Diseo Experimental

30156

Diseo totalmente aleatorizado o completamente al azar

Director del Curso: Campo Elas Riao Luna, Ing.

Qumico, M. Sc. Ing., Doct. EAD_TI
 Unidad 1:Experimentos sin bloquear - Diseo totalmente aleatorizado o
completamente al azar

Descripcin
En todo trabajo de investigacin aplicada se deben realizar comparaciones entre
tratamientos con el fin de elegir la mejor alternativa de las estudiadas, o para comprender el
comportamiento de la variable de inters en cada uno de los distintos tratamientos
evaluados. Para el efecto se emplea el ANOVA_Anlisis de Varianza, por sus siglas en
ingls. El diseo completamente aleatorizado hace referencia al orden en el que se realizan
las corridas experimentales_ de forma aleatoria o al azar_ para reducir el efecto de factores
desconocidos en los resultados del experimento en la variable de respuesta.

Palabras clave: Diseo completamente aleatorizado, investigacin aplicada, comparacin

de tratamientos, ANOVA.
 Unidad 1:Experimentos sin bloquear - Diseo totalmente aleatorizado o
completamente al azar

OBJETIVO

Empoderar al estudiante de los conceptos, la informacin y la metodologa de los

experimentos completamente al azar.
 Ejemplo
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

Rosquillas

3 1 8 5 4 2 6 7
9

Ingrediente A Ingrediente B Ingrediente C

Figura 1. Diagrama de flujo para la produccin de rosquillas a partir de una masa

estandarizada.

Para el estudio los investigadores emplearon un diseo de experimentos completo al azar o sin bloquear-
simple y balanceado por que todos los tratamientos tienen el mismo nmero de datos.
Hiptesis de investigacin: La hiptesis planteada es que al menos uno de los tres ingredientes
mejorara la dureza final de las rosquillas.

H0 : U1=U2=U3

Y la hiptesis alterna

HA: U1 # U2 # U3

Diseo del experimento: una masa bien homognea para la confeccin de las rosquillas se divide en
seis porciones iguales y a cada dos de ellas se les mezcla el ingrediente seleccionado.

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 tres 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 1. Aleatorizacin para el ejemplo de las rosquillas

3 1 8 5 9 4 2 6 7

Tratamiento

o aditivo A A A B B B C C C

La dureza se evala despus de seis das de almacenamiento

a 10*C.
Tabla 2. Datos obtenidos en la determinacin de la dureza para el ejemplo de las rosquillas.

Tratamientos Dureza o variable de respuesta

Determinacin Total Media
c/trata
(Und / cmt) miento
Secuencia de 3 7 1
experimentacin

Aditivo A 7 9 5 21 7

Secuencia de
5 8 4
experimentacin

Aditivo B 10 8 9 27 9

Secuencia de 2 9 6
experimentacin

Aditivo C 10 9 12 31 10.33

Gran media 79 8.77

 Solucin: con los datos de la tabla desarrollamos las siguientes operaciones:

1. Sumamos todos los resultados individuales (determinaciones de la dureza) o sumatoria total. 7+9
+5+10+8+9+10+9+12 = 79

2. Calculamos la media por tratamiento y la gran media.

a= nmero de tratamientos.
r=repeticiones de haberse realizado.
N= total de mediciones-datos (N= anr).
r=1 solo una medida por tratamiento.
7+9 +5= 21 21/ 3 = 7
10+8+9= 27 27/3 = 9
10+9+12= 31 31/3= 10.33

Gran media 79/ 9 = 8.77

Obsrvese que es igual a

3- Elevamos al cuadrado cada uno de los datos u observaciones registradas. Cada observacin de cada
tratamiento se eleva al cuadrado.

= {(7)2+ (9)2 + (5)2+ (10)2 + (8)2+ (9)2+ (10)2+ (9)2 + (12)2} =

(49)+ 81+25+100+64+81+100+81+144= 725

3.1. Calculamos
= {(79)2/3x3} = 693.4444 Conocido tambin como factor de correccin
4- Elevamos al cuadrado la suma horizontal de los tratamientos (hallados en el # 2) estos valores
(cuadrados) para cada tratamiento se suman.

Aplicamos la frmula para calcular la suma de cuadrados por tratamiento= SCt.

SCtratamientos = [{(21)2+ (27)2 + (31)2}]/3 -- {(79)2/3x3} =

SCtratamientos = {441 + 749+ 961}/ 3 693.44444= 717- 693.4444= 23.5555

5- Seguidamente elevamos al cuadrado cada uno de los valores-determinaciones analticas o datos de la

tabla 2, los sumamos y con estos valores calculamos la suma de cuadrados total.

