir es comn y debe ser acorde con lo planteado en la
siguiente tabla.
Tabla 16. Recopilacin y presentacin de los resultados de los tratamientos, en
un diseo de bloques completos al azar.

BLOQUES
B1
Tratam
XT1B1
r1

B2
XT1B2
XT2B2

B3
XT1B3

B4
XT1B4

r2

XT2B1

r3

XT3B1

XT3B2

XT3B3

XT3B4

r4

XT4B1

XT4B2

XT4B3

XT4B4

Y.j

Yi. B1

Yi. B2

XT2B3

XT2B4

Yi. B3

Yi. B4

X
X
X
X

Y i.
R1
R2
R3
R4

Btotales

= Ttratotales..

X = Y ..
b

X = Y .. = Gran media

Yi. = Yij Yi. =


j =1

Yij
j =1

Ecuacin 41

Y .s = Yij
j =1

Yi. = Yi

Diseo Experimental
Cria43

Ecuacin 42

Ecuacin 43

Y ij = Y . j

Ecuacin 44

72

Y .. = Y ..

N = an

N = datos registrados totales


a = nmero de niveles = A + B + C + D + E

Gran media

Ecuacin 45

n = nmero de repeticiones = 1 + 2 + 3 + etc


a

Y .. = Yi j = Yi = Y . j
i =1 j =1

i =1

SCTotal =
SS Bloques = [

(Yij )

(Y ..) 2

Ecuacin 46

j =1

(Y . j )

Ecuacin 47

a ] [(Y ..) 2

Ecuacin 48

b ] [(Y ..) 2

Ecuacin 49

i =1

SS tratamientos = [

(Y .i)

i =1

SSTotal = SSBloques + SSError

Ecuacin 50

6.3. Arreglo de los datos en un diseo de DBCA. (Varios autores)


Se acostumbra seguir el siguiente arreglo.
Tabla 17. Arreglo de los datos en un diseo de bloques completos al azar.

BLOQUES

1
2
3
4

Y1f

TRATAMIENTOS
3
4

Y31 Y41
Y32 Y42 .
Y33 Y43
Y34 Y44 ..
.

Y2f Y3f Y4f

Y.JB1

Y.JB2

1
Yll...
Y12
Y13
Y14
..

.
f
Y.JBJ

.....

2
Y22
Y21
Y23
Y24

Y.JB3

Y.JB4

Y.JB..

J
Yj1
Yj2
Yj3
Yj4

Yjf

YiB

Yi. B1
Yi. B2
Yi. B3
..
.

Yi. Bn.

Y.JBN

6.4. Modelo estadstico para un DBCA


Cualquier observacin en el DBCA, se puede representar por el modelo;

Yij = + i + j + ij
Diseo Experimental
Cria43

Ecuacin 51

73

i= 1,., k
j=1,., b

numero de tratamientos

numero de bloques

j = efecto debido al bloque

6.5. Hiptesis a probar


Las pruebas de hiptesis que se pueden efectuar dependen del tipo de modelo
empleado.

Estas conclusiones pueden estar sujetas a error:


Error de Tipo I: rechazar la igualdad de las medias de los tratamientos
cuando stas no difieren entre si.

Error de Tipo II: no rechazar la igualdad de las medias de los


tratamientos cuando stas difieren entre si.
H0 :

1 = 2 = 3 = ... k =

Ha:

1#

Ecuacin 52

j para algun i # j

6.6. ANOVA para un diseo en bloques completos al azar (DBCA) (Varios


autores)

La metodologa de anlisis a emplear es el ANOVA a dos criterios de


clasificacin. En este caso, el anlisis de varianza particiona la variabilidad total
de la informacin en tres componentes: una primera debida al efecto de los
tratamientos (Suma de Cuadrados Entre Tratamientos), la segunda a efecto de
los bloques (Suma de Cuadrados de Bloques), y finalmente el Error
Experimental (Suma de Cuadrados del Error).
En la misma forma se particionan los grados de libertad.
El rechazo o no de la hiptesis nula depende del valor del estadstico F:
F = (S. C. de Tratamientos / t - 1) / (S. C. del Error / (t - 1) (r - 1)) Ecuacin 53
Tabla 18. ANOVA para un diseo en bloques completos al azar

Suma de
cuadrados
Ecuac

Grados de
libertad
Ecuac

Cuadrados
medios
Ecuac

Tratamientos

SCtrat

k-1

SCtrat

Fo = SCtrat /
CME

P(F > Fo)

Bloques

SCB

b-1

CMB

Fo = CMB /

P(F > Fo)

Diseo Experimental
Cria43

Fo

p-value

Ecuac

74

CME
Error

SCE

(k -l)(b -1)

Total

SCT

N-1

CME

6.7. Comparacin de medias de tratamiento en el diseo de bloques


completos al azar (BCA)
Cuando para este diseo se rechaza la hiptesis de igualdad entre los
tratamientos el investigador se pregunta cual(es) de ellos son diferentes entre
si.
Para averiguarlo se emplean los mtodos de comparacin de medias, uno de
estos mtodos(formulas) es el LSD diferencia mnima significativa (Ecuacin
.) en donde se sustituye el numero de replicas por el numero de bloques, y
tambin se deben cambiar los grados de libertad del error en el caso de
bloques esta dado por (b-1)(tratam-1).
Para K tratamientos se tienen un total de k(k-1)/2 pares de medias.
K=tratamientos b= bloques N = Total de experiencias
observaciones para cada tratamiento.

n= numero de

El valor de t / 2, N K se toma de las tablas de la distribucin T de Student con


N-K grados de libertad del error.

LSD = t / 2, N K 2CME / n

Ecuacin 54

6.8. Ejemplo de bloques completos al azar (BCA) (Varios autores)


Una empresa procesadora de jugos investiga el efecto de cuatro evaporadores
en la velocidad de evaporacin (concentracin) de un jugo de tomate
proveniente de cuatro localidades de la geografa nacional.
Para lo cual se elabora un jugo con los tomates provenientes de una mima
localidad y concentra cada uno de ellos en cuatro turnos en los cuatro
evaporadores en orden completamente aleatorio.
Como variable de respuesta se determina el tiempo de empleado para llegar a
una concentracin de 20 grados brix.
El resultado de las 16 pruebas se presentan el la tabla 9.
Por favor realizas las operaciones indiadas y disctelas con el tutor..
Tabla 19. Datos obtenidos en la determinacin del contenido de slidos para el
ejemplo de concentracin del jugo de tomate.
Tratamientos = mtodos de concentracin

Diseo Experimental
Cria43

75

BLOQUES =

1
2
3
4

Turnos

1.7
2.3
2
1.8

2.3
2.08
1.9
2

1.8
2.2
2.1
2.3

2.1
2.4
1.95
2

Para la realizacin de esta tabla se sigue el procedimiento que se ha venido


siguiendo a travs de los ltimos cinco numerales.
Tabla 20. Procesamiento de los datos obtenidos en la determinacin del
contenido de slidos para el ejemplo de concentracin del jugo de tomate.
Mtodos de concentracin

Turnos

Totales por
tratamiento
Media por
tratamiento

Totales por
bloque

Medias

1
1.7

2
2.3

3
1.8

4
2.1

7,9

1,975

2.3

2.08

2.2

2.4

8,88

2,245

1.9

2.1

1.95

7,95

1,9875

1,8

2.3

8,1

2,025

7,8

8,28

8,4

8,44

1,95

2,07

2,1

2,11

33.83

Yi. = Yij = 1.7+2.3+1.8+2.1+2.3+2.08+2.2+2.4+2+1.9+2.1+1.95+.+2.3+2=


j =1

Yi. = 79 / 9 = 8.77

SCTotal =
i =1

( Yij ) [ Y ..
2

j =1

SCT = {(1.7)2+(2.32 + (1.8)2+(2.1)2 +.+ (2)2+ (2.3)2+(2)2 }- {(33.83)2/4x4 }=

SCtratamientos = [{(7.8)2+(8.28)2 + (8.4)2+(8.44)}]/4 -- {(33.83)2/4x4 }


SCBLOQUES = [{(7.9)2+(8.88)2 + (7.95)2+(8.1)}]/4 -- {(33.83)2/4x4 }

Diseo Experimental
Cria43

= ..

= ..
76

SCT=SCE+SCt

SCT SCt = SCE

SCE = .

Y el ANAVA elaborado para este ejemplo es el siguiente:

Tabla 21. ANAVA para los datos obtenidos en la determinacin del contenido
de slidos para el ejemplo de concentracin del jugo de tomate.
Suma de
cuadrados
Ecuac

Grados de
libertad
Ecuac

Cuadrados
medios
Ecuac

Fo

p-value

Ecuac

Tratamientos
MET DE
CONCENTRA

0,0661688

0,0220563

??

0,6662

Bloques
B:OPERARIOS

0,191669

??

1,57

0,2641

Error

0,367006

0,0407785

Total

0,624844

15

?? debes completar los faltantes de la tabla 9 anterior.


