Estadística

Administrativa IV
UNIDAD IV
DISEÑO EXPERIMENTAL
PARA UN FACTOR
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.

• El Diseño de Experimentos tuvo su

inicio teórico a partir de 1935 por Sir
Ronald A. Fisher, quién sentó la base
de la teoría del Diseño Experimental y
que a la fecha se encuentra bastante
desarrollada y ampliada.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.

• Actualmente las aplicaciones son

múltiples, especialmente en la
investigación de las ciencias
naturales, ingeniería, laboratorios y
casi todas las ramas de las ciencias
sociales.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• CONCEPTUALIZACIÓN

– El diseño experimental es una técnica

estadística que permite identificar y
cuantificar las causas de un efecto dentro de
un estudio experimental.

– En un diseño experimental se manipulan

deliberadamente una o más variables,
vinculadas a las causas, para medir el efecto
que tienen en otra variable de interés.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• IMPORTANCIA

– El Diseño Experimental, como técnica de

investigación, toma importancia en los años
80 en donde se le da una aplicación
estadística de los proyectos de Seis Sigma
buscando el famoso número de 3,4 defectos
por millón de unidades producidas.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• IMPORTANCIA

– El diseño experimental busca entonces a

través de una serie de herramientas
estadísticas aplicadas metodizar los ensayos
de prueba y error para encontrar la mejor
combinación de variables independientes
que optimice una variable de respuesta en
unas circunstancias determinadas.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• ALCANCES DEL DISEÑO EXPERIMENTAL EN
EL ÁMBITO EMPRESARIAL.

– El diseño experimental se distingue por el

hecho de definir y controlar las variables
independientes antes de lanzarlas al
mercado, intentando distintos tipos de
estímulos a los que respondan los clientes,
antes de observar cómo ocurre
verdaderamente.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• ALCANCES DEL DISEÑO EXPERIMENTAL EN
EL ÁMBITO EMPRESARIAL.

– Puede establecer diferencias en su respuesta

que pueden atribuirse a los estímulos en
cuestión, como el envoltorio o el color de un
producto, y no a otros factores, como la
disponibilidad limitada del producto.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• ALCANCES DEL DISEÑO EXPERIMENTAL EN EL
ÁMBITO EMPRESARIAL.

– Aplicar los métodos de diseño experimental

requiere juicio empresarial y un grado de
sofisticación matemática y estadística

– Hoy en día, las empresas pueden recopilar

información 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 precisión.
4.1. Introducción, conceptualización,
importancia y alcances del diseño experimental
en el ámbito empresarial.
• ALCANCES DEL DISEÑO EXPERIMENTAL EN
EL ÁMBITO EMPRESARIAL.

– Aplicar los métodos de diseño experimental

requiere juicio empresarial y un grado de
sofisticación matemática y estadística
– Hoy en día, las empresas pueden recopilar
información 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 precisión.
4.2 Clasificación de los diseños
experimentales
• Diseño Completamente Aleatorizado

– Es el diseño mas simple y sencillo de

realizar en el cual los tratamientos se elijen
al azar entre las unidades experimentales o
viceversa.

– Este diseño tiene amplia aplicación cuando

las unidades experimentales son muy
homogéneas.
4.2 Clasificación de los diseños
experimentales
• Diseño en Bloques Completos Aleatorizados

– Al estudiar la influencia de un factor sobre una

variable cuantitativa es frecuente que Aparezcan
otras variables o factores que también influyen y
que deben ser controladas.

– A estas variables se las denomina variables

bloque, y se caracterizan por
• No son el motivo del estudio sino que aparecen de
forma natural y obligada en el mismo.
• Se asume que no tienen interacción con el factor en
estudio.
4.3 Nomenclatura y simbología en el
diseño experimental
• R. Asignación al azar o aleatoria.

• G. Grupo de sujetos.

• X. Tratamiento, estimulo o condición

experimental.

• O. Una medición de los sujetos de un

grupo. Si aparece antes del estimulo o
tratamiento se trata de una pre prueba. Si
aparece después del estimulo se trata de
una posprueba.
4.6 Supuestos estadísticos en las
pruebas experimentales
A. Aditividad
– Los factores o componentes del modelo estadístico
son aditivos, es decir la variable respuesta es la
suma de los efectos del modelo estadístico.