SCTotal = {(7)2+ (9)2 + (5)2+(10)2 + (8)2+ (9)2+ (10)2+(9)2 + (12)2} - {(79)2/3x3 }=

SCTotal = 725 693.4444= 31.5556
SCT=SCE+SCt
SCT SCt = SCE
SCE = 31.5556 - 23.5555= 8.0

6- Calculo de los grados de libertad

6.1. Libertad de los tratamientos= 3-1 = 2
6.2. Libertad total= 9-1= 8
6.3. Libertad total - Libertad de los tratamientos = 8-2 = 6
6.2. Libertad total= 9-1= 8
6.3. Libertad total - Libertad de los tratamientos = 8-2 = 6
7. Calculo de los cuadrados medios
7.1 Cuadrado medio de los tratamientos
CMtratamient = SCtrata/ libertad tratamieno
CMtratamient = 23.5555/ 2 = 11.77775

7.2 Cuadrado medio del error

CMerror = SCerror/ libertad error
CMerror = 8 / 6 = 1.3333
7.3. Cuadrado medio total
CMtotal = SCtotal/ libertad total
CMtotal =31.5556 / 8 = 3.9445

Tabla 3. Anlisis de varianza para evaluar el efecto de los aditivos en la elaboracin de rosquillas.

Grados SC CM F0 p-valor
Fuente de de Suma de Cuadrados Razon
variacin Libertad cuadrados medios Ecuac
Ecuac Ecuac Ecuac
Tratamientos 3-1=2 23.5555 11.77775 8.83 0,1004
Error 6 8 1.3333
Total (9-1)=8 31.5556 SSTotales / (kn -1)

Como la razn de varianza calculada-8.83 para los tratamientos es menor que la reportada-propuesta en la tablas de
valores criticos de distribucin F -19.3 para 2 grados de libertad en el numerador (tratamientos) y 6 en el denominado
(error) para una significancia-alfa de 5%, concluimos que al menos un tratamiento es diferente.
Entonces la pregunta para el investigador es: Cul de los tratamientos es diferente?.

R_- Para dar respuesta el investigador_estudiante debe establecer especficamente cules son los
Valores medios que difieren entre s en forma significativa.
Para el efecto se utilizan los llamados mtodos de comparaciones mltiples como la mnima diferencia significativa
(LSD), el mtodo de Tuckey y el mtodo de Dunnett.
La Diferencia Mnima Significativa (DMS) es la diferencia entre dos medias (X1_X3, por ejemplo)
basadas en la prueba t de Student, empleando el valor de la varianza del error. El valor de la
LSD se encuentra referido a la distribucin de t por la siguiente relacin:
Si la diferencia entre dos promedios seguidos excede el valor de 2.3, se la declara significativa al
nivel del 5%.
En este ejemplo, la LSD indica que no hay diferencias significativas entre tratamientos adyacentes,
pero la F del ANALISIS DE LA VARIANZA_ANOVA indica que s existen diferencias si se comparan
medias no adyacentes, en este caso, el investigador podra optar por otro tipo de prueba de rango
mltiple.
Por ejemplo si utilizamos adems la prueba de rango mltiple para las rosquillas: 95% LSD,
obtenemos los siguientes resultados:
 Tabla 15. Anlisis de homogeneidad y contraste de las rosquillas.
* Indica diferencia estadsticamente significativa

Tratamien Muestra Media Homogeneidad Contraste

to s del grupo (Diferencia)
A 3 7 X A-B ( -2)
B 3 9 XX B-C (-
3.33)*
C 3 10.33 X B-C (-
1,33)

* Indica diferencia estadsticamente significativa

Comprobando que el tratamiento seleccionado es el que presenta mejores condiciones para ser aplicado
a la rosquilla.

Entendido lo anterior responde :

En que contextos especficos se utiliza la t de Student?.
Bibliografia consultada

Antony, J. (2003). Design of Experiments for Engineers and Scientists. Oxford: Elsevier. Consultado el
25/11/16 en: http://bibliotecavirtual.unad.edu.co:2125/ehost/detail/detail?vid=13&sid=e22015ba-77e2-
45c8-865a-
3b4ea65d46ce%40sessionmgr106&hid=118&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=104796&
db=e000xww.

Gutirrez Pulido, H., & de la Vara Salazar, R. (2003). Anlisis y diseo de experimentos. Mxico: McGraw
Hill.