Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE MECÁNICA
CARRERA DE INGENIERÍA INDUSTRIAL
DISEÑO EXPERIMENTAL
TAREA #1 PRIMER PARCIAL
SUPUESTOS Y PRINCIPIOS
NOMBRE Y CÓDIGO:
SOLEDAD MEZA 2047
SEMESTRE:
NOVENO “1”
DOCENTE:
ING. IVÁN ACOSTA
FECHA DE ENTREGA:
2019/03/26
INTRODUCCIÓN
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, Su uso en las aplicaciones son
múltiples- La experimentación proporciona los datos experimentales, en contraste con los
datos que generaría sin la inclusión de un factor perturbador caracterizado por un tratamiento.
Los datos obtenidos son las realizaciones obtenidas en las unidades elementales. Estos no
deben ser cambiados ni modificados por el investigador en el curso de la experimentación.
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
de tipo lineal.
Tomando en cuenta como se hace la selección de los tratamientos y otros factores se tienen
que los modelos se pueden clasificar como sigue:
Modelo I (Efectos Fijos): los tratamientos y demás factores que intervienen en un experimento
son fijados por el investigador. En ellos las conclusiones derivadas del análisis de varianza
solamente son válidas para los tratamientos y otros factores usados en el experimento. .
Modelo II (Efectos aleatorios): los tratamientos y demás factores que intervienen en un
experimento son elegidos al azar de una población. En estos casos las conclusiones del análisis
de varianza son válidas, tanto para los tratamientos y demás factores usados, así como para
todas las poblaciones de tratamientos y factores.
Modelo III (Modelo Mixto): este es la combinación de los dos anteriores y se presenta cuando
algunos factores son fijados y otros son elegidos al azar. En estos casos las conclusiones del
análisis de variancia serán válidas para toda la población de factores cuando estos son elegidos
al azar, y solamente para los factores usados cuando estos son fijados.
Suposición de Aditividad
La Prueba recomendada para investigar la falta de aditividad del modelo es la Prueba
de aditividad de Tukey, que desafortunademente no está disponible en este software.
Suposición de Independencia
Para verificar este supuesto graficar los residuos contra el orden del tiempo en el que se
recopilaron los datos es útil para detectar alguna correlación entre ellos. Una tendencia a
tener secuencias con residuos positivos y negativos indica la falta de independencia. (Ver
gráfico 1). 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
correlación.
Suposición de Normalidad
S1.- Los efectos de tratamientos y bloques son aditivos y las respuestas dentro de los bloques
tienen la misma tendencia con respecto a los efectos de los tratamientos.
S2.- Las observaciones en las bt=n celdas son muestras aleatorias de tamaño 1 de cada una de
las posibles n poblaciones
Los principios básicos del diseño experimental son: repetición, aleatorización, y control local.
http://aulavirtual.agro.unlp.edu.ar/mod/resource/view.php?id=2645