Está en la página 1de 3

Diferencias en las medidas de diseño aleatorizados y

diseños de comparaciones pareadas.


Cesar De Las Salas Gutiérrez, Diana Pertuz Chamorro
Barranquilla, Atlántico
Universidad Simón Bolívar
Cesar1922_@hotmail.com, dianacarolp@hotmail.com

RESUMEN.
Con este artículo se pretende examinar los experimentos para II. METODOLOGIA PARA LA APLICACIÓN DEL
comparar dos condiciones (llamadas en ocasiones DISEÑO COMPLETAMENTE ALEATORIZADO
tratamientos), a las cuales es común denominar experimentos (DCA).
comparativos simples. El estudio lleva a revisar varios
conceptos básicos de la estadística, como variables aleatorias, Este diseño es adecuado cuando se dispone para el
distribuciones probabilidad, muestras aleatorias, experimento de un total de N unidades y se han de investigar
distribuciones de muestreo y pruebas de hipótesis. K tratamientos (o niveles de los factores).

Es el más simple de los diseños, usado cuando se cuenta con


un material experimental homogéneo o sea con variabilidad
ABSTRACT. relativamente pequeña y uniformemente repartida.

This article aims to examine the experiments to compare two En el que se puede estudiar cualquier número de tratamiento
conditions (sometimes called treatments), which are (ya sean niveles de un solo factor o combinaciones de niveles
commonly referred to as simple comparative experiments. de varios factores). Se puede usar en toda clase experimento
The study leads to review several basic concepts of statistics, (homogéneos): animales de una misma raza, camadas de un
such as random variables, probability distributions, random mismo padre, prueba de invernadero, establos, personas de
samples, sampling distributions and hypothesis tests. una misma edad, otros y empleándose un buen número de
repeticiones.

1. ventajas del diseño DCA:


I. INTRODUCCIÓN
- El número de tratamientos y repeticiones no es limitado y
El diseño de experimentos es una técnica que consiste en solo depende del número de unidades homogéneas
realizar una serie de experimentos en los que se inducen disponibles.
cambios deliberados en las variables de un proceso, de
manera que es posible observar e identificar las causas de los - El número de repeticiones puede variar en los diferentes
cambios en las respuestas de salida. Con esta técnica se puede tratamientos (diseño no balanceado), aunque es referible tener
conseguir, por ejemplo, mejorar el rendimiento de un proceso igual número (balanceado).
y reducir su variabilidad o los costos de producción. Su
aplicación en la industria comprende campos como la -El análisis estadístico es sencillo: comparación de mediadas
Química, la Mecánica, los materiales, la Ingeniería Industrial y análisis de varianza.
o la Electrónica.
-La simplicidad del análisis persiste aun con la perdida de una
o más unidades experimentales o todo un tratamiento.
A pesar de que el diseño de experimentos se define como una
herramienta eficaz para mejorar y optimizar procesos y -El número de grados de libertad para estimar el error
productos, su aplicación no es muy habitual en las industrias. experimental es máximo.
Los ingenieros utilizan limitadamente las técnicas estadísticas
avanzadas para solucionar sus problemas, pues están 2.- Desventajas:
condicionados por no tener conocimientos estadísticos. En
consecuencia, es objeto de este articulo mostrar de una -Baja precisión y eficiencia cuando las unidades son
manera sencilla, la metodología que seria recomendable heterogéneas, hecho que lleva a sobrestimar a la varianza del
seguir para llevar a cabo un diseño de experimento. error de estimación.
-Requiere material experimental homogéneo. III. METODOLOGIA PARA LA APLICACIÓN DEL
DISEÑO DE COMPARACIONES PAREADAS.

