MEDIAS DE DISEÑOS ALEATORIZADOS Y

DISEÑOS DE COMPARACIONES PAREADAS

Autores: Montes Villalba Candelaria; Julio Espinoza Rocío

e-mail: csv_99@hotmail.com
rojuespi@gmail.com
Atlántico, Barranquilla
Facultad de Ingeniería Industrial
Universidad Simón Bolívar

Resumen- En el presente documento daremos a conocer
la importancia de la media de diseños aleatorizados y
diseños de comparaciones pareadas, sus diferencias y
ejemplos que nos ayudaran a comprender cada tema y así
saber en qué momento usar cada uno cuando nos falte un
dato. En Diseño y Análisis de experimento la metodología
del diseño de experimentos se basa en la experimentación.
Es sabido que si se repite un experimento, en condiciones
indistinguibles, los resultados presentan una cierta
variabilidad, podemos concluir que los diseños de
experimentos consiste en determinar cuáles pruebas se
deben realizar y de qué manera, para obtener datos que, al
ser analizados, proporcionen evidencias objetivas que
permitan responder las interrogantes planteadas.
Abstract- In this document we will present the
importance of the mean of randomized designs and designs
of paired comparisons, their differences and examples that
will help us to understand each topic and thus know when
to use each one when we lack a data. In Experimental
Design and Analysis the experimental design methodology
is based on experimentation. It is known that if an
experiment is repeated, under indistinguishable conditions,
the results present a certain variability, we can conclude
that the designs of experiments consists in determining
which tests should be performed and in what way, to obtain
data that, when analyzed, provide objective evidence to
answer the questions raised.
El interés recae también en como asignar las unidades
experimentales a los tratamientos (o viceversa), para asegurar
un proceso imparcial. En este contexto surgen dos conceptos
básicos: la asignación debe hacerse con base en un diseño
completamente aleatorio, o en un diseño en bloques
completamente aleatorio.
En forma general se hace uso de un procedimiento
aleatorio sencillo como la generación de números aleatorios
para llevar a cabo el proceso de asignación. En este modelo
está implícito que las condiciones bajo las cuales será
observada la respuesta serán las mismas a lo largo de todo el
experimento. A veces el investigador observa que el
experimento no se puede conducir en el mismo ambiente,
debido principalmente a que no todas las unidades
experimentales son homogéneas; por lo tanto éstas hay que
clasificarlas en bloques homogéneos y se asignan todos los
tratamientos de forma aleatoria a las unidades de cada
bloque. La razón de agrupar en bloques es tomar en cuenta, y
de esta forma remover, la fuente de variación en la respuesta
que no es de interés, con lo que se incrementa la sensibilidad
para detectar diferencias entre los tratamientos. [1]
DIFERENCIA ENTRE LAS MEDIAS DE DISEÑOS
ALEATORIZADOS Y DISEÑOS DE
COMPARACIONES PAREADOS

