Está en la página 1de 4

PRINCIPIOS EN EL DISEO DE EXPERIMENTOS

Al realizar la investigacin de los principios se determinan la existencia de varios de


ellos, esto dependiendo de la etapa en la que se encuentre la experimentacin, como cita
(Marn, 2012) en su documento Introduccin al Diseo de Experimentos:
Al planificar un experimento existen principios bsicos que se deben tener siempre en cuenta:

El principio de aleatorizacin.
El bloqueo.
La factorizacin del diseo.

Los dos primeros (aleatorizar y bloquear) son estrategias eficientes para asignar los tratamientos a las
unidades experimentales sin preocuparse de qu tratamientos considerar. Por el contrario, la
factorizacin del diseo define una estrategia eficiente para elegir los tratamientos sin considerar en
absoluto como asignarlos despus a las unidades experimentales.

De esta manera se puede establecer que el principio de aleatoriedad y de bloqueo


pertenecen a los principios que se aplican previo a la obtencin de un tratamiento para
dicho experimento, por el contrario de la factorizacin del diseo que nos permite
definir la estrategia a implementar, sin importancia de cmo realizar dicha
implementacin; adems (Marn, 2012) nos define los conceptos para cada principio
que menciona:
Aleatorizar. Aleatorizar todos los factores no controlados por el experimentador en el diseo
experimental y que pueden influir en los resultados sern asignados al azar a las unidades
experimentales.

Ventajas de aleatorizar los factores no controlados:

Transforma la variabilidad sistemtica no planificada en variabilidad no planificada o ruido


aleatorio. Dicho de otra forma, aleatorizar previene contra la introduccin de sesgos en el
experimento.
Evita la dependencia entre observaciones al aleatorizar los instantes de recogida muestral.
Valida muchos de los procedimientos estadsticos ms comunes.

Bloquear. Se deben dividir o particionar las unidades experimentales en grupos llamados bloques
de modo que las observaciones realizadas en cada bloque se realicen bajo condiciones
experimentales lo ms parecidas posibles.

A diferencia de lo que ocurre con los factores tratamiento, el experimentador no est interesado en
investigar las posibles diferencias de la respuesta entre los niveles de los factores bloque.

Bloquear es una buena estrategia siempre y cuando sea posible dividir las unidades experimentales en
grupos de unidades similares.

La ventaja de bloquear un factor que se supone que tienen una clara influencia en la respuesta pero en
el que no se est interesado, es la siguiente:

Convierte la variabilidad sistemtica no planificada en variabilidad sistemtica planificada.

Con el siguiente ejemplo se trata de indicar la diferencia entre las estrategias de aleatorizar y de
bloquear en un experimento.

Ejemplo. Se desea investigar las posibles diferencias en la produccin de dos mquinas, cada una de
las cuales debe ser manejada por un operario. En el planteamiento de este problema la variable
respuesta es la produccin diaria de una mquina, el factor tratamiento en el que se est interesado es
el tipo de mquina que tiene dos niveles y un factor es el operario que maneja la mquina.

En el diseo del experimento para realizar el estudio se pueden utilizar dos estrategias para controlar
el factor operario que maneja la mquina.

Aleatorizar: se seleccionan al azar dos grupos de operarios y se asigna al azar cada grupo de
operarios a cada una de las dos mquinas. Finalmente se evala la produccin de las mismas.

Bloquear: se introduce el factor bloque operario. Se elige un nico grupo de operarios y todos ellos
utilizan las dos mquinas. Hay que tener en cuenta en qu circunstancias se utilizan estas dos
estrategias, y cul estrategia es mejor.

Factorizacin del diseo. Un diseo factorial es una estrategia experimental que consiste en cruzar
los niveles de todos los factores tratamiento en todas las combinaciones posibles.

Ventajas de utilizar los diseos factoriales:

Permiten detectar la existencia de efectos interaccin entre los diferentes factores


tratamiento.
Es una estrategia ms eficiente que la estrategia clsica de examinar la influencia de un
factor manteniendo constantes el resto de los factores.

Por otra parte es necesario considerar ms principios para el diseo de experimentos,


segn (Rueda, 2014) algunos de ellos son:
Replicacin o Repeticin. Es necesario repetir las pruebas del experimento bsico para aumentar la
certeza.

Suponiendo que un ingeniero Agrnomo est interesado en investigar el efecto que tienen sobre el
desarrollo de una enfermedad, dos procesos de labrado: el autctono y el propuesto por un nuevo
sistema. En ese ejemplo, la rplica o repeticin consiste en cada par de parcelas, una de ellas
trabajada con el sistema autctono, y otra con el sistema nuevo; si se trabajaran cinco pares de
parcelas en cada sistema, se dir que se realizaron cinco repeticiones en cada tratamiento.