3.- Usos: Una de las hipótesis sobre las que habitualmente se


fundamentan las pruebas estadísticas de comparación de
-Útil cuando una porción grande de unidades pueden no grupos es que las observaciones pertenecientes a cada una de
responder o pueden perderse. las muestras son independientes entre si, no guardan relación;
siendo precisamente ese uno de los objetivos de la
-Si las unidades experimentales son uniformes, es el más aleatorización (elección aleatoria de los sujetos o unidades
eficiente de los diseños. observación, asignación aleatoria del tratamiento a cada
paciente, etc.). Sin embargo, la falta de independencia entre
-Útil en los experimentos donde hay limitación en el número las observaciones de los grupos puede ser una característica
de unidades experimentales de diseño del estudio para buscar fundamentalmente una
mayor eficiencia del contraste estadístico al disminuir la
variabilidad. En otras ocasiones con este tipo de diseño
4.- Aleatorización en el DCA. pareado lo que se busca es dar una mayor validez a las
inferencias obtenidas, controlando o eliminando la influencia
Los tratamientos se distribuyen en las unidades de variables extrañas cuyo efecto ya es conocido o
experimentales en forma completamente aleatorizada, para sospechoso, y no se desea que intervenga en el estudio actual
que todos tengan iguales condiciones y de este modo pudiendo enmascarar el efecto del tratamiento o de la variable
permitan estimar válidamente el error experimental. de interés.
Una vez definidos, numero de tratamientos y número de 1. Pruebas pareadas para variables cuantitativas.
unidades experimentales disponibles se hace hacia la
asignación por cualquiera de los siguientes métodos: Si estamos comparando un resultado cuantitativo en dos
grupos de datos, a partir de muestras extraídas de forma
a) usando fichas de lotería.
aleatoria de una población normal, siendo 𝒏𝑨 el tamaño de la
b) usando tablas de números aleatorios.
c) usando tarjetas o boletas numeradas, en este caso del 1 a 20 primera muestra y 𝒏𝑩 el de la segunda, la cantidad:
sacándolas al azar de una caja o bolsa.
(YB − YA ) − (µB − µA )
𝒕=
5.- Método de análisis – Modelo estadístico. 𝟏 𝟏
𝑺√ n + n
A B
El modelo estadístico que describe las respuestas de N
observaciones es:
Donde YB − YA son las medias muéstrales, µB − µA las
correspondientes medias poblacionales, S la desviación típica
Yij = µ + ī īj + Eij maestral conjunta, se distribuye como una t de Student con
nA + nB -2 grados de libertad, proporcionándonos una
referencia probabilística con la que juzgar si el valor
𝑖 = 1,2 … 𝑟 observado de diferencia de medias nos permite mantener la
hipótesis planteada, que será habitualmente la hipótesis de
igualdad de las medias (por ejemplo, igualdad de efecto de los
tratamientos), o lo que es lo mismo nos permite verificar si es
𝑗 = 1,2 … 𝑡 razonable admitir que nA − nB = 0 a la luz de los datos
obtenidos en nuestro experimento.

Donde rj = número de repeticiones del tratamiento j-esimo,


t= número de tratamientos Yij = es la observación (i , j).
Las comparaciones pareadas superan varios problemas de las
escalas tradicionales de orden de rango. En primer lugar, a
µ, Es un parámetro común a todos los tratamientos y las personas les resulta más fácil elegir o seleccionar un
corresponde a la media total de la población. aspecto de una serie de dos, que clasificar un gran conjunto
de datos. En segundo, se superó el problema de sesgo del
īj, Es un parámetro único debido al tratamiento j-simo. orden: en el ordenamiento de aspectos o de preguntas no hay
un patrón que cree una fuente de sesgo.
Eij Es la componente del error aleatorio.
En el lado negativo, debido a que se evalúan todos los pares
posibles el número de comparaciones pareadas se incrementa
geométricamente a medida que el número de objetos que se
van a evaluar crece aritméticamente. Por consiguiente, el
número de objetos que se van a evaluar debe ser bastante el de apoyar relaciones causa efecto, que tendrán que ser
reducido para impedir que el entrevistado se fatigue. verificadas mediante estudios analíticos con un mayor poder
en la escala de causalidad

Hipótesis nula ( H0 ): “no hay diferencias entre muestras”. REFERENCIAS:


