ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO

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.

El diseño de experimento identifica el planear un experimento para obtener la información

requerida sobre un problema de interés para tomar decisiones estadísticamente correctas. El
diseño del experimento es una etapa fundamental de la experimentación, que permite
obtener datos que pueden ser procesados a posteriori, para hacer deducciones
estadísticamente válidas sobre el problema estudiado. El enfoque estadístico del diseño
experimental permite el uso de métodos que permiten obtener la mayor cantidad de
información válida acerca de una investigación, teniendo en cuenta el factor costo
garantizando un pequeño error experimental.

HIPÓTESIS DE LOS MODELOS ESTADÍSTICOS

Los supuestos de cada modelo estadístico son:

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.

c. Normalidad: Los valores resultados del experimento provienen de una distribución de

Probabilidad Normal con media y variancia   .

d. Independencia: Los resultados observados de un experimento son independientes entre sí.

e. Variancias Homogéneas (Homocedasticidad): Las diversas poblaciones generadas por la
aplicación de los tratamientos tienen variancias homogéneas (variancia común).

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.

VALIDACIÓN DE LOS SUPUESTOS DEL MODELO

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 Homogeneidad de varianzas (Homocedasticidad)

 Residuos contra el orden del tiempo

 Residuos contra los valores estimados
 Las medias con las varianzas o con los desvíos estándar
 Residuos contra los niveles de los factores
 Dentro de las pruebas empleadas para contrastar la Homogeneidad de Varianzas se
encuentran el test de Bartlett, el test de Cochran, el test de Hartley, el test de Levene,
entre otras

Suposición de Normalidad

 Histograma de los residuos

 Probabilidad normal acumulada de los residuos
 Quantile – Quantile Plot Normal (Q-Q plot normal)
 También existen una serie de pruebas para contrastar la Normalidad de los datos. El
Test de Chi-Cuadrado, test W de Shapiro-Wilks, Kolmogorov-Smirnov, son algunas de
las pruebas de las que se dispone para verificar el cumplimiento de este supuesto.

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

S3.-Todas las poblaciones son normalmente distribuidas.

S4.-Las varianzas de cada una de las poblaciones son iguales (homocedasticidad)

PRINCIPIOS BÁSICOS DEL DISEÑO EXPERIMENTAL:

Los principios básicos del diseño experimental son: repetición, aleatorización, y control local.

Repetición: es la reproducción o réplica del experimento básico (asignación de un

tratamiento a una unidad experimental). Estas se usan para obtener una estimación
del error experimental. A mayor número de repeticiones le corresponde estimaciones
más precisas del tratamiento en estudio.
 Aleatorización: La aleatorización mide y reduce el error. Consiste en la asignación al
azar de los tratamientos en estudio a las unidades experimentales para garantizar la
no presencia de sesgo. Esta soporta la validez de los métodos de inferencia y las
pruebas estadísticas. En los diseños experimentales la aleatorización es como se
distribuyen los sujetos en los diferentes grupos que forman parte del estudio. El
primer ensayo clínico aleatorizado se efectuó en 1.947 por Sir Austin Bradford Hill y lo
llevó a cabo sobre el efecto de la Estreptomicina en la Tuberculosis, es el primer
estudio realizado con un diseño experimental, hasta ese momento el diseño se
realizaba era el “estudio de casos”, estudios observacionales simples.
Ejemplo: para un estudio de la incidencia de tuberculosis se fijarían grupos de
personas que con características similares como estructura de edad, idéntica
proporción de género y raza. , posteriormente se procedería a la comparación del
efecto de los distintos sueros citostáticos en cada uno de los grupos.
Control o Control del error Experimental: Consiste en tomar medidas dentro del
diseño experimental que le hagan más eficiente y confiable controlando todas la
posibles fuentes externas de error y así hacer las pruebas más sensibles a cualquier
prueba de significación.

http://aulavirtual.agro.unlp.edu.ar/mod/resource/view.php?id=2645