Ninguno de los factores tiene efecto significativo
concentraciones el nivel de confidencia del 95%.

en el tiempo de

6.9. Ejercicio para realizar como actividad de grupo:


Realizar un ensayo sobre la siguiente pregunta:
Cuando el numero de unidades experimentales no es igual que procedimiento
se realiza?
6.10. Ejercicio propuesto
Los profesionales de una empresa productora de quesos estn realizando un
estudio sobre la forma de presentar y transportar una variedad de queso (Q)
que comercializan para lo cual han realizado una serie de mediciones sobre la

Diseo Experimental
Cria43

77

dureza (de los mismos) en seis muestras provenientes de procesos diferentes


utilizando para ello tres instrumentos de medida (P)...
Obteniendo los siguientes resultados:

Q1
Q2
Q3
Q4
Q5
Q6

P1
9,5
10
11,4
11,2
9,8
9,4

P2
12,3
13
11,2
9,6
11
9,1

P3
12
10,8
10,6
10,2
10,2
10,3

-Probar si la diferencias entre la dureza de los quesos es significativa y si la


diferencia entre los instrumentos de medida es significativa.
Plantear las respectivas hiptesis, y que concluira de la ganancia en peso.
Si consideramos un = 0.01.

Capitulo siete:

Diseo en cuadro latino

7.1. Diseo en cuadro latino


El nombre de cuadrado Latino se debe a R.A. Fisher [The Arrangement of Field
Experiments, J. Ministry Agric., 33: 503-513 (1926)]. Las primeras Aplicaciones
fueron en el campo agronmico, especialmente en los casos de suelos con
tendencias en fertilidad en dos direcciones.
Diseo que contempla el control de dos factores de bloque, adems del factor
de tratamientos y los tres factores tienen la misma cantidad de niveles.
Considerndose cuatro fuentes de variabilidad que vienen siendo los dos
factores de bloque, el tratamiento y el error aleatorizado.
El primer factor de bloqueo se representa en los renglones o filas, el segundo
factor de bloqueo se representa en las columnas y los tratamientos se
representan por letras latinas y se distribuyen en forma tal que cada tratamiento
aparece slo una vez en cada fila y una sola vez en cada columna (Latin
square design). El inters se centra en un solo factor, los tratamientos, pero se
imponen dos restricciones a la aleatorizacin en un cuadro como el ejemplo de
la tabla del siguiente numeral.
7.2. Formacin y tabulacin de los datos experimentales en un cuadrado
latino.
Suponga 4 tratamientos A,B,C y D, con estos tratamientos se pueden formar 4
cuadros diferentes llamadas tpicas o estandar (en la primera fila y en la
primera columna se tiene la misma distribucin).

Diseo Experimental
Cria43

78

Tabla 22. Recopilacin y presentacin de los resultados de los tratamientos, en


cuadro latino.
A
B
C
D

B
A
D
C

C
D
B
A

D
C
A
B

A
B
C
D

B
C
D
A

C
D
A
B

D
A
B
C

A
B
C
D

B
D
A
C

C
A
D
B

D
C
B
A

A
B
C
D

B
A
D
C

C
D
A
B

D
C
B
A

De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros
diferentes.

Un diseo de este tipo slo es posible cuando el nmero de niveles de ambas


restricciones sea igual al nmero de niveles del tratamiento.
Por ejemplo, en una granja experimental si administramos tres medicamentos
(tratamientos) a tres cabras con diferentes . El orden en el que los caprinos
reciben los tratamientos puede ser completamente aleatorizado (diseo por
bloques) o aleatorizado bajo la condicin de equilibrio requerida para un
cuadrado latino. Designemos los tratamientos por T1 ,T2 y T 3 . Una asignacin
equilibrada respecto al orden de administracin puede ser
7.3. Arreglo de los datos en un diseo de Cuadro latino.
Para facilitar el entendimiento de este diseo se debe seguir como ejemplo el
recomendado por varios autores y presentado en la siguiente tabla:
Tabla 23. Arreglo de los resultados de los tratamientos, en cuadro latino.

BLOQUES II
1

BLOQUES I

Yj..

1
2
3
4
.
.
f

A=Yl1l
B=Y212
C=Y313
D=Y414

B=Y221
C=Y322
D=Y423
F =Y524

C=Y331
D=Y432
A =Y533
F=Y634

D=Y4411
E=Y442
B =Y443
A=Y544

..
.....

F=Yf1f

Y1..

A=Y12f

Y2..

B=Y23f

Yj..

..
.

C=Y34f

Yj..

Yi..

F=YjJ1
A=Y1j2
B=Y2j3
C=Y3j4

Yi..1
Yi..2
Yi..3
Yi..4
Yi..,,

J=YJjf

Ynj..

Yj..

Yi..f
Y ... = Y ijk

La eleccin del cuadro latino se realiza antes de la obtencin de los datos.


7.4. Procedimiento estadstico para la comprobacin de hiptesis en un
diseo de bloques en cuadro latino.
El procedimiento a seguir es comn y debe ser acorde con lo planteado en la
siguiente tabla.
Diseo Experimental
Cria43

79

Y ... = la suma de todos los datos de la tabla de resultados


Y ... = Y ijk

Ecuacin 55

Yi.. = Yi..

bn

Yij. = Y ...

SCTotal =

( Yijk ) [ Y ...

Y j.. = Yj,\..

Ecuacin 56

an Ecuacin 57

Ecuacin 58

Ecuacin 59

SStratamie nto = [ Yijk2

a ] Y ...

Ecuacin 60

j =1

Nota : Los tratamientos se definen con las letras latinas


b

SSrenglone s = Yijk2

b ] Y ...

i =1

SScolumnas = [ Yijk2

c ] Y ...

Ecuacin 61

Ecuacin 62

k =1

*Renglones primer factor de bloqueo


**Columnas segundo factor de bloqueo
A=b=c
Los grados de libertad se cal
SSTotales= SSrenglon+SScolumn+SStratamien+SSError Ecuacin 63
7.5. Anlisis del diseo de Cuadro latino (Varios autores)
Cualquier observacin en el DBCA, se puede representar por el modelo;

Yijl = + i + j + l + ijl
i= 1,., k
j=1,., b

Ecuacin 64

numero de tratamientos
numero de bloques

j = efecto debido al bloque


i = efecto debido al tratamiento

Diseo Experimental
Cria43

80

1.19.2 Hiptesis a probar

H0 : 1 = 2 = 3 = ... k =
Ha:

1 # j para algun

i # j

7.6. ANAVA para el diseo de cuadro latino.


El anlisis de varianza se realiza siguiendo el mtodo tradicional para comparar
tres factores y en igual numero de factores, para el efecto se deben diligenciar
las casillas contempladas en la tabla 36 y a manera de ejemplo practico en la
tabla 23.

Tabla 24. ANOVA para el diseo de cuadro latino*

FUENTES DE
VARIABILIDAD

SUMA DE
CUADRADOS

GRADOS CUADRADOS
DE
MEDIOS
LIBERTAD

Tratamientos

SCTRAT

k-1

Renglones

SCBl

Columnas

Fo

P-value

CMTRAT

F=
CMTRAT/
CME

P (F >
Fa)

k-1

CMBl

F = CMB l
/CME

P(F > Fa)

SCB2

k-1

CMB2

F=
CMB2/CME

P(F > Fa)

Error

SCE

(k - 2)(k -1)

CME

Total

SCT

k2 - 1

*Tomado de Gutierrez, H, et all. Analisis de experimentos. Captulo Cuatro 132


SCT = SCtrat + SCBl + SCB2 + SCE

Ecuacin 65

y los grados de libertad correspondientes son


k2 -1 = (k -1) + (k -1) + (k -1) + (k - 2)(k -1) Ecuacin 66

Diseo Experimental
Cria43

81

7.7. Ejemplo para el diseo de cuadro latino.


En una industria procesadora de alimentos se decide comprobar si es
significativo la perdida en peso determinada en gramos de un producto
almacenado en cuatro empaques diferentes A, B, C y D para lo cual se le
solicita la comprobacin del mismo a cuatro diferentes tecnlogos I, II, III y IV,
utilizando para el efecto cuatro balanzas diferentes 1, 2, 3 y 4, las
determinaciones son llevadas a cabo siguiendo el modelo de cuadro latino de
la tabla siguiente:
El resultado de las 16 pruebas se presentan el la tabla 25.
Tabla 25. Datos recolectados por los tecnlogos
Tecnlogo
I

Mtodos de pesado - Balanzas


1
2
3
4
A= 503
B= 507
C=510
D=512

II

B=514

A=493

D=495

C=496

III

C=507

D=509

A=509

B=505

IV

D=511

C=517

B=499

A=520

Procedimiento
1- Calcule la SCtratamientos (suma de cuadrados) acorde con la formula
y la tabla .
1.1. Para lo cual se debe calcular la sumatoria de todas los
tratamientos A, los B, los C y los D como:

A = 503 + 493 + 509 + 520 = 2025


D = 512 + 495 + 509 + 511 = 2027
Cada una de estas sumatorias se reemplaza en la ecuacin de
los tratamientos.
2- Calcule la SC renglones (suma de cuadrados) acorde con la formula
dada.
3- Calcule la SCcolumnas (suma de cuadrados) acorde con la formula

4- Calcule la SCTotales (suma de cuadrados) acorde con la formula Ec


10.
5- Determine el error por diferencia.
SCE = SCT - SCtrat - SCBl - SCB2
6- Determine los grados de libertad correspondientes Ecuacin .
7- Calcule el ANAVA tabla .
8- Que se puede concluir

Diseo Experimental
Cria43

82

El estudiante debe seleccionar la formula adecuada de las anteriormente


propuestas.

