Está en la página 1de 31

Qu es el Diseo de Experimentos?

Cuntos Tipos de Diseos hay?


Recomendaciones
INICIACIN A LA
INVESTIGACIN Algunos tipos de diseo
CLNICA Resumen
PARTE II

Xavier Barber

Estadstica en investigacin
experimental y clnica

Todas las imgenes obtenidas desde la Wikipedia con licencia de reutilizacin no comercial
Introduccin al
Diseo de
Experimentos
DE LA IDEA MARAVILLOSA A LA DURA
REALIDAD

2
Qu es el Diseo de
Experimentos?
El investigador se enfrenta a dos tareas principalmente:

Descubrir y entender las complejas relaciones que pueden existir entre


varias variables.

Alcanzar este objetivo a pesar de que los datos estn contaminados con
error experimental.

3
Qu es el Diseo de
Experimentos?
El trabajo pionero de Sir Ronald Fisher mostr cmo los
mtodos estadsticos y en particular el diseo de
experimentos podan ayudar a solventar estos problemas.
l fue quien desarroll y us por primera vez el anlisis de
varianza como herramienta fundamental para el anlisis
estadstico en el diseo experimental.
Durante algunos aos Fisher estuvo a cargo de la estadstica
y del anlisis de datos en la Estacin Agrcola Experimental
Rothamsted en Londres.

4
Qu es el Diseo de
Experimentos?
La experimentacin es el procedimiento apropiado para investigar
cualquier fenmeno en el que existe incertidumbre.

Los investigadores realizan experimentos virtualmente en todos los


campos del saber, por lo general para descubrir algo acerca de un
proceso o sistema en particular.

Literalmente, un experimento es una prueba o ensayo. Un experimento


diseado no es ms que una prueba o una serie de pruebas en las que
se inducen cambios deliberados en las variables de entrada de un
proceso o sistema, de manera que sea posible observar e identicar las
causas de los cambios en la respuesta de salida.

XAVI BARBER 2008 5


Qu es el Diseo de
Experimentos?

6
Qu es el Diseo de
Experimentos?
El elemento ms importante de un experimento es la formulacin
del problema a resolver. Una vez denido el experimento hay que
identicar:

La variable que se pretende medir o variable respuesta (variable


dependiente).

El factor o factores potenciales que pueden inuenciar la variabilidad de la


respuesta (variables independientes).

Un nivel de un factor es un valor o condicin de ste bajo el que se


observar la respuesta medible. Un tratamiento es una combinacin de los
niveles de cada factor, si el experimento consiste en varios factores. En el
caso de un solo factor, el concepto de nivel y tratamiento coinciden.
7
Cuntos tipos de diseo hay?
1. Sistemtico:
Los tratamientos son asignados a las unidades experimentales de acuerdo a
algn patrn predeterminado. Tales diseos no proveen estimaciones vlidas
del error experimental.

2. Aleatorizado:
La asignacin de los tratamientos a las unidades experimentales dependen de
algn patrn de aleatorizacin. Solo para estos diseos, las tcnicas de anlisis
de varianza son validas.

8
Cuntos tipos de diseo hay?
De los Aleatorizados:
a) Irrestrictos. La aleatorizacin no est restringida a ningn arreglo de las
unidades experimentales.
b) Restriccin nica. La aleatorizacin se restringe a un nico requisito
determinado en el arreglo de las unidades experimentales. Estos son los
diseos de bloques:
c) Balanceado. Se obtiene la misma precisin para cada par de comparaciones
entre tratamientos.
d) Parcialmente Balanceado. La precisin no es constante para cada par de
comparaciones, pero depende de los tratamientos involucrados.
e) Restricciones mltiples. La aleatorizacin se restringe a dos o ms requisitos
localizados en los arreglos de las unidades experimentales. La misma
subclase general existe para estos diseos como en el caso de los diseos
de bloques.

9
Cuntos tipos de diseo hay?
Box (1957) not una paradoja interesante respecto al diseo de programas
experimentales; el nico tiempo en el cual el programa de experimentacin
puede ser diseado adecuadamente es despus de haber sido culminado. Es
comn encoNtrar en la culminacin de un programa que:

1. Una o ms variables probablemente hayan sido omitidas del experimento.


2. Una o ms variables originalmente incluidas en el experimento aparezcan con
un pequeo efecto, por lo tanto no son tan importantes como se pens al
principio.
3. Un diseo experimental ms complejo se necesita para solucionar
adecuadamente los problemas.
4. Algunas transformaciones a las variables podrn ser apropiadas.