De esta manera se puede establecer que la rplica o repeticin en un experimento


permite al experimentador obtener una estimacin de un error posible al realizar dicho
nmero de experimentos, esto se toma como la base para determinar las diferencias que
se pueden hallar estadsticamente en el n nmero de repeticiones del experimento que se
realice, esto supondr una significancia, es decir, a mayor nmero de repeticiones
realizadas, mayor ser el grado de precisin del efecto de un factor para el experimento

SUPUESTOS EN EL DISEO EXPERIMENTAL


Al realizar la investigacin de los supuestos existentes en el Diseo Experimental
primero se debe partir por definir qu es lo significan dichos supuestos; stos supuestos
tienen el objetivo de expresar con una nivel de confianza la validez de los datos
estadsticos obtenidos en el proceso de experimentacin. Para ellos se tiene q establecer
cuntos tipos de supuestos existen y a q se refieren, desde este punto se parte diciendo
como cita la (Facultad de ciencias Agrarias y Forestales, 2014):
Las herramientas principales para el diagnstico del cumplimiento de los
supuestos estn basadas en el Anlisis de los Residuos. Los residuos se obtienen como la
diferencia entre el valor observado y el valor estimado por el modelo asociado al diseo
experimental.
En general podemos decir que si los supuestos se verifican slo aproximadamente, el modelo
tendr validez, aunque existen pruebas y mtodos para asegurarnos de su cumplimiento.

Resumiendo diremos que los supuestos que corresponden al modelo ANOVA son:

Aditividad
Independencia
Homoscedasticidad
Normalidad

Aditividad. La falta de aditividad entre los factores puede ocurrir por un mal diseo del
experimento, por ejemplo se prueban diferentes dosis de fertilizante, pero cada dosis se prueba
en una especie de planta diferente, resultando una interaccin entre dosis de fertilizante y especie
que rompe el modelo aditivo. Las causas principales de no aditividad, son:

1. Los efectos son multiplicativos.


2. Pueden existir interacciones, pero los trminos que representan tales efectos no estar
representados en el modelo aditivo lineal.
3. Pueden haberse tomado observaciones equivocadas.

La prueba para determinar la aditividad es la prueba estadstica de Tukey.

Independencia. Dentro de los test que pueden usarse para determinar si una secuencia ordenada
de observaciones es aleatoria (independiente) se dispone de los contrastes de rachas y auto
correlacin

Para determinar la independencia de las respuestas, se calculan los valores residuales para cada
grupo de tratamiento a travs de la frmula:

Error Residual=Y iY i

Se utiliza la prueba de aleatoriedad o de las rachas para verificar su cumplimiento.

Homoscedasticidad. Se refiere a que la varianza debe tener una homogeneidad en su varianza,


es decir, que los valores de las muestras no tengan una variacin muy desproporcionada para
cada tratamiento.

Como las varianzas varan como funciones de las medias, una grfica de las medias con las
varianzas o con los desvos estndar pueden ser tiles como un examen rpido para comprobar la
homoscedasticidad. Ests grficas no deben indicar ninguna correlacin entre los estadsticos
(media varianza o desvi estndar) caso contrario es probable que se est violando el supuesto
de homogeneidad de varianzas.

La prueba utilizada para determinar la homogeneidad es la de Bartlett o la de Levene.

Normalidad. Se refiere a que las respuestas deben poseer una distribucin normal dentro de
cada grupo de tratamiento. La prueba para determinar la normalidad de las respuestas es la
prueba de Shapiro-Wilk para muestras grandes y la de Kolmogorov-Smirnov para muestras
pequeas.

CONCLUSIN
El Diseo experimental se basa en RPINCIPIOS y SUPUESTOS para llevar a cabo la
valoracin de los parmetros y factores presentes en la misma, dentro de los principios
se pueden determinar los ms relevantes y de importancia dentro del estudio:
Principio de Aleatoriedad
Principio de Bloqueo
Principio de Factorizacin del diseo
Principio de Repetitividad
Los supuestos se basa en los datos o respuestas obtenidas en la implementacin de
tratamientos, estos supuestos son:
Supuesto de Aditividad. Prueba de Tukey
Supuesto de Independencia. Prueba de Aleatoriedad o de las Rachas
Supuesto de Homoscedasticidad. Prueba de Bartlett o la de Levene
Supuesto de Normalidad. Prueba deSahpiro- Wilk y la de Kolmogorov-
Smirnov.

Referencias
Facultad de ciencias Agrarias y Forestales. (2014). EXPERIMENTOS SIMPLES
Anlisis de supuestos del ANOVA. Obtenido de UNIVERSIDAD NACIONAL
DE LA PLATA: http://aulavirtual.agro.unlp.edu.ar/mod/resource/view.php?
id=2645
Marn, J. M. (2012). INTRODUCCIN AL DISEO DE EXPERIMENTOS. Obtenido
de UCEM:
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE.pdf
Rueda, J. (2014). PRINCIPIOS DEL DISEO EXPERIMENTAL. Obtenido de
UNIVERSIDAD NACIONAL DE COLOMBIA:
http://www.unalmed.edu.co/~jarueda/PDE.pdf