Está en la página 1de 26

INTRODUCCION

Los experimentos son realizados prcticamente en todos los campos del conocimiento,
por lo general, con un objetivo en particular, descubrir algo sobre un proceso o sistema.
El diseo de experimentos se define como un conjunto de tcnicas activas que manipulan
un proceso para inducirlo a proporcionar la informacin que se requiere para mejorarlo
mediante los cambios en sus variables y su interaccin o secuencia de ejecucin.
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 que permitan un anlisis
objetivo que conduzca a deducciones vlidas con respecto al problema establecido.

HISTORIA Y ANTESCEDENTES
El diseo experimental es una tcnica estadstica que permite identificar y cuantificar las
causas de un efecto dentro de un estudio experimental. En un diseo experimental se
manipulan deliberadamente una o ms variables, vinculadas a las causas, para medir el
efecto que tienen en otra variable de inters. El diseo experimental prescribe una serie
de pautas relativas qu variables hay que manipular, de qu manera, cuntas veces hay
que repetir el experimento y en qu orden para poder establecer con un grado de
confianza predefinido la necesidad de una presunta relacin de causa-efecto.
El diseo experimental encuentra aplicaciones en la industria, la agricultura,
la mercadotecnia, la medicina, la ecologa, las ciencias de la conducta, etc. constituyendo
una fase esencial en el desarrollo de un estudio experimental.
Ronald Fisher es considerado el padre del diseo experimental en sus estudios de
agronoma en el primer tercio del siglo XX. A la lista de los pioneros de su uso hay que
aadir los de Frank Yates, W.G. Cochran y G.E.P. Box. Muchas de las aplicaciones
originarias del diseo experimental estuvieron relacionadas con la agricultura y la biologa,
disciplinas de las que procede parte de la terminologa propia de dicha tcnica.
Las aplicaciones a la industria textil comenzaron en la dcada de 1930 en Inglaterra y se
popularizaron y extendieron a las industrias qumica y manufacturera de Europa y EE. UU.
tras la II Guerra Mundial. Es de notar su uso actual en la industria de la electrnica y los
semiconductores.
Qu es Diseo Factorial?
En estadstica, un experimento factorial completo es un experimento cuyo diseo consta
de dos o ms factores, cada uno de los cuales con distintos valores o niveles, cuyas
unidades experimentales cubren todas las posibles combinaciones de esos niveles en
DISEO DE EXPERIMENTOS

Pgina 1

todo los factores. Este tipo de experimentos permiten el estudio del efecto de cada factor
sobre la variable respuesta, as como el efecto de las interacciones entre factores sobre
dicha variable.
Los diseos factoriales fueron utilizados en el siglo XIX por Jhon Bennet Lawes y Henry J.
Gilbert de la Estacin experimental de Rothamsted. Ronald Fisher discuti en 1926 que
los diseos complejos, como diseos factoriales, eran ms eficientes que estudiando
un factor a la vez. Fisher escribi: ningn aforismo se repite tan frecuentemente respecto
de las pruebas de campo, que aquel de que a la Naturaleza debemos hacerle pocas
preguntas, o, idealmente, hacrselas de a una. Quien escribe es un convencido de que
este punto de vista est totalmente equivocado. Un diseo factorial permite el efecto de
varios factores e incluso interacciones entre ellas que se determinarn con el mismo
nmero de ensayos que son necesario determinar de los efectos por s mismo con el
mismo grado de exactitud.
Yates realiz importantes contribuciones significativas hechas, particularmente en el
anlisis de diseos, por Anlisis de Yates. El trmino factorial no se pudo haber utilizado
en la impresin antes de 1935, cuando Fisher la utiliz en su libro El diseo de
experimentos.