10
Recomendaciones para abordar
un estudio experimental
Conocimiento claro del material experimental. Aunque
parezca obvio en la prctica, no siempre el desarrollo de un
problema requiere de experimentacin ni es simple presentar
un claro y apropiado estado del problema.

Es necesario abordar todas las ideas sobre los objetivos del


trabajo.

Un claro estado del problema frecuentemente contribuye a


un mejor entendimiento del fenmeno y a una solucin del
problema.

11
Recomendaciones
Seleccin de factores y niveles. El experimentador debe
seleccionar las variables independientes o factores a ser
estudiados, estos pueden ser cuantitativos o cualitativos.

En el caso cualitativo hay que tener en cuenta como se


controlarn estos valores en los valores de referencia y como
van a ser medidos.

Es importante seleccionar los rangos de variacin de los


factores y el nmero de niveles a considerar, los cuales
pueden ser predeterminados o escogidos aleatoriamente del
conjunto de los posibles niveles.

12
Recomendaciones
Seleccin de las variables respuesta segn los objetivos.
En la seleccin de la variable respuesta o variable dependiente, el
experimentador ha de estar seguro que la respuesta a medir realmente
provee informacin sobre el problema de inters.
Es necesario suministrar la forma como se mide esta variable y de ser
posible la probabilidad de ocurrencia de estas medidas.

13
Recomendaciones
Seleccin del diseo experimental. Este paso es de primordial importancia en el
proceso de investigacin.
Se debe indicar la diferencia a la respuesta verdadera (que tan lejos se admite la
realidad de lo observado), que se desea detectar y la magnitud de los riesgos tolerados
(grado de confiabilidad), en el orden a escoger un tamao de muestra apropiado
(replicaciones); es procedente sealar tambin el orden de recoleccin de los datos y el
mtodo de aleatorizacin a emplearse.
Siempre es necesario mantener un equilibrio entre la exactitud y los costos.
Se deben recomendar planes que sean eficientes estadsticamente y econmicamente
viables.
En la conduccin de un estudio experimental es de esencial importancia la seleccin
del diseo, esta seleccin depende de cuatro componentes:

14
Recomendaciones .
a) El diseo de tratamientos (DT). En esta etapa se determinan los tratamientos a
ser medidos en el estudio, es decir se establecen cuales y cuantos tratamientos
se deben aplicar teniendo en cuenta la naturaleza del experimento

b) Diseo de control del error (DE). Por diseo de control del error se entiende la
distribucin aleatoria de los tratamientos en un plan experimental usando la
regla de asignacin aleatoria de los tratamientos a las unidades experimentales

c) Estructura del control del error (EE). Por esta se entiende la asignacin
aleatoria de los tratamientos a las unidades experimentales.

d) Muestreo y diseo de observaciones (DM). Hace referencia a determinar el


nmero de observaciones tomadas por tratamiento y unidad experimental, lo
cual caracterizar los planes experimentales, con submuestreo.

15
Recomendaciones .
Conduccin del experimento. Es el proceso de muestreo de recoleccin de
datos.

Se entender que en el proceso haya un ajuste al plan (control).

En la mayora de las veces, la realizacin de un experimento no es lo


suficientemente fiel al proyecto de investigacin, porque surgen situaciones
no consideradas previamente, como en el caso de un cultivo atacado por
plagas, el agotamiento producido sobre una unidad experimental que se
esta evaluando, o la aparicin de una caracterstica no determinada.

De todas formas, se debe tener en cuenta si estos imprevistos alteran los


propsitos del ensayo; de otra forma hay que tenerlos en cuenta en el
anlisis de los resultados.

16
Recomendaciones .
Anlisis de datos. Las variables que intervienen, o mejor, que se procura
sean considerados en un ensayo, pueden relacionarse
matemticamente de alguna forma.

Estimacin del modelo.

Pruebas de hiptesis.

