INGENIERA EN GESTIN

EMPRESARIAL
ESTADISTICA INFERENCIAL II
PROFESORA:
PERLA IDANIA GARIBAY SOLIS
INVESTIGACION DE LA UNIDAD IV
DISEO EXPERIMENTAL PARA UN
FACTOR

ALUMNO:
GMEZ
CARLOS

NEZ

ROBERTO

Cd. y Puerto de Lzaro Crdenas, Mich.,

octubre de 2016.

UNIDAD IV DISEO EXPERIMENTAL PARA UN FACTOR

4.1 INTRODUCCIN, CONCEPTUALIZACIN, IMPORTANCIA Y ALCANCES DEL DISEO

EXPERIMENTAL EN EL MBITO EMPRESARIAL.

INTRODUCCIN:

El diseo experimental suele plantearse cuando se requiere analizar una caracterstica

cualitativa sometida a un nico factor. Este nico factor debe de tener una influencia significativa
sobre la caracterstica cualitativa.
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.

CONCEPTUALIZACIN:

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.

IMPORTANCIA:

El Diseo Experimental, como tcnica de investigacin, toma importancia en los aos 80 en

donde se le da una aplicacin estadstica de los proyectos de Seis Sigma buscando el famoso
nmero de 3,4 defectos por milln de unidades producidas.
El diseo experimental busca entonces a travs de una serie de herramientas estadsticas
aplicadas metodizar los ensayos de prueba y error para encontrar la mejor combinacin de
variables independientes que optimice una variable de respuesta en unas circunstancias
determinadas.
El anlisis experimental se basa en la comprensin de la variacin que presentan los datos de
salida de un problema. La variacin siempre est presente en todos los procesos de la
naturaleza y por ende en los procesos humanos, la planeacin de un experimento permite
identificar las fuentes de que la producen, clasificarlas y tomar decisiones con respecto a ellas.

ALCANSES:

El diseo experimental se distingue por el hecho de definir y controlar las variables

independientes antes de lanzarlas al mercado, intentando distintos tipos de estmulos a los que
respondan los clientes, antes de observar cmo ocurre verdaderamente.
Puede establecer diferencias en su respuesta que pueden atribuirse a los estmulos en cuestin,
como el envoltorio o el color de un producto, y no a otros factores, como la disponibilidad limitada
del producto.
Aplicar los mtodos de diseo experimental requiere juicio empresarial y un grado de
sofisticacin matemtica y estadstica. Hoy en da, las empresas pueden recopilar informacin
detallada de los clientes con mayor sencillez y pueden emplear dichos datos para crear modelos
que predigan la respuesta del consumidor con mayor rapidez y precisin.

4.2 CLASIFICACIN DE LOS DISEOS EXPERIMENTALES

Diseo Completamente Aleatorizado
Es el diseo ms simple y sencillo de realizar en el cual los tratamientos se
eligen al azar entre las unidades experimentales o viceversa.
Este diseo tiene amplia aplicacin cuando las unidades experimentales son muy
homogneas.
Diseo en Bloques Completamente Aleatorizado
Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente
que aparezcan otras variables o factores que tambin influyen y que deben ser
controladas.
A estas variables se les denomina variables bloque y se caracterizan por:
No son el motivo de estudio sino que aparecen de forma natural y
obligada en el mismo.
Se asume que no tiene interaccin con el factor en estudio.

4.3 NOMENCLATURA
EXPERIMENTAL.

SIMBOLOGA

EN

EL

DISEO

Es un diseo experimental de clasificacin simple, se trata de comparar varios grupos

generalmente llamados Mtodos o Tratamientos, como por ejemplo diferentes maneras
de tratar una enfermedad: con medicamentos, quirrgicamente, acupuntura, etc. Para
hacer la comparacin se usa una variable de respuesta cuantitativa Y que es medida en
cada uno de los grupos. Los grupos tambin pueden ser los niveles de una variable
cualitativa que es llamada factor.