Tabla 26. Calculo de los tratamientos (3eros o letras)

Letra latina

Total de
tratamiento

A=

C=

B=

C
D

D=

En este ejemplo
A = 2025

Yl1l

B =2025

Y221

C =2030

Y331

D =2027

yi3

Tabla 27. ANOVA para el diseo de cuadro latino del ejemplo perdida de peso

FUENTES DE
VARIABILIDAD

SUMA DE
CUADRADOS
Ecuac

GRADOS DE
LIBERTAD
Ecuac

CUADRADOS
MEDIOS
Ecuac

Fo
Ecuac

P-value

Determinacin
peso- balanza

74,1875

24,7292

0,28

0,8355

Operario

??

106,229

1,22

??

Empaque

4,1875

??

0,02

0,9969

Error

522,375

87,0625

Total

919,438

15

?? Debes completar los faltantes de la tabla 27 anterior.


No hay valores de P que sean menores de 0,05, y ningn factor presenta
efecto significativo estadsticamente significativo en la perdida de peso en el
nivel de 95% de confianza.

Diseo Experimental
Cria43

83

Cual seria tu conclusin y que se podra recomendar para ejercicio?


7.8. Ejercicio propuestos
1) Con el fin de determinar si se presentan efectos en el peso, debido a la
posicin que pueden ocupar pollos de engorde, criados en jaula de 4 pisos
(filas) y 4 casilleros (columnas). La variable analizada fue: Peso del pollo
(kg.) a las 8 semanas de edad
Casilleros
Pisos
1
2
3
4

1
1.40(A)
1.35(B)
1.38(C)
1.39(D)

2
1.38(B)
1.28(A)
1.40(D)
1.39(C)

3
1.40(C)
1.45(D)
1.42(B)
1.40(A)

4
1.60(D)
1.62(C)
1.63(A)
1.60(B)

a) Formule y realice la Prueba de Hiptesis correspondiente. Use =0.05


b) Realice la prueba de Tukey para comparar si existe diferencia entre el
tratamiento A y B. Use =0.05
c) Realice la prueba DLS para comparar si existe diferencia entre el
tratamiento C y D. Use =0.01
d) Utilice la prueba t para comparar si el peso promedio utilizando el
tratamiento C es menor al peso promedio usando el tratamiento B. Use
=0.05

Capitulo ocho: Diseo en cuadro greco latino


8.1. Diseo en cuadro greco latino.
Cuando se tiene un cuarto factor de bloque a controlar activamente en el
diseo de cuadro latino como por ejemplo si en el ejercicio del numeral 1.19.5
se decide considerar el sitio de realizacin del experimento o la procedencia de
un ingrediente para el producto considerado.
Este diseo se denomina cuadro greco latino (DCGL), en el cual los niveles de
el nuevo factor se denotan por las letras griegas , , , a; representndose
los tratamiento con las letras latinas A, B, C y D.
En el diseo en cuadrado greco-latino se superponen dos cuadrados latinos,
resultando el siguiente modelo matemtico:

Yijl = + i + j + l + k + ijl
i= 1,., l
j=1,., b

Ecuacin 67

numero de tratamientos
numero de bloques

i = efecto debido al bloque 1


Diseo Experimental
Cria43

84

j = efecto debido al bloque 2


l = efecto debido al tratamiento
l =

cto debido al tratamient2

{ l , , , }

El inconveniente de este modelo es que su utilizacin es muy restrictiva.


Adems pueden no existir cuadrados greco latinos de determinadas
condiciones.
8.2. Formacin y tabulacin de los datos experimentales en un cuadrado
greco latino.
Tabla 28. Arreglo de los resultados de los tratamientos, en cuadro GrecoLatino.

A=Y
B=Y
C=Y
D=Y

1
2
3
4
.
.
f

BLOQUES I
Y i..

BLOQUES II
Y ..k
3

B=Y C=Y
C=Y D=Y
A =Y
D=Y4
B=Y
A=Y

l1l

331

22

432

212

322

533

313

414

23f

12f

Yi

D=Y
B =Y
A=Y
C=Y

F=YjJ1
A=Y1j2
B=Y2j3
C=Y3j4

4411
443

544

34f

J=YJjf

Yl

8.3. Procedimiento estadstico para la comprobacin de hiptesis en un


diseo de bloques en cuadro greco latino.
El procedimiento a seguir es comn y debe ser acorde con lo planteado en la
siguiente tabla.

Y .... = la suma
Y .... =

de todos

los

datos

de la tabla

de resultados

Y ijkl

SCTotal =
i

l1

( Yijkl ) [ Y ...
j

SStratamie nto letra latin = [ Y. 2j ..

p ] Y ....

] Ecuacin 68

N Ecuacin 69

j =1

Nota : Los tratamientos se definen con las letras latinas

Diseo Experimental
Cria43

85

p ] Y ....

SSrenglone s = Yi...2

Ecuacin 70

i =1

Pt

SScolumnas = [ Y....2 L

p ] Y ....

N Ecuacin 71

L =1

SStratamle trgriega = Y..2k .

p ] Y ....

k =1

Ecuacin 72

*Renglones primer factor de bloqueo


**Columnas segundo factor de bloqueo
Tratamiento representado por las letras griegas

1 = 2 = =
Los grados de libertad se cal
SSTotales= SSrenglon+SScolumn+SStratamienLatin+SStratamien;etrgriega+SSError Ecuacin 73
8.4. Anlisis del diseo de Cuadro greco latino (Varios autores)
Cualquier observacin en el DBCA, se puede representar por el modelo;

Yijl = + i + j + l + ijl
i= 1,., k
j=1,., b

Ecuacin 74

numero de tratamientos
numero de bloques

j = efecto debido al bloque

i = efecto debido al tratamiento


8.5. Hiptesis a probar para el diseo greco latino

H0 :

1 = 2 = 3 = ... k =

Ha:

1 # j para algn

Diseo Experimental
Cria43

i # j

86

8.6. ANAVA para el diseo grecolatino.

Tabla 29. ANOVA para el diseo de cuadro greco latino*

FUENTES DE
VARIABILIDAD

SUMA DE
CUADRADOS

GRADOS CUADRADOS
DE
MEDIOS
LIBERTAD

Tratamientos
Letra latin

SCtratlatin

k-1

Renglones

SCrenglo

Columnas

Fo

P-value

CMtratalatin

Ftralat =
CMtratlatin/
CMEr

P (F >
Fa)

k-1

CMrenglo

Fre =
CMrenglol
/CMEr

P(F > Fa)

SCcolumn

k-1

CMcolumn

Tratamientos
Letra griega

SCtratgiega

k-1

CMtaratgriega

Error

SCE

(k - 2)(k -1)

Total

SCT

k2 - 1

F colmn=
P(F > Fa)
CMcolumn/CM
Er

Ftratlgrieg=CM
taratgriega

CMErr

*Tomado de Gutierrez, H, et all. Anlisis de experimentos. Captulo Cuatro 132


SCT = SCtrat + SCBl + SCB2 + SCE

Ecuacin 75

y los grados de libertad correspondientes son


k2 -1 = (k -1) + (k -1) + (k -1) + (k - 2)(k -1) Ecuacin 76

8.7. Ejemplo para el diseo grecolatino.


Ejemplo de un cuadrado greco-latino (Pena, 2002)
Se compara el rendimiento de tres procesos de fabricacin (A, B, C) en tres

condiciones experimentales (_ , , ) tres das distintos con tres


procedimientos de medicin. El dise y los resultados obtenidos se indican en
el cuadro.