17
Recomendaciones
Conclusiones y recomendaciones. Hecho el anlisis de los datos, el
experimentador puede extraer conclusiones (inferencia) sobre los
resultados.

Las inferencias estadsticas deben ser fsicamente interpretadas y su


significancia prctica evaluada.

Las recomendaciones deben de hacerse con base en los resultados.

En la presentacin de estos se deben evitar el empleo de terminologa


estadstica seca y en lo posible presentar los resultados de manera
simple.

La elaboracin de grficos y tablas evita la redaccin de resultados y


recomendaciones extensas y confusas.
18
Algunos Tipos de Diseo
Modelo Lineales
Regresin Lineal Simple y Mltiple
Diseos completamente aleatorizados y tamao de muestra
Pruebas de comparaciones mltiples y validacin de supuestos
Diseo de bloques completamente aleatorizados
Balanceados y No Balanceados
Diseos en cuadro latino
Anlisis de la Covarianza
Modelo Lineal Generalizado
Experimentos factoriales
2k, 3k completos y fraccionados
Confusin en experimentos factoriales
Algunas ideas sobre superficies de respuesta
Modelos Mixtos

19
Algunos Tipos de Diseo
Diseos completamente aleatorizados y tamao de muestra
Cuando los tratamientos se ensayan en condiciones homogneas del
material experimental, es decir, las unidades experimentales (UE) son
homogneas (tienen en principio igual capacidad de respuesta) y cuando
solo se tiene como factor de clasificacin los tratamientos y la asignacinn
de stos a las UE se hace en forma aleatoria (aleatorizacin irrestricta)
entonces el modelo caracteriza el diseo completamente aleatorizado (DCA)

20
Algunos Tipos de Diseo
Diseos completamente aleatorizados y tamao de muestra
Ejemplo: Se llevo a cabo un estudio para evaluar cuatro dietas
(D1;D2;D3, D4), con el propsito de comparar la efectividad de la
dieta en la perdida de peso en personas que asisten a un gimnasio.
se seleccionaron 20 personas y se asignaron aleatoriamente 5 a cada
dieta. Para que el diseo sea completamente aleatorizado se
requiere primero seleccionar una muestra al azar de 20 personas de
la poblacin y segundo distribuir las dietas a las personas tambin en
forma aleatoria. Mediante la generacin de nmeros aleatorios, se
asigna una dieta a cada persona.

21
Algunos Tipos de Diseo
Diseo de bloques completamente aleatorizados
El trmino bloque es usado ms ampliamente para referirse a un
grupo de UE que tienen un conjunto de caractersticas que
provocan" un problema efectivo de respuesta, una vez que han sido
aplicados los tratamientos.

Una de las ventajas del DBCA es la flexibilidad cuando no se hace


restriccin sobre el nmero de tratamientos o sobre el nmero de
aplicaciones en el experimento. Adems, algunas complicaciones que
podran surgir en el transcurso de un experimento son fciles de
controlar cuando se utiliza este diseo.

Tiene como desventaja que no es adecuado cuando se tiene un


nmero grande de tratamientos, o para el caso donde los bloques
completos presentan una considerable variabilidad.

22
Algunos Tipos de Diseo
Diseo en Cuadrado Latino
El diseo en cuadrado latino (DCL) se usa para eliminar dos fuentes de
variabilidad, es decir, permite hacer la formacin de bloques sistemtica en
dos direcciones. Por lo tanto, las filas y las columnas representan en
realidad dos restricciones sobre la aleatorizacin.
De esta forma, se llama cuadro latino a un arreglo experimental obtenido a
partir de una matriz cuadrada txt en la que aparecen t elementos diferentes
dados, de tal forma que cada fila y cada columna, contenga una sola vez
cada uno de los elementos en consideracin. Cada una de las t2 celdas
resultantes contiene una de las t letras que corresponde a los tratamientos,
y cada letra ocurre una y slo una vez en cada fila y columna.

XAVI BARBER 2008 23


Algunos Tipos de Diseo
Experimentos Factoriales

XAVI BARBER 2008 24


Algunos Tipos de Diseo
Experimentos Factoriales

XAVI BARBER 2008 25


Algunos Tipos de Diseo
Modelos Mixtos
Factor de efectos fijos es un factor en el que los niveles han sido
seleccionados por el experimentador. Es apropiado cuando el inters se
centra en comparar el efecto sobre la respuesta de esos niveles especficos.
Ejemplo: un empresario est interesado en comparar el rendimiento de tres
mquinas del mismo tipo que tiene en su empresa.