SIMBOLOGIA
T= Tratamientos
C= Control
F= Factores
A= Nmero de tratamientos
N= Tamaos de la muestra
R= Replica o repeticin
R= Asignacin al azar o aleatoria
E= Emparejamiento o nivelacin
G= Grupo de sujetos
X= Tratamiento, estimulo o condicin experimental
O= Medicin de los sujetos de un grupo: ausencia de estmulo en la variable
independiente (grupo testigo).
DEFINICIONES
Tratamientos: Son las condiciones las cuales distinguen las poblaciones de inters.
Control: Es la capacidad que tiene el investigador para elegir segn su voluntad los
elementos que intervienen en la investigacin.
Efecto: Es el cambio en la variable de respuesta por el cambio de nivel de un factor.
Factores: Son las variables las cuales se presume que afectan la caracterstica de inters
en el proceso.
Factores controlables: Son aquellos con un grado de control, es decir que se pueden
manejar, variar o manipular con gran facilidad.
Factores ruido: Son aquellos sobre los cuales el grado de control es menor y el manejo
es ms difcil.
Niveles del factor: Son las diferentes categoras dentro de un factor de las cuales puedes
estudiar.
Corrida o unidad experimental: Ente al cual se aplica el tratamiento y sobre el cual se
mide la variable respuesta.
Particin: Proceso que distribuye la suma total de cuadrados y de grados de libertad
entre sus diversos componentes.
Interaccin: Efecto que se produce cuando los niveles de un factor interactan con los
niveles del otro factor e influyen en la variable de la respuesta. Cuando uno o ms
factores trabajan juntos para producir un efecto diferente que los efectos producidos por
aquellos factores de manera individual.
Diseo de bloques aleatorizado: Diseo de experimentos en el que se usa la formacin
de bloques.
Experimento factorial: Diseo experimental en el que se obtienen simultneamente
conclusiones acerca de dos o ms factores.
Combinacin: Es la asignacin de un solo nivel a un factor, o de varios niveles a todos
los factores en una corrida experimental.
Variable de respuesta: Es el resultado de una corrida experimental. Variable a estudiar.
Corrida experimental: Implementacin de cada una de las interacciones.
Bloque: Agrupacin planteada de factores o combinaciones. Se realiza a manera de
minimizar la variacin no incluida en el diseo.
Replicacin: Es una repeticin del experimento bsico o el nmero de veces que se
replican cada uno de los tratamientos.

Bloqueo: Es una tcnica usada para incrementar la precisin de un experimento

mediante la eliminacin de variacin introducida por los factores ruido.
Aleatorizacin: Es el principio bsico fundamental en el uso de mtodos estadsticos en
diseo experimental.
Anlisis de varianza (NOVA): Es el proceso de subdividir la variabilidad total de las
observaciones experimentales en porciones atribuibles a fuentes de variacin conocidas.
Este es el mtodo estadstico ms utilizado en el anlisis de experimentos.
4.4 IDENTIFICACIN
EXPERIMENTALES.