ELEMENTOS Y DEFINICIONES BASICAS

Experimento factorial: es el diseo de experimentos en que existen observaciones


de todos los posibles tratamientos.
Unidades experimentales: Son el material donde evaluar la variable respuesta y al
que se le aplican los distintos niveles de los factores tratamiento.
Ejemplos de unidades experimentales son:
o en informtica, ordenadores, pginas web, buscadores de internet,
o en agricultura, parcelas de tierra,
o en medicina, individuos humanos u animales,
o en industria, lotes de material, trabajadores, mquinas.
Cuando un experimento se ejecuta sobre un perodo de tiempo de modo que las
observaciones se recogen secuencialmente en instantes de tiempo determinados,
entonces los propios instantes de tiempo pueden considerarse unidades
experimentales.
Confusin: Dos o ms efectos se confunden en un experimento si es posible
separar sus efectos, cuando se lleva a cabo el subsecuente anlisis estadstico.
Aleatorizacin: Asignacin al azar de tratamiento a las unidades experimentales.
Una
suposicin
frecuente
en
los modelos estadsticos
de
diseo
de experimentos en que las observaciones o los errores en ellas estn distribuidos
independientemente. La aleatorizacin hace vlida esta suposicin.
Control local: Cantidad de balanceo, bloqueo y agrupamiento de las unidades
experimentales que se emplean en el diseo estadstico adaptado.

DISEO DE EXPERIMENTOS

Pgina 2

Agrupamiento: Colocacin de un conjunto de unidades experimentales


homogneas en grupos, de modo que los diferentes grupos puedan sujetarse a
distintos tratamientos.
Bloqueo: Distribucin de las unidades experimentales en bloques, de manera que
las unidades dentro de un bloqueo sean relativamente homogneas, de esta
manera, la mayor parte de la variacin predecible entere las unidades queda
confundida con el efecto de los bloques.
Balanceo: Obtencin de las unidades experimentales, el agrupamiento, el bloqueo
y la asignacin de los tratamientos a las unidades experimentales de manera que
resulte una configuracin balanceada.
Tratamiento o combinacin de tratamientos: Conjunto particular de condiciones
experimentales que deben imponerse a una unidad experimental dentro de los
confines del diseo seleccionado.
Factor: Una variable independiente. En la mayora de las investigaciones se trata
con ms de una variable independiente y con los cambios que ocurren en la
variable independiente, cuando varia una o mas de las variables independientes.
Variable: Caracterstica de un objeto que puede ser observada y que puede tomar
diferentes valores, tanto en el mismo objeto como entre diferentes objetos. En
base a la posibilidad de medida se distinguen dos tipos fundamentales de
variables:
Variables cualitativas: Son aquellas cuyos valores, de carcter nominal, slo
pueden ser comparados como diferentes entre s. Ejemplos: La variable "color"
puede tomar los valores rojo, azul, amarillo, etc. La variable "empleado" puede
tomar los valores Juan, Jos, Cristina, etc.
Variables continuas: Son aquellas cuyos valores, de carcter numrico, permiten
realizar un mayor nmero de comparaciones. Una variable continua permite
tericamente, un infinito nmero de valores entre dos valores consecutivos. (En la
realidad la precisin de los instrumentos de medida pone un lmite operativo).
Ejemplos: La variable "peso de la tableta de chocolate" puede tomar cualquier
valor entre 95 y 110 gr. La variable "consumo de gasolina por 100 Km" puede
tomar cualquier valor entre 9 y 15 litros etc.
Sujeto o unidad experimental: El sujeto o unidad experimental es la unidad bsica
sobre la que se efecta el proceso de medida. Ejemplo: El contenido de azcar en
el zumo de naranja producido se medir recogiendo cada hora una unidad
experimental de 1 litro de zumo.
Observacin: Una observacin es una toma de medida de una variable y consta
entonces de un valor de la misma. Dependiendo del tipo de Diseo, las
observaciones pueden tomarse a diferentes sujetos o al mismo sujeto de manera
secuencial.
Variable independiente: Es el factor (causa) que suponemos influye sobre la
caracterstica que medimos (defecto, error, etc). Para comprobar su influencia, el
investigador la manipular durante el Experimento, en el sentido que le asignar
valores diferentes a cada observacin. Esta variable se llama tambin
"tratamiento" y cada uno de los valores que se le asignarn "nivel de tratamiento".
En este Procedimiento se consideran slo Experimentos con una nica variable
independiente. Si se quiere o necesita manipular ms de una variable