Diseo Experimental
Cria43

87

P (F >
Fa

Tabla 30. ANOVA para el ejemplo de diseo de cuadro greco latino*


Dia 1

Metodo 1

10

Metodo 2

Dia2

Dia 3

13

11

Yi
34

26

Metodo 3

A
10

yL

11
32

30

9
27

31

90

10

Y..1.=28
.Y..2.=32
..Y..3.=30
Tabla 30. ANOVA para el ejemplo de cuadro greco latino*

FUENTES DE
VARIABILIDAD

SUMA DE
CUADRADOS

GRADOS CUADRADOS
DE
MEDIOS
LIBERTAD

Tratamientos
Letra latin

SCtratlatin

k-1

Renglones

SCrenglo

Columnas

Fo

P-value

CMtratalatin

Ftralat =
CMtratlatin/
CMEr

P (F >
Fa)

k-1

CMrenglo

Fre =
CMrenglol
/CMEr

P(F > Fa)

SCcolumn

k-1

CMcolumn

Tratamientos
Letra griega

SCtratgiega

k-1

CMtaratgriega

Error

SCE

(k - 2)(k -1)

Total

SCT

k2 - 1

F colmn=
P(F > Fa)
CMcolumn/CM
Er

Diseo Experimental
Cria43

Ftratlgrieg=CM
taratgriega

CMErr

88

P (F >
Fa

Capitulo nueve:

Diseos factoriales

9.1. Diseos factoriales


En ingeniera muchos de los experimentos se llevan a cabo para estudiar los
efectos producidos por dos o mas factores.
El desplazamiento de estos dentro de un dominio experimental es costoso
adems las limitaciones de tiempo obligan al experimentador a ejecutar slo los
experimentos imprescindibles.
En los mtodos tradicionales solo se varia un factor cada vez esto no es lo
mejor pues implica ms experimentos de los necesarios y se obtiene
informacin parcial pues no muestran la interaccin entre los factores; las
interacciones en un experimento son corrientes y son los efectos ms
importantes para comprender el comportamiento de muchos sistemas.
Los diseos experimentales permiten variar simultneamente varios factores
pero evitndose que se vaya en la misma direccin. Y se complementan de tal
modo que la informacin buscada se obtiene combinando las respuestas de
todos ellos.
9.2. Ventajas de los Experimentos Factoriales
Podemos resaltar entre varias las siguientes:
1. Economa en el material experimental pues se obtiene informacin sobre
varios factores sin incrementar el tamao del experimento.
2. Permiten el estudio de la interaccin, o sea determinan el grado y la
forma en la cual se modifica el efecto de un factor por los niveles de otro
factor
9.3. Desventajas de los diseos factoriales
Una desventaja de los experimentos factoriales es que requieren un gran
nmero de tratamientos, especialmente cuando se tienen muchos factores o
muchos niveles de un mismo factor. Este hecho tiene los siguientes efectos:
1. Si se desea usar bloques completos es difcil encontrar grupos de
unidades experimentales homogneas para aplicar todos los
tratamientos.
2. Se aumenta el costo del experimento al tener muchas unidades
experimentales; esto se minimiza usando factoriales fraccionados donde
se prueba una sola parte de todo el conjunto de tratamientos.
Los experimentos factoriales se pueden ejecutar bajo cualquier tipo de diseo
de control de error o un sub muestreo o con covariables.
En este modulo slo se presentaran anlisis de experimentos factoriales de dos
factores bajo un DCA y o DBCA.

Diseo Experimental
Cria43

89

9.4. Arreglo factorial


El conjunto de experimentos individuales o tratamientos que se forman al
considerar las posibilidades de combinacin para el diseo factorial es el
mostrado en la tabla siguiente;

FACTOR B

A1

FACTOR A

B1

Figura 11.Un experimento factorial

B1

FACTOR B
B2

A1
FACTOR A
A2

Figura 12.Un experimento factorial


9.5. Modelo estadstico para un diseo factorial
Cualquier observacin en el diseo factorial se puede representar por el
modelo;

Yijl = + i + j + ( ) ij + ijk

Ecuacin 77

i= 1,., a
numero de tratamientos
j=1,., b
numero de bloques
k= 1,2,..n
= media general, tambin denominada 0

i = efecto debido al i-esimo nivel del factor A, tambin denominada 1


= efecto debido al j-esimo nivel del factor B, tambin denominada 2 .
( ) ij = representa al efecto de interaccin en la combinacin ij, tambin
denominada 1 2 .

( ) ijk =

es el error aleatorio que supone una distribucin con media cero y

varianza constante
Diseo Experimental
Cria43

2
90

Estando el modelo de regresin descrito por :

Yijl = o + 1 X 1 + 2 X 2 + 1 2 X 1 X 2 + ijk

Ecuacin 78

9.6. Hiptesis a probar


H0 : Efecto A = 0
Ha: Efecto A # 0

H0 : Efecto B = 0
Ha: Efecto B # 0
H0 : Efecto AB = 0
Ha: Efecto AB # 0
Si efecto A=

Si efecto B=

Las hiptesis tambin se pueden plantear de la siguiente manera:


H0 :

1 = 2 = ... a

HA :

#0

=0

para algn i

HB :

1 = 2 = ... b = 0
j #0

H0 :

( ) ij = 0

HAB:

( ) ij #0

H0 :

para algn ij

Hiptesis que se prueban con la tcnica de anlisis de varianza (conocida).


Calculo de la suma de cuadrados del error.
SCE - SCT = SCA+ SCB + SCAB Ecuacin 79
Calculo de la suma de cuadrados del error
SCE= SCT-SCA-SCB-SCAB

Ecuacin 80

9.7. ANOVA para el diseo factorial (a x b) o de dos factores


El anlisis de varianza se calcula de una manera similar a los primeros
numerales del presente capitulo.

Diseo Experimental
Cria43

91

9.8. Ejemplo de un diseo factorial


Se corre un diseo factorial 3x2 con 2 replicas para investigar el encogimiento
de un producto despus del proceso de estandarizado.
Tabla 31. ANOVA para el diseo factorial a

xb

Suma de
cuadrados

Grados de
libertad

Cuadrado
s medios

Fo

p-value

EFECTOA

SCA

a-1

CMA

Fo = CMTRAT
/ CME

P(F > Fo)

EFECTOB

SCB

b-1

CMB

Fo = CMB /
CME

P(F > Fo)

EFECTOAB

SCAB

(a -l)(b -1)

CMTRAT

Error

SCE

ab(n-1)

CME

Total

SCT

abn-1

CMTRAT

Los factores investigados son. A: Temperatura de la bodega de


almacenamiento ( tres niveles, T1, T2 y T3) y contenido del preservante
(material de curado) a dos niveles, B1 y B2. Los datos obtenidos se muestran
en la tabla siguiente:

Hiptesis de investigacin: la temperatura y los aditamentos influyen


en el tamao final del producto.

Diseo del experimento: una masa bien homognea para la confeccin


del producto se dividen en seis porciones iguales y a cada una de ellas
se les mezcla el porcentaje del ingrediente seleccionado.

Tabla 32. Resultados del ensayo NOVA para el diseo factorial a


Temperatura
T2

T1
Empaque

B1
B2

3,9
3,5

4,2
3,8

xb

4,3
4,0

3.81
3.37

3.72
3.50

3.84
3,6

T3
4
3,9

3,8
4,1

** Elabore el ANAVA para este proceso y socialcelo con los compaeros en el grupo de curso.
Diseo Experimental
Cria43

92

3,4
4,3

Tabla 33. ANOVA para el ejemplo de diseo factorial a

Suma de
cuadrados

Grados de
libertad
Ecuac

xb

Cuadrados
medios
Ecuac

Fo
Ecuac

p-value

Ecuac

EFECTOA

EFECTOB
EFECTOAB

Error

Total

* Que conclusiones sacaras?


9.9. Experimentos factoriales de dos vas
En un experimento factorial de dos vas se eligen dos variables experimentales
y se seleccionan dos o ms niveles para cada una.
Para cada combinacin de niveles habr un tratamiento.
Aunque los experimentos factoriales comnmente son ms prolongados que
los experimentos de una sola variable, por lo general producen mucho ms
informacin en el tiempo que toman.
Cuando se analizan resultados como los de la tabla 9 se debe siempre
preguntar si las diferencias que se observan obedecen a los tratamientos
aplicados o a alguna otra variable, que posiblemente se desconoce. El
propsito del diseo experimental es comprobar si hay interaccin o no entre
los factores.
9.10. Factor en el diseo de dos vas.
Cuando se manejan en un solo experimento ms de una variable experimental,
stas se conocen como factores experimentales.
9.11. Tratamiento en el diseo de dos vas.
En un experimento factorial de dos vas un tratamiento es una combinacin de
niveles de los dos factores. Si hay 11, niveles del factor 1 y 2 niveles del factor
2 entonces habr 11, por 11, tratamientos.
Diseo Experimental
Cria43

93

9.12. Interaccin en el diseo de dos vas.


Si el efecto de un factor en la variable de respuesta es diferente para distintos
niveles del otro factor, se dice que los factores presentan una interaccin. Las
interacciones slo se hacen visibles con experimentos factoriales, lo que da a
stos una ventaja importante sobre los experimentos de una variable.
9.13. Pasos para llegar al ANOVA en un diseo experimental.
Para obtener el ANOVA por ejemplo en la tabla 42, 44 y otras para responder
preguntas especificas sobre un experimento se debe:
1) Obtener los contrastes. O comparaciones entre las medias de los
tratamientos.
2)Calcular los efectos. Ver ecuaciones 16,17 y 18.
3) Las sumas de cuadrados. Ver ecuaciones 19,20,21, 22, 23 y 24.
4) Realizar la prueba de significancia (FO). Ver tablas de ANOVA.

Capitulo diez:

Diseos factoriales 2k

10.1. Codificacin de las variables


La codificacin consiste en asignar valores numricos o alfanumricos
(cdigos) a cada una de las variables con el fin de facilitar el tratamiento de los
datos.
Los niveles de los factores para el diseo factorial se pueden codificar con los
smbolos +1 ( nivel superior) y -1 ( nivel inferior); para proporcionar un marco de
trabajo uniforme y apropiado para investigar los efectos de los factores
(variables) en cualquier regin experimental en la que los valores reales de los
factores dependen de los

X Codificada i = ( X i X ) / Diferencia
Diferencia = (X M Xn)

Ecuacin 81

Ecuacin 82

(X M Xn) = diferencia entre los valores mximo y mnimo.