DE

LOS

EFECTOS

DE

LOS

DISEOS

El diseo experimental, como tcnica de investigacin toma importancia en los aos

80s, en donde se le da una aplicacin estadstica de los proyecto de seis sigma
buscando el famoso nmero 3.4 defectos por milln de unidades producidas.
El diseo experimental busca entonces a travs de una serie de herramientas estadsticas
aplicadas metodizar los ensayos de prueba y de error para encontrar la mejor
combinacin de variables independientes que optimice una variable de respuesta en una
circunstancia determinada.
El diseo experimental prescribe una serie de pautas relativas que variables hay que
manipular, de qu manera, cuantas veces hay que repetir el experimento y en qu orden,
para poder establecer con un grado de confianza predefinido las necesidades de una
presunta relacin de causa-efecto.
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.
4.5 La importancia de la aleatorizacin de los especmenes de prueba.
La aleatorizacin consiste en que tanto la asignacin del material experimental como el
orden en que se realizan las pruebas individuales o ensayos se determinan
aleatoriamente y la importancia de esta consiste en:
1. Garantizar la validez de la estimacin del error experimental.
2. Garantizar la independencia de los errores o que las observaciones sean variables
aleatorias independientes. Esto es necesario para obtener pruebas de significancia
vlidas y estimados de intervalos.
3. Eliminar el sesgo de tal manera que no se desfavorezca o discrimine a los
tratamientos y permite cancelar los efectos de factores extraos que pudieran estar
presentes.
La aleatorizacin hace vlida la prueba, hacindola apropiada para analizar los datos
como si la suposicin de errores independientes fuera cierta. Obsrvese que no hemos
dicho que la aleatorizacin garantiza independencia, sino slo que la aleatorizacin nos
permite proceder como si la independencia fuera un hecho. La razn de esta distincin

debe ser clara: los errores asociados con unidades experimentales que son adyacentes en
espacio o tiempo, tendern a correlacionarse, y todo lo que hace la aleatorizacin es
asegurarnos que el efecto de esta correlacin, sobre cualquier comparacin entre los
tratamientos, se har tan pequea como sea posible. An quedar algo de correlacin,
pero ninguna cantidad de aleatorizacin puede eliminarla totalmente. Es decir, en
cualquier experimento, la independencia de errores completa y verdadera es slo ideal y
nunca puede lograrse. Sin embargo, por todos conceptos, debe buscarse tal
independencia y la aleatorizacin es la mejor tcnica empleada para lograr el fin
deseado.
Algunas veces se introduce el concepto de aleatorizacin como un instrumento para
eliminar tendencias. Para ilustrar el razonamiento en que se basa este procedimiento A
y B debe ser parcial a favor de B, si existe un efecto de aprendizaje. Sin embargo, si
cada vez que tuvo que investigarse un nuevo compuesto, el analista hubo de decidir al
azar cul procedimiento usar primero, la tendencia pudo haber sido reducida, tal vez
eliminada. Pero, podra haberse logrado algo ms. Si estuviesen actuando otras
tendencias, tambin se podran haber eliminado sus efectos (o al menos reducido) por
medio de aleatorizacin. Es decir asignando tratamientos al azar a las unidades
experimentales, estamos tratando de certificar que los tratamientos no sern favorecidos
continuamente o perjudicados por fuentes extraas de variacin, sobre las que no tenga
control el experimentador o sobre los cuales decida no ejercer control. En otras
palabras, la aleatorizacin es como un seguro; siempre es una buena idea y algunas
veces es an mejor de lo que esperamos.

4.6 SUPUESTOS ESTADSTICOS EN LAS PRUEBAS EXPERIMENTALES.

A. Aditividad
-Los factores o componentes del modelo estadstico son aditivos, es decir la
variable respuesta es la suma de los efectos del modelo estadstico.
B. Linealidad
-La relacin existente entre los factores o componentes del modelo estadstico es
del tipo lineal.
C. Normalidad
-Los valores resultados del experimento provienen de una distribucin de
probabilidad Normal con media m y varianza s^2.
D. Independencia
-Los resultados de un experimento son independientes entre s.
E. Varianzas homogneas
-Las diversas poblaciones generadas por la aplicacin de dos o ms tratamientos
tienen variancias homogneas (varianza comn).
Tabla ANOVA para diseo completamente aleatorizado.