DISEO DE EXPERIMENTOS

Pgina 3

independiente, ser necesaria la colaboracin de un experto en estadstica, puesto


que el Diseo del Experimento y la interpretacin de los resultados se complican
notablemente.
Variable dependiente: Es aquella variable que se mide en cada observacin del
Experimento, para establecer si la variable independiente efectivamente influye
sobre sus valores.
Variables extraas: Son todas aquellas que el investigador no puede manipular,
pero influyen en la variable dependiente. Son la causa de que las observaciones
en un mismo nivel de tratamiento no necesariamente arrojen el mismo valor de
medida. El conjunto de variables extraas se denomina generalmente en el Diseo
y Anlisis de Experimentos "ruido" o "error experimental".
Variable de bloqueo: Es una variable que sabemos puede intervenir en los niveles
de la variable dependiente y decidimos eliminar su influencia mediante el control
de la misma, creando bloques de observaciones, en los que esta variable, asume
respectivamente un valor constante. A cada bloque se asignarn todos los niveles
de tratamiento. Con la creacin de bloques se persiguen dos objetivos:
Aislar el efecto de los tratamientos, eliminando la influencia de la
variable de bloqueo.
Estimar los efectos de los bloques.

Repeticin: Reiteracin de una observacin o medida al mismo nivel de


tratamiento. Proporciona una oportunidad para que los efectos de las variables
extraas, incontroladas se compensen y permite, adems, medir el error
experimental.
Aleatorizacin: Tcnica utilizada para reducir la influencia no predeterminable de
variables extraas sobre los resultados del Experimento. La aleatorizacin
consiste en asignar los sujetos a los distintos niveles de tratamiento al azar, con la
esperanza de que los efectos extraos se contrarresten entre los distintos sujetos
y observaciones que componen cada nivel de tratamiento (condicin
experimental). La aleatorizacin es fundamental en el Diseo de Experimentos ya
que:
a) Previene la existencia de sesgo.
b) Evita la dependencia entre observaciones.
c) Confirma la adecuacin de los procedimientos estadsticos para el anlisis de
los resultados del Experimento.
Error Experimental: Describe la situacin de no llegar a resultados idnticos con
dos unidades experimentales tratadas idnticamente y refleja:
Errores de experimentacin
Errores de observacin
Errores de medicin
Variacin del material experimental (esto es, entre unidades experimentales)
Efectos combinados de factores extraos que pudieran influir las caractersticas en
estudio, pero respecto a los cuales no se ha llamado la atencin en la
investigacin.

DISEO DE EXPERIMENTOS

Pgina 4

Factores nuisance: bloques, factores ruido y covariables: En cualquier


experimento, adems de los factores tratamiento cuyo efecto sobre la respuesta
se quiere evaluar, tambin influyen otros factores, de escaso inters en el estudio,
pero cuya influencia sobre la respuesta puede aumentar significativamente la
variabilidad no planificada. Con el fin de controlar esta influencia pueden incluirse
en el diseo nuevos factores que, atendiendo a su naturaleza, pueden ser de
diversos tipos.
Factor bloque: En algunos casos el factor nuisance puede ser fijado en distintos
niveles, de modo que es posible controlar su efecto a esos niveles. Entonces la
forma de actuar es mantener constante el nivel del factor para un grupo de
unidades experimentales, se cambia a otro nivel para otro grupo y as
sucesivamente. Estos factores se denominan factores de bloqueo (factoresbloque) y las unidades experimentales evaluadas en un mismo nivel del bloqueo
se dice que pertenecen al mismo bloque. Incluso cuando el factor nuisance no es
medible, a veces es posible agrupar las unidades experimentales en bloques de
unidades similares: parcelas de tierra contiguas o perodos de tiempo prximos
probablemente conduzcan a unidades experimentales ms parecidas que parcelas
o perodos distantes. Desde un punto de vista matemtico el tratamiento que se
hace de los factores-bloque es el mismo que el de los factores-tratamiento en los
que no hay interaccin, pero su concepto dentro del modelo de diseo de
experimentos es diferente. Un factor-tratamiento es un factor en el que se est
interesado en conocer su influencia en la variable respuesta y un factor-bloque es
un factor en el que no se est interesado en conocer su influencia pero se
incorpora al diseo del experimento para disminuir la variabilidad residuas del
modelo.
Covariable: Si el factor nuisance es una propiedad cuantitativa de las unidades
experimentales que puede ser medida antes de realizar el experimento (el tamao
de un fichero informtico, la presin sangunea de un paciente en un experimento
mdico o la acidez de una parcela de tierra en un experimento agrcola). El factor
se denomina covariable y juega un papel importante en el anlisis estadstico.
Ruido: Si el experimentador est interesado en la variabilidad de la respuesta
cuando se modifican las condiciones experimentales, entonces los factores
nuisance son incluidos deliberadamente en el experimento y no se aisla su efecto
por medio de bloques. Se habla entonces de factores ruido.