X i = es el valor de x

= el valor en el experimento

X = valor medio de los = el valor medio en el experimento


k
10.2. El diseo factorial completo 2
Para la notacin utilizada k = numero de factores.
Y

(bse) es el nmero de niveles seleccionados.

En este diseo se consideran solo dos factores, A y B, cada uno con dos
niveles.

Diseo Experimental
Cria43

94

Se acostumbra denominar el nivel inferior de los factores como -1 o tambin A1


Y el nivel inferior por 1 o tambin A2.

Es la estrategia mas adecuada para conocer simultneamente qu efecto


tienen k factores sobre una respuesta y descubrir si interaccionan entre ellos.
Las interacciones suelen ser muy corrientes y a veces son los efectos ms
importantes, por lo que conocerlas es imprescindible para comprender el
comportamiento de muchos sistemas.
ste describe los experimentos ms adecuados para conocer simultneamente
qu efecto tienen k factores sobre una respuesta y descubrir si interaccionan
entre ellos.
Al no haber factores correlacionados se evitan experimentos redundantes.
Adems, los experimentos se complementan de tal modo que la informacin
buscada se obtiene combinando las respuestas de todos ellos.
Tabla 34. Signos algebraicos para calcular los efectos en un diseo 22
Combinaci
PRUEBA

AXB

n de los
tratamient
os

REPETICIONES
Y

Y
1

Y
..

Y
n

PROMEDIO

Y
1
2
3
4

+
+

+
+

+
+

(1)
a
b
ab

10.3. Efecto de un factor en un diseo 22


La influencia que tiene un factor sobre la variable de respuesta como el cambio
en la respuesta cuando un factor cambia de su nivel inferior a su nivel superior,
promediado sobre los dems factores.
a) El efecto promedio de A es definido como:
A = 1/2n{[ ab-b]+[a-(1)]}
A = 1/2n[ ab+a b -(1)]

Ecuacin 83

b) El efecto promedio de B es definido como:

Diseo Experimental
Cria43

95

B = 1/2n{[ ab-a]+[b-(1)]}
B = 1/2n{[ ab + b a - (1)]} Ecuacin 84
c) El efecto de interaccin de AB es definido como:
AB = 1/2n{[ ab-b]-[a-(1)]}
AB = 1/2n[ ab+(1)-a-b]

Ecuacin 85

n = numero de repeticiones o replicas


d) la suma de cuadrados de los efectos se calcula a partir de los contrastes y
se definen como:
SS= [Efecto]2[2k-2]n

Ecuacin 86

Tambin puede ser calculada


d1) Para el factor A este se calcula con:
SC A = {[ab + a b (1)]}2

n 2 2 Ecuacin 87

d2. de B

SC B = {[ab a + b (1)]}2

n2 2 Ecuacin 88

d3. de AB
SC AB = {[ab + (1) a b]}2

n 2 2 Ecuacin 89

d4. Calculo de la suma de cuadrados totales


a

SS T =
i =1

Y
j =1

k =1

2
K =1

Y 2

Ecuacin 90

N = nmero de pruebas
d5. Calculo de la suma de cuadrados del error
SCE= SCT-SCA-SCB-SCAB

Ecuacin 91

10.4. Anlisis de residuos


Es un procedimiento til para la evaluacin del ajuste de una ecuacin de
regresin. Los residuales se calculan cuando se encuentran diferencias entre el
valor real y el valor de la variable dependiente y el valor predicho de la misma.
En otras palabras un residual es la parte de Y que no est predicha por X..

Diseo Experimental
Cria43

96

El valor medio de los residuales es cero y como la pendiente se resta en el


proceso de calculo de los residuales, la relacin entre estos y los valores de X
tambin es cero.

Y = 0 + 1 X 1 + 2 X 2 + Ecuacin 92
10.5. ANOVA para un diseo factorial 22
Con los productos de las ecuaciones del numeral anterior debemos construir la
siguiente tabla.
10.6. Ejemplo de un diseo experimental factorial 22
Los pasos a seguir en la resolucin de un ejercicio o situacin de ingeniera en
donde se aplique un diseo experimental son los siguientes:
1- Planteamiento del problema
Se quiere comprobar el rendimiento de una reaccin con un nuevo catalizador.
Por tanto, se pretende determinar en qu grado la temperatura y el tiempo
influyen en el rendimiento de reaccin y cmo este se puede variar para
mejorarlo.
10.7. Factores y dominio experimental
Para lo cual acorde con la experiencia previa, la revisin bibliografa o las
necesidades de la experimentacin (criterios de rentabilidad, limitaciones
experimentales), se debe escoger qu factores interesa estudiar y qu valores
pueden tomar (el dominio experimental).
Tabla 35. ANOVA para un diseo factorial 22
Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

p-value

SCA

CMA

P(F > Fo)

SCB

CMB

SCAB

CMAB

Fo = CMA /
CME
Fo = CMB /
CME
Fo = CMAB/
CME

Error

SCE

4(n-1)

CME

Total

SCT

n22-1

EFECTOA
EFECTOB
EFECTOAB

P(F > Fo)


P(F > Fo)

La Tabla 35 muestra los dos factores escogidos. Como ambos factores son
continuos, su dominio experimental se expresa con los valores mximo y
mnimo que pueden tomar.
Para lo cual se acord que el tiempo de reaccin no debera ser inferior a 8
horas para que el proceso fuera rentable, y superior a 6 horas para asegurar un
Diseo Experimental
Cria43

97

buen rendimiento; adems el rango de temperatura de trabajo debe ser


superior a los (40C) pero sin exceder los 80C.
La Tabla 35 tambin muestra la notacin codificada ms habitual para factores
continuos: se asigna el valor 1 al extremo inferior del dominio experimental y
el valor +1 al extremo superior 2.
Para simplificar a menudo slo se indican y +.
Es necesario definir la correspondencia entre variables reales y codificadas
porque el diseo de experimentos describe la experimentacin ptima
empleando variables codificadas (X1, X2,...) sin dimensin. De este modo las
herramientas matemticas y estadsticas son generales y se pueden aplicar a
cada problema concreto.
La experimentacin ms econmica (mnimo nmero de experimentos) es
aquella en la que cada factor toma slo dos valores (niveles). Y la que
proporcionar la informacin con menor incertidumbre es aquella en la que
estos valores son los extremos del dominio experimental, 1 y +1.
Esta misma tabla 35 muestra la matriz de experimentos que se obtiene
combinando los dos niveles de los dos factores. Cada fila es un experimento y
cada columna es un factor estudiado.
Tabla 36. Respuestas para el ejemplo de diseo factorial 22
Matriz de
experimentos

1
2
3
4

x1

x2

+
+

+
+

Plan de
experimentacin
Tiempo
(h)
6
8
6
8

Respuesta
(% rendimiento)

Temperatura
(C)
40
40
60
60

Corrida 1

Corrida 2

Corrida 2

49
54
70
78

48
58
72
55

49
55
73
56

Tabla 37. Matriz para el ejemplo de diseo factorial 22


Combinacin
PRUEBA

1
2
3
4

AXB

de los

x1

x2

x1 x2

tratamientos

+
+

+
+

+
+

(1)
a
b
ab

Repeticiones

Y
PROMEDIO

Y
1

Y
2

49
54
70
78

48
58
72
55

Y
3

49
55
73
56

48,66666667
55,66666667
71,66666667
63

Pasos a seguir
a) El efecto promedio de A es definido como:
A = 1/2n[ ab+a b -(1)]
Diseo Experimental
Cria43

98

A = 1/2n[ ab+a b -(1)]


A= 7,666
b) El efecto promedio de B es definido como:
B = 1/2n{[ ab + b a - (1)]}
B = 13
c) El efecto de interaccin de AB es definido como:
AB = 1/2n{[ ab-b]-[a-(1)]}
AB = 1/2n[ ab+(1)-a-b] =
AB = -9
n = numero de repeticiones o replicas
Tabla 38. Anlisis de varianza para el ejemplo de diseo factorial 22

Suma de
cuadrados

Grados de
libertad

Cuadrados
medios

Fo

EFECTOA

176,3333333

176,3333333

0,032713984

EFECTOB

507

507

0,094060433

EFECTOAB

264,4533907

264,4533907

Error

43121,21328

5390,151659

Total

SCT

11

Capitulo once:

p-value

P(F > Fo)

P(F > Fo)

P(F > Fo)

0,049062328

Diseo factorial de tres factores

11.1. Diseo factorial de tres factores con dos niveles cada uno.
Un diseo factorial de 23 involucra a tres factores A,B,C, todos con dos niveles
sus combinaciones se muestran en la tabla siguiente.