Fuente de
variacin
Tratamientos
Error

Suma de
cuadrados
SStratamientos
SSE

Grados de
libertad
a-1
A(n-1)

Total

SST

An-1

Cuadrado
medio
MStratamientos
MSE

TAMAOS DE MUESTRAS IGUALES

Dnde:
a: Cantidad de tratamientos
n: Cantidad de replicas
Yij: Replica j del tratamiento i
y: Gran total
N: Total de observaciones

Dnde:
a: Cantidad de tratamientos
yi.: Sumatoria del tratamiento i
y: Gran total
N: Total de observaciones

SSE=SST-SSTratamientos
TAMAOS DE MUESTRA DIFERENTES

Dnde:
a: Cantidad de tratamientos
n: Cantidad de replicas
Yij: Replica j del treatamiento i
y..: Gran total
N: Total de observaciones

Dnde:

Fo

MStratamientos/
MSE

a: Cantidad de tratamientos
yi. Sumatoria del tratamiento i
y..: Gran total
ni: Observaciones del tratamiento i
N: Total de observaciones

SSE=SST-SSTratamientos
HIPOTESIS

4.7 PRUEBA DE DUNCAN.

Se usa para comparar cada promedio de tratamiento con cada uno de los otros
promedios, de una prueba de rango mltiple. De manera que cualquier diferencia
existente entre cualquier tratamiento contra otro se ver reflejado en este anlisis.
Utiliza un nivel de significancia variable que depende del nmero de medias que entran
en cada etapa de comparacin. La idea es que a medida que el nmero de medias
aumenta, la probabilidad de que se asemejen disminuye.
Para obtener los comparadores Duncan, se toman de la t6abla de Duncan los valores de
acuerdo al nmero de tratamientos y con los grados de libertad del error. Cada uno de
estos valores ser multiplicando por el error estndar de l media y estos sern los
compradores para determinas cuales diferencias son significativas.
El procedimiento se basa en la nocin general de un rango studentizado. El rango de
cualquier subconjunto de p medias mustrales debe exceder cierto valor antes de que se
encuentre que cualquiera de las p medias es diferente. Este valor se llama rango de
menor significancia para las p medias y de denota con Rp.

Dnde:
Rp: son los rangos studentizado de menor significancia y depende del nivel de
significancia y den nmero de grados de libertad.
S: es el cuadrado medio del error y se toma de la tabla de anlisis de varianza
n: es el nmero de elementos para un tratamiento especfico.

p: representa el tamao del conjunto de medias.

Rp: puede entenderse como la diferencia mnima que debe existir entre la media ms
grande y la ms pequea de un conjunto de tamao p.
Los pasos que debemos seguir para aplicar la prueba de Duncan son:
Calcular el valor de cada una de las medias correspondientes a cada tratamiento y
ordenarlas de mayor a menor
Determinar de una tabla los valores Rp para un valor de significancia a.
Calcular los Rp de acuerdo con la expresin anterior y tomar el valor s2.
Probar por rangos que vayan de la media 1 a la p.
Si la hiptesis se cumple, es decir si Rp < mi+p mi, terminamos.
Suponga que un experimento industrial un ingeniero est interesado en cmo la
absorcin media de humedad en concreto vara entre cinco mezclas diferentes de
concreto. Las muestras se exponen a la humedad por 48 horas y se decide que se
prueben seis muestras para cada mezcla, por lo que se requiere probar un total de 30
muestras. Con grado de significancia 5%.
Consideremos un ejemplo hipottico donde tenemos los siguientes valores para las
medias de 6 tratamientos.

Sacar de la tabla Duncan

Calculamos los Rp para nuestro ejemplo, tomando el valor de s2 = 2.45 del anlisis de
varianza.

Comparacin:
Finalmente los rangos quedan

m = {[m4, m6, m3, m1], [m5], [m2]}

4.8 Aplicaciones industriales.

El diseo de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a un
gran nmero de industrias, la optimizacin de recursos, la identificacin de causas de
variabilidad son algunos de los objetivos del diseo de experimentos aplicados en nivel industrial.
APLICACIONES SEGN LA CLASIFICACIN DE LA INDUSTRIA

INDSTRIAS PESADAS O DE BASE:

Qumica pesada:
Estudio de la composicin para la elaboracin de productos: Estudio de los valores ms
apropiados para la elaboracin de compuestos qumicos que requieran diversos componentes.
Anlisis del efecto de las condiciones del entorno en la elaboracin del producto como la
temperatura ambiente, humedad relativa etc.