DISEO DE EXPERIMENTOS

Pgina 5

ETAPAS DEL DISEO DE EXPERIMENTOS

DISEO DE EXPERIMENTOS

Pgina 6

Planeacin y realizacin
1. Entender y delimitar el problema u objeto de estudio. En la etapa de planeacin se
deben hacer investigaciones preliminares que conduzcan a entender y delimitar el
DISEO DE EXPERIMENTOS

Pgina 7

problema u objeto de estudio, de tal forma que quede claro qu se va a estudiar, por qu
es importante y, si es un problema, cul es la magnitud del mismo.
2. Elegir la(s) variable(s) de respuesta que ser medida en cada punto del diseo y
verificar que se mide de manera confiable. La eleccin de esta(s) variable(es) es vital, ya
que en ella se refleja el resultado de las pruebas. Por ello, se deben elegir aquellas que
mejor reflejen el problema o que caractericen al objeto de estudio. Adems, se debe tener
confianza en Etapas en el diseo de experimentos 11 que las mediciones que se
obtengan sobre esas variables sean confiables. En otras palabras, se debe garantizar que
los instrumentos y/o mtodos de medicin son capaces de repetir y reproducir una
medicin, que tienen la precisin (error) y exactitud (calibracin) necesaria. Recordemos
que los sistemas de medicin son la forma en la que percibimos la realidad, por lo que si
stos son deficientes, las decisiones que se tomen con base en ellos pueden ser
inadecuadas.
3. Determinar cules factores deben estudiarse o investigarse, de acuerdo a la supuesta
influencia que tienen sobre la respuesta. No se trata de que el experimentador tenga que
saber a priori cules factores influyen, puesto que precisamente para eso es el
experimento, pero s de que utilice toda la informacin disponible para incluir aquellos que
se considera que tienen un mayor efecto.
4. Seleccionar los niveles de cada factor, as como el diseo experimental adecuado a los
factores que se tienen y al objetivo del experimento. Este paso tambin implica determinar
cuntas repeticiones se harn para cada tratamiento, tomando en cuenta el tiempo, el
costo y la precisin deseada.
5. Planear y organizar el trabajo experimental. Con base en el diseo seleccionado,
organizar y planear con detalle el trabajo experimental, por ejemplo, las personas que van
a intervenir, la forma operativa en que se harn las cosas, etc. (vase captulo 10).
6. Realizar el experimento. Seguir al pie de la letra el plan previsto en la etapa anterior, y
en caso de algn imprevisto, determinar a qu persona se le reportara y lo que se hara.

USO DE MODELOS ESTADISTICOS EN EL DOE


La metodologa de diseo de experimentos (DOE) es una herramienta estadstica para la
mejora de la calidad usada frecuentemente en proyectos Seis Sigma. Esta metodologa
sirve para disear las condiciones ideales de un producto, proceso o servicio para que
cumpla con nuestras expectativas usando el mnimo nmero de experimentos o pruebas.
DOE es muy til cuando tenemos entre manos un producto complicado cuyo resultado
puede depender de una gran cantidad de variables que no controlamos y que debemos
ajustar para optimizarlo.