Factor de efectos aleatorios es un factor del que slo se incluyen en el


experimento una muestra aleatoria simple de todos los posibles niveles del
mismo. Evidentemente se utilizan estos factores cuando tienen un nmero
muy grande de niveles y no es razonable o posible trabajar con todos ellos.
En este caso se est interesado en examinar la variabilidad de la respuesta
debida a la poblacin entera de niveles del factor.
Ejemplo: una cadena de hipermercados que tiene en plantilla 300 trabajadores de
caja est interesada en estudiar la influencia del factor trabajador en la variable
tiempo en el cobro a un cliente.

26
Algunos Tipos de Diseo
Modelo de efectos fijos es un modelo en el que todos los factores son
factores de efectos fijos.

Modelo de efectos aleatorios es un modelo en el que todos los factores son


factores de efectos aleatorios.

Modelo mixto es un modelo en el que hay factores de efectos fijos y factores


de efectos aleatorios.

27
Resumen:
Para la realizacin de un experimento debes:

Conocer bien a que te enfrentas.

Seleccionar bien las variables a medir.

Realizar el experimento las veces adecuadas.

Analizar los datos.

Mostrar los resultados concluyendo coherentemente.

XAVI BARBER 2016 28


Resumen:
Esquematizar los pasos del anlisis estadstico.
El anlisis estadstico a realizar depende de:
Definir los objetivos del experimento,
el diseo seleccionado para la eleccin de una regla de asignacin de las unidades experimentales a las
condiciones de estudio (tratamientos).
el modelo asociado que se especific en la Ejecucin de un experimento piloto
Se deben esquematizar los pasos del anlisis a realizar que deben incluir:
estimaciones que hay que calcular,
contrastes a realizar,
intervalos de confianza que se calcularn
diagnosis y crtica del grado de ajuste del modelo a la realidad.

29
Resumen:
Determinar el tamao muestral.
Calcular el nmero de observaciones que se deben tomar para alcanzar los objetivos
del experimento.

Existen, dependiendo del modelo, algunas frmulas para determinar este tamao.
Todas ellas sin embargo requieren el conocimiento del tamao de la variabilidad no
planificada (no sistemtica y sistemtica, si es el caso) y estimarlo a priori no es fcil,
siendo aconsejable sobreestimarla. Normalmente se estima a partir del
experimento piloto y en base a experiencias previas en trabajos con diseos
experimentales semejantes.

30
Resumen:
Revisar las decisiones anteriores. Modificar si es necesario.
De todas las etapas enumeradas, el proceso de recogida de datos suele ser la tarea que mayor tiempo consume,
pero es importante realizar una planificacin previa, detallando los pasos anteriores, lo que garantizar que los
datos sean utilizados de la forma ms eficiente posible.
Es fundamental tener en cuenta que
Ningn mtodo de anlisis estadstico, por sofisticado que sea, permite extraer conclusiones correctas en un diseo de
experimentos mal planificado.

Recprocamente, debe quedar claro que el anlisis estadstico es una etapa ms que est completamente integrado en el proceso
de planificacin.

El anlisis estadstico no es un segundo paso independiente de la tarea de planificacin. Es necesario comprender la totalidad de
objetivos propuestos antes de comenzar con el anlisis. Si no se hace as, tratar que el experimento responda a otras cuestiones a
posteriori puede ser (lo ser casi siempre) imposible.

Pero no slo los objetivos estn presentes al inicio del anlisis sino tambin la tcnica experimental empleada. Una
regla de oro en la experimentacin y que debe utilizarse es la siguiente:
No invertir nunca todo el presupuesto en un primer conjunto de experimentos y utilizar en su diseo toda la informacin previa
disponible.

Finalmente indicar que todas las personas que trabajan en el experimento se deben implicar en el mismo, esto es:

Toda persona implicada en la ejecucin del experimento y en la recoleccin de los datos debe ser informada con precisin de la
estrategia experimental diseada.

31

También podría gustarte