INDUSTRIAS DE BIENES DE EQUIPO:

Maquinaria:
Medida de la variabilidad de los instrumentos de medida: Es posible aplicar el diseo de
experimentos como herramienta para determinar y mejorar los ndices de capacidad de un
proceso concreto apoyndose en estudios de reproducibilidad y repetitividad.
Diseo de motores elctricos:
Estudio de las caractersticas constructivas del motor y su influencia en variables importantes
como la prdida de flujo y la constante de velocidad
Diseo de electrodos:
Estudio de los esfuerzos en los electrodos en funcin de la fuerza de aplicacin y el tamao del
electrodo.
Diseo de elementos de sujecin:
Anlisis de la influencia de los parmetros geomtricos en la resistencia de los remaches.
MATERIALES DE CONSTRUCCIN
Estudios de corrosin:
Estudios de la influencia del tiempo en la corrosin de aceros de construccin y metales en
general.
Aplicaciones en el mecanizado:
Estudio de la variabilidad en los procesos de mecanizado, ayuda a la reduccin de piezas
defectuosas y aumento de la capacidad de produccin.
Produccin de vehculos industriales:
Estudio de procesos de soldadura: estudio de un proceso de soldadura, para determinar las
variables que influyen en la resistencia de la soldadura.
INDUSTRIA AERONUTICA

Optimizacin del proceso de anodizado y pintado:

Optimizar los procesos de anodizado y pintado para conseguir una buena proteccin
anticorrosin.

INDUSTRIAS LIGERAS O DE USO Y CONSUMO

INFORMTICA Y TELECOMUNICACIONES
Estudio del rendimiento de una red informtica:
Realizando simulaciones es posible cuantificar el rendimiento y las variables crticas que hacen
que la transferencia de datos en la red sea econmicamente rentable.
Mejora del rendimiento de un procesador:
Se usa para determinar el impacto que tienen variables importantes como la temperatura y las
horas de uso en el rendimiento del procesador
Reduccin del tiempo del CPU:
El estudio se basa en la aplicacin del diseo de experimentos para determinar la mejor
combinacin de factores que reduzcan el tiempo de CPU.
Optimizacin de materiales en semiconductores:
Estudio de las propiedades elctricas del arseniuro de galio dopado con silano.
Diseo de filtros pasivos:
Se utiliza el diseo de experimentos para determinar los valores de las tolerancias de los
componentes para optimizar los circuitos.

INDUSTRIA BIOTECNOLOGA

Operaciones en un sistema de fangos activos:

Optimizar y entender las reacciones que se dan en el tratamiento secundario de una EDAR, por
ejemplo, los fangos activos

BIBLIOGRAFIA

Arnau, J. (1978). Psicologa Experimental enfoque metodolgico. Mxico: Ed. Trillas.

Pp. 345-353
Moreno, R. D., Lpez, G. R., Cepeda, I. L., Alvarado. G. I. y Plancarte, C. P. (2000).
Diseos de Investigacin. El proceso de Investigacin. Mxico.
UNAM. FES Iztacala. Pp. 1-13
Moreno, R. D., Lpez, G. R., Cepeda, I. L., Alvarado. G. I. y Plancarte, C. P. (2000).
Diseos de Investigacin. El proceso de Investigacin. Mxico.
UNAM. FES Iztacala. Pp.13-50.
https://www.clubensayos.com/Ciencia/45-La-Importancia-De-La-Aleatorizaci
%C3%B3n-De-Los/1375295.html
https://es.scribd.com/doc/145782736/Unidad-4-Diseno-experimental-para-un-factor
http://es.slideshare.net/alejandraaragonparra/145782736unidad4disenoexperimentalparaunfactor1