CLASIFICACION Y SELECCIN DE LOS DISEOS DE EXPERIMENTALES

DISEO DE EXPERIMENTOS

Pgina 8

Existen muchos diseos experimentales para estudiar la gran diversidad de problemas o


situaciones que ocurren en la prctica. Esta cantidad de diseos hace necesario saber
cmo elegir el ms adecuado para una situacin dada y, por ende, es preciso conocer
cmo es que se clasifican los diseos de acuerdo con su objetivo y su alcance. Los cinco
aspectos que ms influyen en la seleccin de un diseo experimental, en el sentido de
que cuando cambian por lo general nos llevan a cambiar de diseo, son:
1. El objetivo del experimento.
2. El nmero de factores a estudiar.
3. El nmero de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relacin factores-respuesta).
5. El costo del experimento, tiempo y precisin deseada.
Estos cinco puntos no son independientes entre s, pero es importante sealarlos de
manera separada, ya que al cambiar cualquiera de ellos generalmente cambia el diseo
experimental a utilizar (vase captulo 10). Con base en algunos de estos cinco puntos es
posible clasificar los diseos como lo hacemos a continuacin. El objetivo del experimento
se utiliza como un criterio general de clasificacin de los diseos experimentales, mientras
que los otros cuatro puntos son tiles para subclasificarlos. En este sentido, de acuerdo
con su objetivo y sin pretender ser exhaustivos, 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 del proceso.
4. Diseos para la optimizacin de una mezcla.
5. Diseos para hacer el producto o proceso insensible a factores no controlables.

DISEO DE EXPERIMENTOS

Pgina 9

EXPERIMENTOS CON UN SOLO FACTOR


Se agrupan las unidades experimentales segn caractersticas comunes, en b bloques.
Las unidades dentro de cada bloque debern ser uniformes, pero los bloques pueden
diferir entre s. Cada bloque incluir todos los tratamientos, los que se asignan al azar
entre las unidades. Se dice que es un experimento de un solo FACTOR con k niveles del
mismo y con la unidades agrupadas en b bloques.

DISEO COMPLETAMENTE AL AZAR (DCA) Y ANOVA


Este diseo consiste en la asignacin de los tratamientos en forma completamente
aleatoria a las unidades experimentales (individuos, grupos, parcelas, jaulas, animales,
insectos, etc.). Debido a su aleatorizacin irrestricta, es conveniente que se utilicen
unidades experimentales de lo ms homogneas posibles: animales de la misma edad,
del mismo peso, similar estado fisiolgico; parcelas de igual tamao, etc., de manera de
disminuir la magnitud del error experimental, ocasionado por la variacin intrnseca de las
unidades experimentales. Este diseo es apropiado para experimentos de laboratorio,
invernadero, animales de bioterio, aves, conejos, cerdos, etc., es decir, situaciones
experimentales como de las condiciones ambientales que rodean el experimento.
Este diseo es el mas utilizado en la experimentacin con animales, asocindole la
tcnica del anlisis de covarianza y arreglos de tratamiento de tipo factorial.
Diseo Completamente al Azar Desbalanceado
Algunas veces es posible que el nmero de rplicas de cada tratamiento sea diferente y
as cada tratamiento tendr
rplicas
Estos diseos se pueden
presentar en el caso que se est comparando un control contra otros tratamientos ya que
queremos obtener buena informacin acerca del control, por ello este tendr ms
replicaciones que los otros tratamientos (Cuntas?, Ver Montgomery). Otro caso en el que
suele presentarse es cuando entre los tratamientos algunos son ms importantes que
otros. Otra razn es cuando la observacin de alguna UE por algn motivo se pierde. El
modelo sobre el cual se basa el anlisis est dado por:

La tabla del ANOVA est dada por:


Causa de

Grados de

Suma de

Cuadrados

variacin

libertad

cuadrados

medios

Tratamientos

DISEO DE EXPERIMENTOS

Pgina 10

Error

Total
donde

Obtener la Tabla ANOVA


La tcnica de anlisis de varianza le permite al experimentador probar la hiptesis global