Diseo Experimental
Cria43

99

Tabla 38. Combinacin de los tratamientos para un diseo 23


COMBINACIN
CORRIDA

AXB

AXC

BXC

AXBXC

DE
TRATAMIENTOS

C
1

(1)

ab

ac

bc

abc

11.2. Efecto de un factor en un diseo 23


Es la influencia que tiene un factor sobre la variable de respuesta (cambio en la
respuesta) cuando un factor cambia de su nivel inferior a su nivel superior,
promediado sobre los dems factores.
Tabla 39. Signos algebraicos para calcular los efectos en un diseo 23

COMBINACIN DE LOS
TRATAMIENTOS

EFECTO FACTORIAL
I

AXB

AXC

BXC

XC

C
(1)

ab

ac

bc

abc

a) El efecto promedio de A es definido como: a b ab c ac bc abc


A = 1/2n{[-(1)+a -b+ab-c+ac-bc+abc]} Ecuacin 93
Diseo Experimental
Cria43

AXB

100

A = 1/2n[ a+ab+abc b - bc -(1)] Ecuacin 94


b) El efecto promedio de B es definido como:
B = 1/2n{[-(1)-a+b+ab-c-ac+bc+abc]}
B = 1/2n{[ ab + b+bc+abc a-c-ac - (1)]} Ecuacin 95
c) El efecto de interaccion de AB es definido como:
AB = 1/2n{[(1)-a-b+ab+c-ac-bc+abc]}
AB = 1/2n{[(1) +abc+ab+c -a-b-ac-bc]} Ecuacin 95
n = numero de repeticiones o replicas
d) El efecto de interaccion de AC es definido como:
AC = 1/2n{[(1)-a+b-ab-c+ac-bc+abc]}
AC = 1/2n{[(1) +b+ac+abc a -ab-c-bc]} Ecuacin 96
n = numero de repeticiones o replicas
e) El efecto de interaccion de ABC es definido como:
ABC = 1/2n{[(-1)+a+b-ab+c-ac-bc+abc]}
ABC = 1/2n{[ a +b+c+abc (1) -ab-ac-bc]} Ecuacin 97
n = numero de repeticiones o replicas
f) la suma de cuadrados es definida como:
SS= [Efecto]2[2k-2]n Ecuacin 98
Tambin pueden ser calculados.
Calculo de la suma de cuadrados totales
a

SS T =
i =1

Y
j =1

k =1

2
K =1

Y 2

Ecuacin 98.1

g) Calculo de la suma de cuadrados del error.


SSE= SST-SSA-SSB-SSAB Ecuacin 99
h) Analisis de residuos

Y = 0 + 1 X 1 + 2 X 2 +

Diseo Experimental
Cria43

Ecuacin 100

101

11.3. Anlisis de varianza para un diseo factorial 23


Tabla 40. Calculo del Anlisis de varianza para un diseo factorial 23

Suma de
cuadrados

Grados de
libertad

Cuadrado
s medios

Fo

p-value

EFECTOA

SCA

CMA

Fo = CMA /
CME

P(F > Fo)

EFECTOB

SCB

CMB

Fo = CMB /
CME

P(F > Fo)

EFECTOC

SCC

CMC

P(F > Fo)

EFECTOAB

SCAB

CMAB

Fo = CMC /
CME
Fo = CMAB/
CME

EFECTOAC

SCAC

CMAC

Fo = CMAC /
CME

P(F > Fo)

EFECTOBC

SCBC

CMBC

Fo = CMBC /
CME

P(F > Fo)

EFECTOABC

SCABC

CMABC

Fo = CMABC /
CME

P(F > Fo)

Error

SCE

23(n-1)

CME

Total

SCT

n23-1

P(F > Fo)

11.4. Coeficientes de determinacin


Estos coeficientes miden la proporcin o el coeficiente de variabilidad en los
datos experimentales que es explicada por el modelo considerado.

R2 = {

SCTotal SC Error / SCTotal ]100}

R 2 = [ SC Modelo / SCTotal ]100}

Ecuacin 101
Ecuacin 102

11.5. Ejemplo de un diseo factorial 23


En una empresa productora de bebidas achocolatadas ha tenido problemas
con la viscosidad de cierta bebida de chocolate. Se cree que tres ingredientes
Diseo Experimental
Cria43

102

que se agregan en pequeas cantidades son con los que se puede resolver
este problema, por lo que es necesario explorar la situacin; para ello se corre
un experimento 23 con dos rplicas. Con los resultados obtenidos:
Tabla 41. Datos de la viscosidad de la bebida desarrollada.
INGREDIENTE
A

INGREDIENTE
B

INGREDIENTE
C

-1
+1
-1
+1
-1
+1
-1
+1

-1
-1
+1
+1
-1
-1
+1
+1

-1
-1
-1
-1
+1
+1
+1
+1

VISCOSIDAD
y2
Ym
13,4985184
13,7
14,5492268
14,4
14,5499141
14,5
14,1996479
14,1
17,0493402
17,2
15,4499191
15,4
17,0499267
17,1
18,949934
19,0

y1
13,3
14,7
14,6
14,3
16,9
15,5
17,0
18,9

Tabla 42. Promedio y factores calculados para el ejemplo de la viscosidad


Promedio
Factor A
Factor B
Factor C
Factor AB
Factor AC
Factor BC

15,6621
0,250257
1,0506
2,92545
0,524613
-0,099964
0,699696

+/- 0,61255
+/- 1,2251
+/- 1,2251
+/- 1,2251
+/- 1,2251
+/- 1,2251
+/- 1,2251

Tabla 43. Anlisis de la varianza para la viscosidad de bebida desarrollada.

Factor_A
Factor_B
Factor_C
AB
AC
BC
Total error
Total
(corr.)

Diseo Experimental
Cria43

Suma de
cuadrados
0,125257
2,20754
17,1166
0,550439
0,0199856
0,979149
3,00174
24,0007

Grados de
libertad
1
1
1
1
1
1
1
1

Cuadrados
medios
0,125257
2,20754
17,1166
0,550439
0,0199856
0,979149
3,00174

0,04
0,74
5,70
0,18
0,01
0,33

0,8717
0,5487
0,2525
0,7424
0,9482
0,6696

103

Figura 13. Pasos para calcular el ANOVA en un diseo 2k

Contrastes

Datos

Suma de cuadrados

Efectos

ANOVA

Para este caso hay cero efectos que sean de valor p menor que 0,05, lo cual
nos indica que son significativamente diferentes de cero al nivel de confidencia
del 95%
Tabla 44. Coeficientes de regresin de la ecuacin de los datos de viscosidad
de la bebida desarrollada en el ejemplo anterior.
Constante
Factor_B
AB
BC

= 15,6621
= 0,525302
= 0,262307
= 0,349848

Factor_A
Factor_C
AC
R2

= 0,125129
= 1,46273
= -0,049982
= 87,4931

La ecuacin ajustada para el modelo es

Diseo Experimental
Cria43

104

VISCOSIDAD = 15,6621 + 0,125129*Factor_A + 0,525302*Factor_B +


1,46273*Factor_C + 0,262307*Factor_A*Factor_B -

Estando los valores de las variables especificados en su forma original.


0,049982*Factor_A*Factor_C + 0,349848*Factor_B*Factor_C.
Ecuacin 37.
R-cuadrado (ajustado para los grados de libertad) = 12,4516 porciento
Error estandar = 1,73255
Media absoluta del error = 0,61255
Tabla 45. Valores para el r2 , el error estndar para el ejemplo de la viscosidad
de la bebida desarrollada.
El valor estadstico de R2indica que el modelo ajustado explica el 87,4931% de
la variabilidad de la viscosidad, es mas apropiado para comparar modelos con
diferente numero de variables independientes es de 12,455%
El estimativo del error estndar muestra que la desviacin estndar del error de
los residuos es de 1,73255.
La media absoluta de error (MAE) fue de 0,61255 el cual es el valor promedio
de los residuos.

Tabla 46. Resultados estimados para los datos de viscosidad con la ecuacin
de regresin encontrada para el ejemplo anterior.
Datos
1
2
3
4
5
6
7
8

Upper 95,0%
CL

13,4985

14,1111

Lower 95,0%
CL
for Mean
-6,48132

14,5492

13,9367

-6,65571

34,5291

14,5499

13,9374

-6,65502

34,5298

14,1996

14,8122

-5,78019

35,4046

17,0493

16,4368

-4,1556

37,0292

15,4499

16,0625

-4,52992

36,6549

17,0499

17,6625

18,9499

18,3374

Valor
observado

Valor
fijado

-2,92991
-2,255

34,7035

38,2549
38,9298

11.6. Presentacin de resultados.


La interpretacin de los resultados sugerimos realizarlos en el siguiente orden y
las siguientes recomendaciones:
Diseo Experimental
Cria43

105

1) Valor medio
2) Efectos principales
3) Efectos de interaccin de dos factores
4) No olvidar que existe interaccin cuando el efecto de un factor es diferente a
distintos niveles de otro(s) factor(es). Esto se puede comprender fcilmente si
evaluamos el efecto de cada factor por pares de experimentos.
5)Efecto de interaccin de tres factores
Por ejemplo para el ejercicio de la viscosidad se deberan presentar las
siguientes graficas.
EFECTOS MEDIOS PARA LA VISCOSIDAD

VISCOSIDAD

18
17
16
15
14
-1.0

Factor_A

1.0

-1.0

1.0

Factor_B

-1.0

Factor_C

1.0

Figura 16. Efectos medios para el ejemplo de la viscosidad.