B. Linealidad
– La relación existente entre los factores o
componentes del modelo estadístico es del tipo
lineal.

C. Normalidad
– Los valores resultado del experimento provienen de
una distribución de probabilidad «Normal» con
media m y variancia S2.
4.6 Supuestos estadísticos en las
pruebas experimentales
D. Independencia
– Los resultados observados de un
experimento son independientes entre sí.

E. Variancias Homogéneas
– Las diversas poblaciones generadas por la
aplicación de dos o más tratamientos
tienen variancias homogéneas (variancia
común).
4.6 Supuestos estadísticos en las
pruebas experimentales
• Tabla ANOVA para Diseño
Completamente Aleatorizado
Fuente de Suma de Grados de Cuadrado Fo
variación cuadrados libertad medio

Tratamientos SStratamientos a-1 Mstratamientos

MStratamientos/
Error SSE a(n-1) MSE MSE

Total SST an-1

4.6 Supuestos estadísticos en las
pruebas experimentales
• Tamaños de muestra iguales
a n 2
y
SSt   yij 
2

i 1 j 1 N
Donde :
a : Cantidad de tratamientos
n : Cantidad de replicas
yij : Replica j del tratamiento i
y : Gran total
N : Total de observaciones
4.6 Supuestos estadísticos en las
pruebas experimentales
• Tamaños de muestra iguales
a 2 2
yi  y
SSTratamientos   
i 1 n N
Donde :
a : Cantidad de tratamientos
yi : Sumatoria del tratamiento i
y : Gran total
N : Total de observaciones
SS E  SST  SSTratamientos
4.6 Supuestos estadísticos en las
pruebas experimentales
• Tamaños de muestra diferentes
a n 2
y
SSt   yij 
2

i 1 j 1 N
Donde :
a : Cantidad de tratamientos
n : Cantidad de replicas
yij : Replica j del tratamiento i
y : Gran total
N : Total de observaciones
4.6 Supuestos estadísticos en las
pruebas experimentales
• Tamaños de muestra diferentes
a 2 2
yi  y
SSTratamientos   
i 1 ni N
Donde :
a : Cantidad de tratamientos
yi : Sumatoria del tratamiento i
y : Gran total
ni : Observaciones del tratamiento i
N : Total de observaciones
SS E  SST  SSTratamientos
4.6 Supuestos estadísticos en las
pruebas experimentales
• Hipótesis

H 0 :  1   2   3  ...   i
H1 :  1  0 para al menos una i

se rechaza H 0 si f 0  f ,a 1,a n 1

se rechaza H 0 si el valor-p  α
4.6 Supuestos estadísticos en las
pruebas experimentales
• Prueba de Duncan
 i - i  DMS Existe diferencia entre medias
 i - i  DMS No existe diferencia entre medias
Donde :
 i : Media del tratamien to i
DMS : Factor de comparació n de Duncan

DMS  qd EE 
donde :
qd : Valor de tabla de Duncan
CM E
EE 
r
4.8 Aplicaciones industriales
• Un fabricante de papel para hacer
bolsas para comestibles, se
encuentra interesado en mejorar
la resistencia a la tensión del
producto.
• El departamento de ingeniería del
producto piensa que la resistencia
a la tensión en una función de la
concentración de madera dura en
la pulpa y que el rango de
concentraciones de madera de
interés práctico está entre el 5% y
20%.
4.8 Aplicaciones industriales
• El equipo de ingenieros
responsables del estudio decide
investigar cuatro niveles de
concentración de madera dura:
5%, 10%, 15% y 20%. Deciden
hacer seis ejemplares de prueba
con cada nivel de concentración,
utilizando una planta piloto. Las
24 muestras se prueban, en orden
aleatorio, con una maquina de
laboratorio para probar la
resistencia.
4.8 Aplicaciones industriales
• La siguiente tabla muestra los datos de
este experimento

Concentración Observaciones
de madera Totales
1 2 3 4 5 6
dura
5% 7 8 15 11 9 10 60
10% 12 17 13 18 19 15 94
15% 14 18 19 17 16 18 102
20% 19 25 22 23 18 20 127
383

• Realice un análisis de varianza para

probar la hipótesis de que diferentes
concentraciones de madera dura no
afectan la resistencia del papel
4.8 Aplicaciones industriales