Que de manera smbolica como

La anterior hiptesis se puede expresar en trmino de los efectos de los tratamientos,


restando

en la igualdad de H

Como en la definicin del modelo se estableci que


nula es dada por

DISEO DE EXPERIMENTOS

Pgina 11

entonces la hiptesis

Y la alterna como

COMPARACIONES A PRUEBAS DE RANGOS MULTIPLES


Una vez que el ANOVA ha conducido al rechazo de la hiptesis nula para una de las
fuentes de variacin, tendremos que decidir entre cuales de los tratamientos existe
aquella diferencia significativa. Cuando se trata de comparar dos productos, el problema
es sencillo ya que el ANOVA nos indica si existen diferencias significativas entre estos dos
productos. En el caso de comparacin de tres o ms productos, el ANOVA puede indicar
en trminos globales si existe o no diferencias significativas, pero no identifica entre
cuales productos se produce esta diferencia, si son todos diferentes entre s o solamente
existe uno diferente a los otros. En el ejemplo anterior, el resultado indica que existe una
diferencia significativa entre los 3 productos analizados. Para decidir acerca de cules son
los productos que difieren, del innovador por ejemplo, debemos recurrir a las pruebas de
comparaciones mltiples empleando algunas de las pruebas descritas para ello.
Una vez que el ANOVA ha mostrado que un valor de F es significativo (rechazo de la
hiptesis nula), se puede aplicar una prueba como la Dunnett, Duncan, Newman-Keuls,
Tuckey o el de la Diferencia Significativa Menor (L.S.D), entre otras que se han propuesto.
Todos los procedimientos involucran el clculo de un valor que es comparado con la
diferencia entre promedios. Si este valor es ms pequeo que las diferencias quiere decir
que stas son significativamente diferentes.
Tradicionalmente, las comparaciones mltiples se realizan al mismo nivel de significancia
que el ANOVA. Por ejemplo, para un ANOVA significativo a un nivel de 5% (a = 0,05), se
realizan comparaciones mltiples al 5%. Sin embargo, algunos investigadores realizan
comparaciones a niveles diferentes lo cual, desde el punto de vista estadstico tambin es
posible realizar. Lo que no puede hacerse, sin embargo, es realizar comparaciones
mltiples al nivel de 1% (a = 0,01) cuando el ANOVA slo muestra diferencias al 5%.
Como habamos indicado, existen muchos mtodos para llevar a cabo estas
comparaciones, que emplean tablas como la t de Student o tablas elaboradas
especialmente para este efecto, como las de Dunnett o las de Tuckey.
La tabla 4.10. resume las frmulas empleadas para los clculos y las tablas 4.11. a 4.14.,
las tablas empleadas.
Tabla 4.10 Frmula para calcular tos valores de rango para las comparaciones mltiples.

DISEO DE EXPERIMENTOS

Pgina 12

Tabla 4.11. Tabla de t adaptada para el mtodo da la Diferencia significativa Mnima


(L.S.D.), para comparaciones mltiples, al nivel a = 0,05 y 0,01 (en negrita).
Nmero de Tratamientos
Nmero
de sujetos

5
.

2,78

2,31

4,60

3,36

.
2,06

.
2,80

.
8

2,45

2,10
.

3,71

DISEO DE EXPERIMENTOS

2,88

Pgina 13

.
9
.

2,15
.
2,98
.

10

2,31

2,03
.

2,98

2,72
.

12

2,23

2,09

2,04

3,17

2,85

2,75

14

2,01
.
2,68

2,18

.
3,06
.
15
.

16

2,00
.

2,78

2,69

2,15

2,02
.

2,98

2,71
.

18

2,06

2,12

1,99
.

2,92

2,04
.

2,74

DISEO DE EXPERIMENTOS

2,65

Pgina 14

.
20

2,10

2,01

1,99

2,68

2,65

..

2,88

.
24

2,07

2,03

2,99

1,98

.
2,82

2,68

2,62

2,60

Adaptada de: Fisher, R.A. y Yates, F., Statistical Tables for Biological, Agricultural and
Medical Research, Oliver and Boyd, Edinburg, 1958.
Tabla 4.12. Tabla de Dunnett para comparaciones entre varios tratamientos con un
control, al nivel a = 0,05 y 0,01 (negrita).

Nmeros
de sujetos

Nmero de tratamientos
4
2
3

2,78

2,87

2,81
.