DISEÑOS ESTADISITICOS Actualmente se llevan a cabo muchas prácticas de

El proceso por medio del cual se miden las observaciones
de las respuestas se centra en el diseño estadístico. En
general, en los experimentos diseñados estadísticamente, las
unidades experimentales deben seleccionarse en forma
imparcial, así como los tratamientos aplicados a estas,
mediante un proceso aleatorio, con el propósito de remover
los posibles sesgos sistemáticos.
Es de especial importancia el concepto de repetición. El
propósito es medir el error experimental.
experimentos para obtener una solución de aquello que
queremos estudiar. Generalmente los estudios experimentales
suelen tener alta comparabilidad entre grupos pero poca
representatividad, a diferencia de los observacionales que
generalmente tienen más validez externa que interna. [2]
En el diseño completamente aleatorizado cuando se
dispone de N unidades y se han de investigar K tratamientos
es el adecuado para el estudio, en él se puede estudiar
cualquier número de tratamientos y se puede usar en toda
clase de experimento. [3] [4]
Diremos que dos muestras son independientes cuando no
se establece ninguna relación previa al análisis entre las
unidades de una y otra muestra. Por ejemplo, sujetos de uno
y otro curso, enfermos de dos consultorios, hombres
comparados con mujeres. En cambio, diremos que se trata de
muestras pareadas si en forma previa al análisis, se forman
parejas entre los individuos de una muestra con los
individuos de la otra muestra. [5]
Cada una de las hipótesis sobre las que habitualmente se
fundamentan las pruebas estadísticas de comparación de
grupos es que las observaciones pertenecientes a cada una de
las muestras son independientes entre sí, no guardan relación;
siendo precisamente ese uno de los objetivos de la
aleatorización (elección aleatoria de los sujetos o unidades de
observación, asignación aleatoria del tratamiento a cada
paciente, etc.). [6] [7] Sin embargo, la falta de
independencia entre las observaciones de los grupos puede
ser una característica de diseño del estudio para buscar
fundamentalmente una mayor eficiencia del contraste
estadístico al disminuir la variabilidad. [8] [9] En otras
ocasiones con este tipo de diseño pareado lo que se busca es
dar una mayor validez a las inferencias obtenidas,
controlando o eliminando la influencia de variables extrañas
cuyo efecto ya es conocido o sospechado, y no se desea que
intervenga en el estudio actual pudiendo enmascarar el efecto
del tratamiento o de la variable de interés. [10] [11]
Las medias de los dos tipos de diseño mencionados
anteriormente son diferentes. La media en diseño de
comparaciones pareadas se diferencia puesto que en estos
casos es inevitable hacer una comparación entre los cambios
sufridos en dos momentos diferentes en el tiempo (Antes y
después) a los mismos sujetos de análisis o identificar
posibles cambios en variables que están relacionadas de
alguna manera. [12] [13] Valga decir, una pareja de esposos
tiene mucho que ver en diferentes aspectos en los hábitos de
vida y, por lo tanto, se puede considerar como poblaciones
relacionadas [14] [15]. Al calcular la media se debe calcular
en primera instancia la diferencia de las series de datos en el
tiempo [16] [17].
Para el diseño aleatorizado, la media se calcula, sumando
todos los datos y dividendo el resultado entre el total de datos
sumados [18] [19]. Claro está que la media siempre se
calculara de la misma forma, pero dependiendo del tipo de
datos, hay que hacer ciertos procedimientos adicionales para
poder calcular correctamente la media. [20] [21]
EJEMPLO:
Cuando comparamos dos poblaciones sería ideal que las
dos poblaciones sean similares en todos los aspectos menos
en el factor o tratamiento que se está estudiando. Suponga
que estamos estudiando los sueldos de hombres y mujeres y
tomamos una muestra aleatoria de 4 matrimonios.
Esta muestra se dice pareada y el tamaño muestral
corresponde al número de pares, no al número de individuos.
Cuando los datos son pareados, nos interesa comparar las
respuestas de cada par. Entonces, analizaremos las
diferencias entre las respuestas de cada par. [22] [23]
La ventaja principal de los diseños pareados es que nos
ayudan a reducir el sesgo por variables contundentes
Podemos parear sujetos según edad, sexo, estado de salud,
etc. [24] [25] Generalmente las variables que se eligen para
parear son variables que pueden influenciar la respuesta.
Cuando comparamos los resultados de observaciones
pareadas, los efectos de estas variables de pareamiento se
cancelan. Dependiendo del problema a investigar podemos
parear sujetos según edad o sexo o estado de salud, etc. [26]
[27] [28]
PRUEBA PARA LA MEDIA
Cuando se estudia el comportamiento de un proceso o un
fenómeno suelen interesar su media y varianza (o desviación
estándar). En particular, al estudiar la media m, es de interés
preguntarse si ésta es igual, mayor o menor a cierto valor μ0,
donde μ0 es un número conocido. [29] [30] Por ejemplo,
puede ser de interés investigar si el rendimiento promedio del
proceso durante esta semana es igual, mayor o menor que el
de la semana anterior, μ0. Cualquiera de estas tres preguntas
se responde planteando una hipótesis estadística adecuada.
Las hipótesis se pueden probar suponiendo la varianza
poblacional σ2 conocida o desconocida. Sin embargo, como
en la mayoría de los problemas es irreal suponer de antemano
que se conoce la varianza, nos limitamos a describir el caso
cuando σ2 no se conoce. [31] [32] [33]
 CONCLUSION
Con este trabajo nos dimos cuenta de la importancia que [11] W. Gertrude, Diseños experimentales, Mexico, 1995.
tiene la estadística en la vida diaria, con sus cálculos y uso se
pueden encontrar optimas soluciones para la mejora de la [12] P. Silva, Aplicacion de un diseño estadistico de
misma. Siempre se debe tener en cuenta para encontrar las experimentos, El Quinche, 2012.
medias o promedios, es mirar si los datos están relacionados
o son dependientes de otros datos. [34] [35] [13] L. Roldan, «Analisis de varianza,» Universidad de
Barcelona, Barcelona.
La comparación de medias en un sentido más general,
abarca la comparación de los valores de una variable [14] K. Carlos, Diseño de experimentos, principios y
continua según los valores de una variable (o factor) que se analisis, Mexico: Thomson Editorial, 2001.
puede resumir en dos o más categorías y que se engloban
dentro de las pruebas para datos independientes, así como la [15] S. Martinez, Fundamento de estadisticas para la ciencia
de la vida, Madrid: Pearson educacion, 2012.
comparación de los valores de una variable continua
evaluada en dos o más momentos en el tiempo (por ejemplo
comparar si hay diferencias entre la medición de la presión [16] F. Saul, Metodologia de la investigacion social,
Barcelona: Commons, 2015.
arterial realizada por la mañana o por la noche) y que
englobaríamos dentro de las pruebas para datos apareados.
[17] W. C. T, Design and analysis, Prentice Hall, 2004.