INTERACCION PARA LA VISCOSIDAD


+

VISCOSIDAD

18
+

17
+
16
15

+
-

14
-1.0

AB

1.0

-1.0

AC

1.0

-1.0

BC

1.0

Figura 17. Interacciones para el ejemplo de la viscosidad.


11.7. Metodologa de la superficie de respuesta. Varios autores.
Se conoce como superficie de respuesta a la estrategia experimental o al
experimento planeado para modelar y determinar como responden los niveles
de un factor cuando se comparan con los de otro.
Para el ejemplo de el ejercicio de la viscosidad la superficie de respuesta
obtenida es la siguiente

Diseo Experimental
Cria43

106

GRAFICO DE SUPERFICIE DE RESPUESTA

VISCOSIDAD

Estimado para la viscosidad

17
16.5
16
15.5
15
14.5
14

-1

-0.6

-0.2

Factor_A

0.2

0.6

-0.2
-1 -0.6

0.2 0.6

Factor_B

Figura 18. Interacciones para el ejemplo de la viscosidad.

11.8. Regin experimental


Es el espacio delimitado por los rangos de experimentacin utilizados con cada
factor.
11.9. Regin de operabilidad
Conjunto de puntos donde el equipo o proceso puede ser operado.
11.10. Polinomio ortogonal.
Son ecuaciones de regresin en las que cada una esta asociada con un
exponente de la variable independiente, por ejemplo X, X1, X2 y todas son
mutuamente independientes, es decir son ortogonales.

Capitulo doce: Anlisis de regresin


12.1. Anlisis de regresin.
El anlisis de regresin es til para averiguar la forma probable de la relacin
entre las variables y cuando se utiliza ste mtodo, el objetivo final
generalmente consiste en predecir o estimar el valor de una variable que
corresponde a un valor determinado de otra.
Con base a los resultados obtenidos a partir de los anlisis realizados a la
muestra representativa, extrada de una poblacin determinada, el investigador
estar en capacidad de comprender y conocer minuciosamente la naturaleza y
comportamiento de la poblacin en la que se encuentra interesado.
12.2. Regresin lineal simple. (2, 3, 7 y varios autores)
El anlisis de regresin es til para averiguar la forma probable de la relacin
entre las variables y cuando se utiliza ste mtodo, el objetivo final
generalmente consiste en predecir o estimar el valor de una variable que
corresponde a un valor determinado de otra.
Por otro lado, el anlisis de correlacin, se refiere a la medicin de la intensidad
existente entre las relaciones de las variables. Cuando se calculan los
coeficientes de correlacin de un conjunto de datos, el inters se centra en el
grado de compatibilidad existente entre las variables que integran el problema.

Diseo Experimental
Cria43

107

Tabla 48. Ecuaciones para el estimativo de una regresin lineal simple

Y = a + bX

Ecuacin 11

b = { XY [ X Y

a = Y b X

r = { XY [ X Y

n]}

[ X 2

n] Ecuacin 12

Ecuacin 13
n]}

[ ) X

[ X 2

][ Y Y 2

Ecuacin 14
Tambin es representada como

Y = 0 + 1 X + Ecuacin 15
En donde
0 = a = int er sec cion
1 = b = pendiente

= cambio en el error. Variable aleatoria


12.3. Coeficientes de correlacin.
Una correlacin es el grado de relacin entre dos o ms variables que busca
determinar en que medida una lnea u otra ecuacin describe o explica dicha
relacin.
Se encuentran dentro de un rango que va desde -1 hasta 1 rango que explica
el alcance y la valoracin de dicho coeficiente y la direccin de la correlacin.
Tabla 49.
Tabla 49. Grado de asociacin de los coeficientes de correlacin para un
conjunto de datos. (varios autores)
COEFICIENTE DE CORRELACIN
-1.00
- 0.95
- 0.50
- 0.10
0.0
+ 0.10
+ 0.50
+ 0.95
+ 1.00

Diseo Experimental
Cria43

INTERPRETACIN
Correlacin negativa perfecta
Correlacin negativa fuerte
Correlacin negativa moderada
Correlacin negativa dbil
No existe ninguna correlacin
Correlacin positiva dbil
Correlacin positiva moderada
Correlacin positiva fuerte
Correlacin positiva perfecta

108

El grado de asociacin, mientras ms cerca este de la unidad, en una u otra


direccin, mayor es la correlacin.
Generalmente en la mayora de los trabajos de investigacin se busca
establecer una correlacin lineal, ya sea positiva o negativa, no se puede
considerar que todas las relaciones entre dos variables (X y Y) forman una
lnea recta. (ver capitulo siguiente).
Existen muchas correlaciones de carcter curvilneo que indican que una
variable aumenta a medida que la otra se incrementa hasta que la relacin
misma se invierte, de tal manera que una variable decrece finalmente mientras
que la otra sigue en aumento, es decir, que la relacin entre X y Y que en un
principio es positiva se convierte en negativa, o aquella que, en un comienzo es
negativa se convierte en positiva; por ejemplo en una reaccin qumica o en
una reaccin bioqumica.
12.4. Otros modelos de regresin lineal simple. (2, 3, 7 y varios autores)
Tabla 50. Modelos de regresin lineal simple
ECUACIN
Y = e a +bX

Y =1

(a + bX )

Y = aX )
Y = a + b ln( X )
b

Y = a+b

(X )

MODELO

Exponencial

Ecuacin 16

El reciproco
Multiplicativo
Logartmico
Reciproco

Ecuacin 17
Ecuacin 18
Ecuacin 19
Ecuacin 20

12.5. Regresin lineal mltiple.


El anlisis de regresin lineal mltiple consiste en generar modelos de
regresin con ms de una variable independiente (X1, X2, X3..); el modelo
de regresin lineal mltiple es representado por:

Y = 0 + 1 X 1 + 2 X 2 + ........ + k X k + Ecuacin 30
k = numero de variables (Xs)

12.6. Correlacin mltiple.


Si en la ecuacin anterior es necesaria ms de una variable independiente(X1,
X2...) se aplica el trmino de "correlacin mltiple".
Los clculos para este tipo de correlacin son ms dispendiosos y la
interpretacin de sus resultados ms complejo. La inclusin de variables
adicionales incrementa los datos necesarios y puede tambin adicionarse un
considerable costo al estudio.

Diseo Experimental
Cria43

109

Las razones principales para cambiar el anlisis de una dos o ms variables


independientes son:
Existe una relacin lgica, y una sola variable independiente no proporciona un
coeficiente de correlacin suficientemente satisfactorio.
El coeficiente de correlacin mltiple representa la proporcin de variacin en Y
que explica el conjunto de variables explicativas seleccionadas. (3, 7, 8, 27 y
varios autores)

12.7. Transformacin de datos. (3, 7, 8, 27 y varios autores)


En la prctica muchos de los procesos experimentales no siguen una
distribucin normal con varianza constante y aunque el procedimiento de anova
es robusto y admite desviaciones moderadas el realizar un anlisis estadstico
con resultados que no cumplen con los supuestos acerca del modelo
estadstico, se puede llegar a una conclusin y decisin errnea.
Para lo cual mediante una transformacin adecuada puede conseguirse que
una variable que no se distribuye normalmente pase a tener una distribucin
casi normal; por ejemplo un cambio de escala puede variar la media y la
varianza de la variable as como su relacin con respecto a otras variables al
igual que la forma de la distribucin de una variable cambia con la escala.
Las poblaciones con varianzas desiguales pueden convertirse en varianzas
homogneas mediante una transformacin apropiada.
Las transformaciones ms usadas se presentan en la tabla siguiente:
Tabla 51. Transformaciones usadas para datos
Transformacin apropiada
Y ' = ln(Y )

Y ' = Y 1 / 2
Y ' = Y 1

Y ' = log10 (Y )

Tipo de transformacin
Transformacin logartmica
Transformacin
de
la
raz
cuadrada
Transformacin del reciproco

12.8. Correlacin mltiple.


Si en la ecuacin anterior es necesaria ms de una variable independiente(X1,
X2...) se aplica el trmino de "correlacin mltiple".
Los clculos para este tipo de correlacin son ms dispendiosos y la
interpretacin de sus resultados ms complejo. La inclusin de variables
adicionales incrementa los datos necesarios y puede tambin adicionarse un
considerable costo al estudio.
Las razones principales para cambiar el anlisis de una dos o ms variables
independientes son:

Diseo Experimental
Cria43

110

Existe una relacin lgica, y una sola variable independiente no proporciona un


coeficiente de correlacin suficientemente satisfactorio.
El coeficiente de correlacin mltiple representa la proporcin de variacin en Y
que explica el conjunto de variables explicativas seleccionadas. (3, 7, 8, 27 y
varios autores)

12.9. Anlisis de Covarianza.


El anlisis de covarianza es un procedimiento muy importante
experimentacin, pero lamentablemente no se usa con frecuencia.

en

Utiliza el anlisis de varianza y el de regresin para eliminar la variabilidad que


existe en la variable independiente X; tambin ajusta medias de tratamiento y
as estima mucho mejor el efecto de la variable independiente X sobre la
variable dependiente Y.
La variable independiente X es una observacin hecha en cada unidad
experimental antes de aplicar los tratamientos, e indica hasta cierto grado la
respuesta final y de la unidad experimental.
12.10. Los objetivos del anlisis de covarianza son:
a) Disminuir el error experimental con el respectivo aumento en precisin del
experimento.
b) Ajustar los promedios de los tratamientos.
c) Interpretar mejor los resultados en el experimento, especialmente en lo
relacionado con la naturaleza de los efectos de los tratamientos.
d) Estimar el valor de las unidades perdidas en los experimentos.
12.11. Software estadstico para la solucin de problemas.
De los programas adecuados para el manejo, el procesamiento y anlisis de
datos citamos los siguientes:
Excell, minitab, statgraphics, SAS, curve expert; etc. sin embargo con la
utilizacin de una calculadora tambin es posible la realizacin de la gran
mayora de las operaciones involucradas en el procesamiento de los datos.