4,00

3,22

3,48

.
8

2,45

2,59

3,74

3,33

2,46
.
3,29
.

10

2,31

DISEO DE EXPERIMENTOS

.
2,49

Pgina 15

3,36

3,24
.

12

2,23

2,38

2,40

.
3,17

14

2,65

3,13

3,18

3,27

2,18

.
3,05
.
15

2,34
.

2,52
.

3,03

3,14

.
16

2,14

.
2,98

2,12

20

.
2,27

3,00

3,17

2,10

2,31

.
2,92

3,07
.

18

.
2,46

2,41

2,53

.
2,88

.
3,08

3,09
.

24

2,08

2,28

2,42

2,81

2,94

3,02

2,60
.

DISEO DE EXPERIMENTOS

Pgina 16

3,11

Extractado de: Dunnet, C.W., Biometrics, 20:482 (1964)


Tabla 4.13. Tabla de Newman - Keuls y de Tuckey para comparaciones mltiples, al nivel
a = 0,05 y 0,01 (en negrita)
Nmero de tratamientos
Nmeros
de sujetos

4
2

5
.

3,93

4,04

5,80

5,64

.
4,45

.
5,51

.
8

3,46

4,00
.

5,24

5,09

9
.

3,70
.
4,89
.

10

3,26

4,08
.

4,75

5,03
.

12

3,15

3,58

3,85

4,48

4,64

4,80

14

4,22
.
5,05
.

3,08

DISEO DE EXPERIMENTOS

Pgina 17

4,32
.
15

3,51
.

4,01
.

4,50

4,87

.
16

3,03

.
4,21

3,00

3,47

4,14
.

4,13

4,68
.

18

.
3,79

4,42

4,95

.
20

2,97

.
3,75

3,96

.
4,07

.
4,64

4,79
.

24

2,94

3,43

3,72

4,11
.

4,00

4,31

4,58

4,88

Extractado de: Tuckey, J., The Problem of Multiple Comparisons, Princeton University
Press, Princeton, U.S.A. N. J., 1953.
Tabla 4.14. Tabla de Duncan para comparaciones mltiples, al nivel = 0,05 y 0,01 (en
negrita).

DISEO DE EXPERIMENTOS

Pgina 18

Extractado de: Harter, H.L., Biometrics, 16:671 (1960).

USO DE LA TABLA F
Existe una distribucin F diferente para cada combinacin de tamao de muestra y
nmero de muestras. Por tanto, existe una distribucin F que se aplica cuando se toman
cinco muestras de seis observaciones cada una, al igual que una distribucin F diferente
para cinco muestras de siete observaciones cada una. A propsito de esto, el nmero
distribuciones de muestreo diferentes es tan grande que sera poco prctico hacer una
extensa tabulacin de distribuciones. Por tanto, como se hizo en el caso de la distribucin
t, solamente se tabulan los valores que ms comnmente se utilizan. En el caso de la
distribucin F, los valores crticos para los niveles 0,05 y 0,01 generalmente se

DISEO DE EXPERIMENTOS

Pgina 19

proporcionan para determinadas combinaciones de tamaos de muestra y nmero de


muestras.

La razn ms pequea es 0. La razn no puede ser negativa, ya que ambos trminos de


la razn F estn elevados al cuadrado.
Por otra parte, grandes diferencias entre los valores medios de la muestra, acompaadas
de pequeas variancias muestrales pueden dar como resultado valores extremadamente
grandes de la razn F.
- La forma de cada distribucin de muestreo terico F depende del nmero de grados
de libertad que estn asociados a ella. Tanto el numerador como el denominador tienen
grados de libertad relacionados.
Determinacin de los grados de libertad
Los grados de libertad para el numerador y el denominador de la razn F se basan en los
clculos necesarios para derivar cada estimacin de la variancia de la poblacin.
La estimacin intermediante de variancia (numerador) comprende la divisin de la suma
de las diferencias elevadas al cuadrado entre el nmero de medias (muestras) menos
uno, o bien, k - 1. As, k - 1 es el nmero de grados de libertad para el numerador.
En forma semejante, el calcular cada variancia muestral, la suma de las diferencias
elevadas al cuadrado entre el valor medio de la muestra y cada valor de la misma se
divide entre el nmero de observaciones de la muestra menos uno, o bien, n - 1. Por
tanto, el promedio de las variancias muestrales se determina dividiendo la suma de las
variancias de la muestra entre el nmero de muestras, o k. Los grados de libertad para el
denominador son entonces, k(n -l).
Uso de la tabla de F del anlisis de variancia (ANOVA)
En la tabla 5 se ilustra la estructura de una tabla de F para un nivel de significacin de
0,01 o 1% y 0,05 o 5%.