A=B.
https://victoryepes.blogs.upv.es/2013/04/27/diseno-
Hipótesis alternativa ( HA ): “si hay diferencias entre completamente-al-azar-y-anova/
muestras”. A҂B
https://www.alceingenieria.net/bioestadistica/pareadas.pdf
2. Formula estadística.
1 2
[|𝑣𝑎𝑙𝑜𝑟𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝐴 −𝑣𝑎𝑙𝑜𝑟_𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜|− ]
1 2
[|𝑣𝑎𝑙𝑜𝑟𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝐵 −𝑣𝑎𝑙𝑜𝑟_𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜|− ]
https://es.slideshare.net/ruthsalinasc/presentacin-mtodos-
𝑥2 = 2
+ 2
diferencias
𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜

http://analiticas08.blogspot.com/2008/11/prueba-de-
Dónde: comparacion-pareada.html
https://es.scribd.com/document/126827479/DISENO-CON-
valor observado: número de muestras diferentes. DATOS-PAREADOS-docx
https://www.fisterra.com/mbe/investiga/noParametricos/noPa
Valor esperado: es el 50% de las respuestas dadas, porque la rametricos.asp
probabilidad de acierto es de ½
Altman DG. Practical Statistics for Medical Research.
London: Chapman & Hall, 1991. [Índice]
3. Formula de evaluación sensorial.
Armitage P, Berry G. Estadística para la investigación
[(E − F) − 1] 2 biomédica. 3ª ed. Barcelona: Doyma; 1997.
𝑥2 =
n Milton JS., Tsokos JO. Estadística para biología y ciencias de
la salud. 3ª ed. Madrid: Interamericana McGraw Hill; 2007.
Dónde:
Pértega Díaz S, Pita Fernández S. Métodos paramétricos para
E: éxitos o aciertos (el evaluador encuentra la diferencia). la comparación de dos medias. T de Student. Cad Aten
F: fracasos o errores (el evaluador no encuentra la Primaria 2001; 8. 37-41. [Texto completo]
diferencia).
n: número de juicios emitidos por el panel de evaluadores. Pértega Díaz S, Pita Fernández S. La distribución normal.
Cad Aten Primaria 2001; 8: 268-274. [Texto completo]

4. Paneles de evaluación sensorial. http://dta.utalca.cl/estadistica/ejercicios/interpretar/Metodos/


apunte2.pdf
Los paneles de evaluación sensorial se agrupan en tres tipos:
paneles de expertos altamente adiestrados, paneles de http://www.juntadeandalucia.es/averroes/centros-
laboratorio (jueces entrenados) y paneles de consumidores tic/14002996/helvia/aula/archivos/repositorio/250/295/html/e
(utiliza un numero grande de jueces no entrenados). stadistica/diseno.htm
Los dos primeros se utilizan en control de calidad en el
desarrollo de nuevos productos. Los paneles de http://dm.udc.es/asignaturas/estadistica2/sec3_7.html
consumidores se utilizan más para determinar la reacción del
consumidor hacia el producto. https://www.youtube.com/watch?v=noAfbyCxtd8

CONCLUSION: https://www.psicologia-online.com › PIR › Psicología


experimental
En este ensayo se han descrito las diversas alternativas y1.
variantes de los diseños de casos y controles, cuya elección2. http://jpadilla.docentes.upbbga.edu.co/Dise%C3%B1o_de_Ex
depende del tipo de información disponible y del perimentos/10-
conocimiento metodológico y analítico, así como de la Dise%C3%B1o%20de%20bloques%20completos%20%20Al
imaginación e intuición del investigador para plantear un eatorizados.pdf
diseño de estudio y dar una respuesta válida a la pregunta de
la investigación. A este respecto es necesario destacar que si https://forum.wordreference.com
las variables en estudio son dependientes del tiempo, los
diseños de estudio anidados pueden resultar ideales. www.ub.edu/deia/archivos/090323151323_D._Experimentale
Finalmente, podemos mencionar que los estudios de casos y s_Tema_5.ppt
controles, igual que otros estudios observacionales, están
sujetos a la acción de diferentes sesgos, por lo que no tienen
como principal objetivo el de generalizar sus hallazgos, sino

También podría gustarte