Capitulo trece: Diseos no experimentales


13.1. Diseos no experimentales. Varios autores
Es un diseo que se apoya en la observacin directa, la entrevista y la revisin
de fuentes documentales; sin que se ejerza control, se manipule alguna sobre
las variables bajo estudio, sino que se observa el desarrollo de las situaciones
y acorde con un anlisis cuidadoso se intenta extraer explicaciones de cierta
validez y como no hay control de las variables, se pueden presentar muchas
fuentes de error que hacen dudar de su validez.
13.2. Recomendaciones
La observacin cientfica debe seguir algunos principios bsicos:

Diseo Experimental
Cria43

111

1.
2.
3.
4.
5.

Debe tener un propsito especfico.


Debe ser planeada cuidadosa y sistemticamente.
Debe llevarse, por escrito, un control cuidadoso de la misma.
Debe especificarse su duracin y frecuencia.
Debe seguir los principios bsicos de validez y confiabilidad.

13.3. Ejercicios propuestos


Resuelva los ejercicios siguientes y socialcelos con el tutor y compaeros en
los momentos presnciales.
Ejercicios para desarrollar
Y socializar en los momentos presnciales acordados con el grupo.
1- Un ingeniero presenta el siguiente diseo factorial. Conteste los siguientes
incisos sin utilizar un software computacional, es decir haga las operaciones
que se le piden de manera manual.
a) Que nombre recibe este diseo y por que.?
b) cuales tratamientos tiene este diseo, cuantas replicas.?
c) en total son doce las corridas experimentales las que se realizaron, seale
en que orden debieron correrse y explique por que.?
d) Seale los efectos que se pueden estudiar a travs de este diseo.

A
+
+

B
+
+

i
66
61
71
75

REPLICA
ii
iii
67
74
79
76
83
70
80
67

Total
(1) = ?
(a) = ?
(b) = ?
(ab) = ?

e) Obtenga los contrastes para los efectos principales de A y B y para la


interaccin.
f) Realice la grafica de la interaccin entre los factores A y B e interprete con
detalle.
Verdaderamente el factor B tiene influencia sobre el factor A.
2- A un ingeniero de alimentos le solicitan analizar la resistencia a la ruptura (Y)
de un empaque para alimentos, para lo cal utiliza una escala numrica.
Examina tres factores, cada uno a dos niveles, X1 = material plstico, X2 =
humedad , X3 = direccin del rasguo.
Decide obtener tres observaciones o replicas en cada combinacin, las mismas
que se muestran en la siguiente tabla:
a) Realice el ANAVA para estos datos.
b) Interprete los datos significativos y que conclusin daras como ingeniero.?

Diseo Experimental
Cria43

112

X1
+
+
+
+

X2
+
+
+
+

X3
+
+
+
+

Resistencia a la ruptura
2,3
3
3,25
4,1
2,9
2,1
3,8
3,9
4,5
3,2
5,1
5,1
4,9
5,7
3,7
4,3
5,3
3,2
4
2,8
5
3,5
2,7
4,7

BIBLIOGRAFIA
1. Bavaresco, Aura (1979): Las tcnicas de la investigacin. Edit. Scott,
Foresman & Co. 4 edicin. Gienview, Illinois, USA. (1 edicin:
1974).
2. Berenson , Mark; Levine, David; Krehbiel, Timothy. Estadistica para
administracin. Edit, pearson, 2a Edicion, mexico 2001, 734p
3. BickinG A. C. Some Uses of statistics en the Planning of
Experiments. Industrial Quality Control, Vol. 10 No. 4, Enero 1954.
4. Bunge, Mario (1980): Ciencia y desarrollo. Edit. Siglo Veinte. Buenos
Aires, Argentina.
5. Christensen, Howard. Estadstica paso a paso. Edit Trillas. 5 edic,
1990. Mxico. 682 p.
6. Cochran, Willian; Cox, Gertrude. Diseos experimentales. Edit,
Trillas, 5 reimpresion. Mexico 2001, 661p.
7. Costamagna, Alicia, M. Mapas conceptuales como expresin de
procesos de interrelacin para evaluar la evolucin del conocimiento
de alumnos universitarios. Enseanza de la ciencia, 2001.19, (2),
309-318.
8. COX D. R. Planning of Experiments. John Wiley and Sons, Inc. New
York, 1978. 700p.
9. Corts, Manuel; Snchez, William. Proyecto de investigacin y
desarrollo tecnologico. Universidad Nacional Abierta y a Distancia.
Facultad de Ciencias Bsicas e Ingeniera; Bogota; 2001; 313.Pgs.
10. Dawson, Beth; Trapp, Robert. Bioestadistica mdica. Edit, manual
moderno. 3 Edicion. Mexico 2002, 435p.
11. FAOSTAT.
12. FSTA. Food science technology abstracts
13. Hernandez, Sampieri, Roberto. Metodologia de la investigacin. Edit
Mac Graw hill. Mexico, 2003, 692 p.
14. Hinkelmann, Klaus. Design and analysis of experiments. Vol I, edit.
john wiley & sons, inc.1994. 495p.
15. Howard, B, Cristensen. Estadistica paso a paso. Edit, Trillas, 3
edicion. Mexico 2004, 682p.
Diseo Experimental
Cria43

113

16. INSTITUTO COLOMBIANO DE NORMAS TECNICAS Y


CERTIFICACIN Compendio de Normas Tcnicas Colombianas
sobre Documentacin, Tesis y otros trabajos de grado. Santaf de
Bogot: ICONTEC, 1996.
17. Kempthorne O. The Design and Analysis of Experiments. John Wiley
and Sons. New York, 1952, p.10.
18. Kuehl, O, Robert. Diseo de experimentos. Thomson learning, .2da
edicin. Mxico.
19. Mendez I. Lineamientos Generales para la planeacin de
Experimentos. Monografa No. 15, Vol. 15 IIMAS. 1980.
20. Montgomery, Douglas. Diseo y anlisis de experimentos. Grupo
editorial Iberoamrica.1991. 589p.
21. Novak, Joseph, D; Gowin, D, Bob. Aprendiendo a aprender. Edit.
Martnez Roca, D.L. 1988. - 228 p.
22. Padrn, Corral, Emilio. Diseos experimentales con aplicacin a la
agricultura. Editorial trillas, 1996.
23. Pereira, Manrrique. Coleccin de lecturas teora y praxis de la
investigacin. Tomo I y II. UNAD, 2001.
24. Ostle B. Estadstica Aplicada. Limusa-Wiley, Mxico, 1975, Cap. 10
25. Montgomery, Douglas. Diseo y analisis de exprimentos. Grupo
Editorial ibero america, 1a Edicion, mexico 1991, 589p.
26. Sabino, Carlos A. El proceso de investigacin. Ed. Lumen Humanitas. Argentina (1996).
27. Tamayo y Tamayo, Mario. El proceso de la investigacin cientfica. 3
ED.. ED. Limusa S.A.
Mxico (1998)
28. Valds de Len, Gustavo. Acerca
experimentacin en diseo. Mayo 2004.

de

la

posibilidad

de

Direcciones de las paginas Web.


www.virtual.unal.edu.co/cursos/ciencias/2000352/ www.fao.org/docrep/T0848S/t0848s03.htm.pci204.cindoc.csic.es/tesauros/Tes_
Psic/HTML/PSI_D6.HTM
http://www.sas.com/software/index.html
www.educarchile.cl/eduteca/estadistica/esc_medic.htm
es.wikipedia.org/wiki

Diseo Experimental
Cria43

114

APENDICES

Tabla 1.

Tomado de Gutierrez.

Diseo Experimental
Cria43

115

Tabla 2. Valores crticos de F

Diseo Experimental
Cria43

116

Tabla 3. Valores crticos de

Diseo Experimental
Cria43

117

Tabla 4. Prueba de Duncan 5%

Diseo Experimental
Cria43

118

Tabla 5. Tabla de probabilidades P y Q para n= 5

Diseo Experimental
Cria43

119

Tabla 6. Tabla de probabilidades P y Q para n= 15

Diseo Experimental
Cria43

120

Tabla 7. Valores t de Student

Diseo Experimental
Cria43

121