• La siguiente tabla muestra

los datos de este
experiemento
• Realice un análisis de
varianza para probar la
hipótesis de que diferentes
concentraciones de
madera dura no afectan la
resistencia del papel
4.8 Aplicaciones industriales

yij yi

Concentración Observaciones
de madera Totales
1 2 3 4 5 6
dura
5% 7 8 15 11 9 10 60
10% 12 17 13 18 19 15 94
15% 14 18 19 17 16 18 102
20% 19 25 22 23 18 20 127
383

y
4.8 Aplicaciones industriales
RESUMEN
Grupos Cuenta Suma Promedio Varianza
0.05 6 60
10.00 8.00
0.1 6 94
15.67 7.87
0.15 6 102
17.00 3.20
0.2 6 127
21.17 6.97
 4.8 Aplicaciones industriales

ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio de Valor crítico
F Probabilidad
variaciones cuadrados libertad los cuadrados para F

Tratamiento 382.79 3 127.60 19.61 0.00 3.10

Error 130.17 20 6.51

Total 512.96 23
4.8 Aplicaciones industriales

Prueba de Duncan
Tratamientos Diferencia DMS

20 5 21.17 10.00 11.17 3.32

20 10 21.17 15.67 5.50 3.23
20 15 21.17 17.00 4.17 3.07
15 5 17.00 10.00 7.00 3.10

15 10 17.00 15.67 1.33 2.95

10 5 15.67 10.00 5.67 2.95

4.6 Supuestos estadísticos en las
pruebas experimentales
• Tabla ANOVA para Diseño en Bloques
Completos Aleatorizados
Fuente de Suma de Grados de Cuadrado Fo
variación cuadrados libertad medio

Tratamientos SCTR k-1 CMTR= SCTR/k-1

Bloques SCBL b-1 CMBL= SCBL/b-1

CMTR/CME
CME= SCE/(k-
Error SCE (k-1)(b-1) 1)(b-1)

Total STC kb-1

4.8 Aplicaciones industriales

• En el Centro de Control de
Cleveland en Oberlin, Ohio,
se instalaron las tres
alternativas de estación de
trabajo. Se seleccionó a seis
controladores en forma
aleatoria y se le asignó a
cada sujeto uno de los
sistemas para que los
operara.
4.8 Aplicaciones industriales
• Después practicar una
entrevista y un examen médico
a cada uno de los participantes
en el estudio, se obtuvieron las
mediciones del estrés de cada
controlador en cada uno de los
tres sistemas. En la siguiente
tabla se presentan estos
resultados con la etiqueta
Blocks (bloques), Controller
(controlador), System (sistema)
y Treatments (tratamientos).
4.8 Aplicaciones industriales
• Diseño de bloques aleatorizados para la prueba de estrés en
los controladores de tráfico aéreo

TRATAMIENTOS

System A System B System C

Controller 1 15 15 18

Controller 2 14 14 14

Controller 3 10 11 15
BLOQUES
Controller 4 13 12 17

Controller 5 16 13 16

Controller 6 13 13 13
4.8 Aplicaciones industriales
Análisis de varianza de dos factores con una sola muestra por
grupo

RESUMEN Cuenta Suma Promedio Varianza

Controller 1 3 48 16 3
Controller 2 3 42 14 0
Controller 3 3 36 12 7
Controller 4 3 42 14 7
Controller 5 3 45 15 3
Controller 6 3 39 13 0

System A 6 81 13.5 4.3

System B 6 78 13 2
System C 6 93 15.5 3.5
 4.8 Aplicaciones industriales

ANÁLISIS DE VARIANZA

Origen de las Suma de Grados de Promedio de los Valor crítico

F Probabilidad
variaciones cuadrados libertad cuadrados para F

Bloques 30 5 6.00 3.16 0.06 3.33

Tratamientos 21 2 10.50 5.53 0.02 4.10

Error 19 10 1.90

Total 70 17
4.8 Aplicaciones industriales

• Hipótesis

H 0 :  1   2   3  ...   i
H1 :  1  0 para al menos una i

se rechaza H 0 si f 0  f ,a 1,a n 1

se rechaza H 0 si el valor-p  α
Diseño experimental para un
factor
• Homework

– Estadística para negocios y economía

• Anderson, Sweeney, Williams
• CENGAGE Learning
• 11 edición
– Pag. 523
» 8-12

– Pag 535
» 24-27