DISEO DE EXPERIMENTOS

Pgina 20

Clculo de la razn F a partir de datos muestrales

Para calcular F se debe seguir el siguiente procedimiento


1) Calcular la estimacin interna (Denominador)

DISEO DE EXPERIMENTOS

Pgina 21

2) Calcular la estimacin intermediante (Numerador)

PAUTAS GENERALES PARA DISEAR EXPERIMENTOS

DISEO DE EXPERIMENTOS

Pgina 22

DISEO DE EXPERIMENTOS

Pgina 23

CONCLUSIONES:
Este trabajo de investigacin en lo personal me es de mucha utilidad, pues abordamos
puntos especficos referentes al diseo de experimentos tambin denotamos la relacin y
la utilidad que tiene la tabla F en el desarrollo de los diseos de experimentos. Con esto
pude comprender que el diseo de experimentos es un mtodo que sirve para la
comprobacin de algunas hiptesis.
El diseo experimental es una estructura de investigacin donde al menos se manipula
una variable y las unidades son asignadas aleatoriamente a los distintos niveles o
categoras de la variable o variables manipuladas.

La necesidad de un diseo de experimento surge de la necesidad de responder a


preguntas, tales 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?


Los objetivos principales de un modelo de diseo de experimentos son proporcionar la
mayor cantidad de informacin adecuada al problema que se est investigando, por otro
lado el plan a llevar a cabo debe ser simple, cabe destacar que la investigacin para llevar
a cabo los diseos experimentales debe lo ms eficiente posible en cuanto a tiempo,
diseo, personal y material experimental que se utilice.

DISEO DE EXPERIMENTOS

Pgina 24

En este trabajo podemos darnos cuenta de la importancia del diseo de experimentos, o


dicho de otra manera, el planear paso a paso las operaciones para as obtener un
resultado
satisfactorio
a
nuestro
problema
planteado.
Para el diseo de un experimento debemos tener en cuenta los efectos y las
caractersticas de nuestro problema a resolver.
Cabe mencionar que existen muchos diseos de experimentos utilizados para estudiar la
gran diversidad de problemas o situaciones en la prctica. Esta situacin hace necesario
saber cmo elegir el ms adecuado dependiendo para la situacin a resolver o bien a
plantear el diseo de experimento. En el contenido de este trabajo se presenta la
clasificacin de los diseos experimentales para la mejor manipulacin en la aplicacin de
cada uno de ellos

REFERENCIAS WEB:
http://www.pdcahome.com/2117/diseno-de-experimentos-para-que-sirve-y-comorealizarlo/
http://www.udc.es/dep/mate/estadistica2/sec2_3.html
http://sgpwe.izt.uam.mx/files/users/uami/gvar/7anova/0intro/GPRec01_1115DEx.pdf
http://www.fundibeq.org/opencms/export/sites/default/PWF/downloads/gallery/meth
odology/tools/diseno_de_experimentos.pdf
http://www.pdcahome.com/2117/diseno-de-experimentos-para-que-sirve-y-comorealizarlo/
http://mazinger.sisib.uchile.cl/repositorio/lb/ciencias_quimicas_y_farmaceuticas/cid
e01/cap4/4-4-2.html
http://www.galeon.com/colposfesz/est501/dca/dca.htm
https://prezi.com/9cbm_kddx_ui/diseno-y-analisis-de-experimentos-introduccion/
https://minificciones.files.wordpress.com/2012/01/lectura-cap-1-montgomery.pdf

DISEO DE EXPERIMENTOS

Pgina 25

DISEO DE EXPERIMENTOS

Pgina 26