[18] A. Diaz, Diseño estadistico de experimentos, Bogota:

REFERENCIAS
Universidad Nacional, 2009.

[1] Helvia, «Junta de Anda Lucia,» 2005. [En línea]. [19] G. Cous, Diseño de experimentos, analisis de varianza,
Available: Grupo universitario, 1998.
http://www.juntadeandalucia.es/averroes/centros-
tic/14002996/helvia/aula/archivos/repositorio/250/295/h
[20] G. Jouss, Prueba de aleatorizacion vs. distribucion f,
tml/estadistica/diseno.htm. [Último acceso: 04 2019.
Valencia: Universidad de Valencia.

[2] J. Montoya, L. Sanchez y P. Torres, «Diseños

[21] G. Box, Investigacion, diseño e innovacion, Barcelona:
Experimentales ¿Que son, Como se utilizan?,» Umar,
Reverte S.A, 2008.
vol. XV, nº 43, pp. 61-70, 2011.

[22] A. Arcienega y C. Martinez, «Universidad Pontificia

[3] P. Carmelo, «Slideshare,» 11 10 2013. [En línea].
Javeriana,» 2011. [En línea]. Available:
Available: https://es.slideshare.net/carmelopy/diseo-
https://repository.javeriana.edu.co/bitstream/handle/105
completalmente-aleatorio-1. [Último acceso: 04 2019].
54/7456/tesis630.pdf?sequence=1&isAllowed=y.
[Último acceso: 04 2019].
[4] L. P. A., «Diseño Estadistico de Ecperimentos,» de
“Diseño estadístico de experimentos, análisis de la
[23] G. Yens, The Design and Application of generic AHP,
varianza y temas relacionados", Proyecto sur, 2001.
System Evaluation, 2008.
[5] F. Quevedo, «Pruebas de hipotesis para comparar dos
[24] G. M, Investigacion Comercial 22 casos practicos,
muestras,» Revista MedWave, 2011.
España, 2000.
[6] H. Robert, Metodologia de la investigacion, Mexico:
[25] H.-Y. S., Evaluation for urban sustainable, Lanzhou,
McGraw-Hill, 1991.
China, 2009.

[7] K. F, Investigacion del comportamiento, Mexico:

McGraw-Hill, 2002.
[8] D. Anderson, Estadistica para administracion
economia, Mexico: Thomson Editores, 1999.
[9] K. Rodriguez, Estadistica industtrial moderna, diseño y
control de la calidad, Mexico: Thomson Editores, 2000.
[26] L. PARRA, Diseño estadistico de experimentos, temas
relacionados, Proyecto Sur, 2001.
y
[27] P. Juste, G. Llamas y G. Pascual, Estadistica aplicada a
la educacion, Madrid: UNED- PEARSON, 2009.
[28] V. V. B., «Analisis Estadisitico con SPSS,» Estadistica
Basica, nº 3, 2007.

[29] R. d. l. Vara, Analisis y diseño de experimento, Mexico:

[10] H. Gutierrez, Analisis y diseño de experimentos,
McGraw-Hill.
Mexico, 2012.
[30] H. E. Levene, «Utalca,» 1960. [En línea]. Available:
http://dta.utalca.cl/estadistica/ejercicios/interpretar/Meto
dos/apuntes.pdf. [Último acceso: 04 2019].

[31] M. Rubio y V. Berlanga, «Cómo aplicar las pruebas

paramétricas bivariadas t de studen y Anova,» REIRE,
vol. V, nº 2, 2011.

[32] F. Libarde, «Academia,» 2010. [En línea]. Available:

https://www.academia.edu/5393431/EL_ESCALAMIE
NTO_DE_OBJETOS_LAS_COMPARACIONES_PAR
EADAS_THURSTONE_. [Último acceso: 04 2019].

[33] R. Salvador y L. Amaya, «researchgate,» 02 2013. [En

línea]. Available:
https://www.researchgate.net/publication/283351444_M
etodologia_del_Diseno_Experimental. [Último acceso:
04 2019].

[34] J. M. Perez, Estrategia de utilizacion del diseño de

experimentos, ProQuest, 1998.

[35] L. Molinero, «Alceingenieria,» 2003. [En línea].

Available:
https://www.alceingenieria.net/bioestadistica/pareadas.p
df. [Último acceso: 04 2019].