Está en la página 1de 11

Glosario

1. Experimento: Puede definirse como una prueba o serie de pruebas en las


que se hacen cambios deliberados en las variables de entrada de un
proceso o sistema para observar e identificar las razones de los cambios
que pudieran observarse en la respuesta de salida.

2. Diseño robusto: Se trata de un proceso que sea afectado en forma mínima


por fuentes de variabilidad externas.

3. Diseño factorial 2^2: Ambos factores tienen dos niveles y en el diseño se


usan todas las combinaciones posibles de los niveles de ambos factores
(dos factores, cada uno con dos niveles).

4. Diseño estadístico de experimentos: se refiere al proceso para planear el


experimento de tal forma que se recaben datos adecuados que puedan
analizarse con métodos estadísticos que llevarán a conclusiones válidas y
objetivas.

5. Realización de réplicas: Es la repetición del experimento básico.

6. Aleatorización: Se entiende que tanto la asignación del material


experimental como el orden en que se realizarán las corridas o ensayos
individuales del experimento se determinan al azar.

7. Formación de bloques: es una técnica de diseño que se utiliza para


mejorar la precisión de las comparaciones que se hacen entre los factores
de interés.

8. Diseño factorial: Po diseño factorial se entiende que en cada ensayo o


réplica completa del experimento se investigan todas las combinaciones
posibles de los niveles de los factores.

9. Efecto de un factor: se define como el cambio en la respuesta producido


por un cambio en el nivel del factor.
10. Enfoque de un factor a la vez: Este método consiste en seleccionar un
punto de partida, o línea base de los niveles, para cada factor, para
después variar sucesivamente cada factor en su rango, manteniendo
constantes los factores restantes en el nivel base.

11. Efecto principal: Es igual a la respuesta promedio observada en el nivel


alto de un factor, menos la respuesta promedio en el nivel bajo.

12. Interacción: Hay una interacción cuando uno de los factores no produce el
mismo efecto en la respuesta con niveles diferentes de otro factor.

13. Experimento factorial: Se trata de una estrategia experimental en la que


los factores se hacen variar en conjunto, en lugar de uno a la vez.

14. Experimento factorial fraccionado: es una variación del diseño factorial


básico en la que sólo se realiza un subconjunto de las corridas.

15. Diseño de ingeniería: donde se desarrollan productos nuevos y se hacen


mejoramientos en los productos existentes

16. Factores perturbadores: aquellos factores que pueden influir en la


respuesta experimental, pero en los que no hay un interés específico.

17. Factores potenciales del diseño: son aquellos que el experimentador


posiblemente quiera hacer variar en el experimento.

18. Factores del diseño: son los que se seleccionan realmente para
estudiarlos en el experimento.

19. Factores que se mantienen constantes: son variables que pueden tener
cierto efecto sobre la respuesta, pero que para los fines del experimento en
curso no son de interés, por lo que se mantendrán fijos en un nivel
específico.
20. Factor perturbador controlable: es aquel cuyos niveles pueden ser
ajustados por el experimentador.

21. Factor de ruido: Cuando un factor que varía de manera natural y que no es
controlable en el proceso puede controlarse para los fines de un
experimento, con frecuencia se le llama de esta manera.

22. Conocimiento del proceso: suele ser una combinación de experiencia


práctica y conocimientos teóricos.

23. Error estadístico: se origina por la variación que no está bajo control y que
generalmente es inevitable.

24. Error experimental: Las fluctuaciones, o el ruido, que se genera en los


resultados. Es común llamar a este ruido simplemente el error.

25. Variable aleatoria: Esta existe cuando hay presencia de un error o ruido en
la variable de respuesta.

26. Variable aleatoria discreta: Si el conjunto de todos los valores posibles de


la variable aleatoria es finito o contablemente infinito.

27. Variable aleatoria continua: Si el conjunto de todos los valores posibles de


la variable aleatoria es un intervalo.

28. Proceso de deducción: Es cuando las consecuencias derivadas de la


hipótesis pueden ser comparadas con los datos.

29. Proceso de inducción: Es cuando las consecuencias de la hipótesis


original y los datos no están de acuerdo, por lo que se inicia este proceso
para cambiar tal hipótesis.

30. Unidad experimental: Pieza(s) o muestra(s) que se utiliza para generar un


valor que sea representativo del resultado de la prueba.
31. Variable(s) de respuesta: A través de esta(s) variable(s) se conoce el
efecto o los resultados de cada prueba experimental por lo que pueden ser
características de la calidad de un producto y/o variables que miden el
desempeño de un proceso. El objetivo de muchos estudios experimentales
es encontrar la forma de mejorar la(s) variable(s) de respuesta.

32. Error aleatorio: Es la variabilidad observada que no se puede explicar por


los factores estudiados; resulta del pequeño efecto de los factores no
estudiados y del error experimental.

33. Matriz de diseño: Es el arreglo formado por los tratamientos que serán
corridos, incluyendo las repeticiones.

34. Planeación: Son actividades encaminadas a entender, delimitar el


problema u objeto de estudio y seleccionar variables de respuesta y
factores. Concluye con la especificación de los tratamientos a realizar y con
la organización del trabajo experimental.

35. Repetición: Es correr más de una vez un tratamiento o una combinación de


factores.

36. Bloqueo: Consiste en nulificar o tomar en cuenta, en forma adecuada,


todos los factores que puedan afectar la respuesta observada. Al bloquear,
se supone que el subconjunto de datos que se obtengan dentro de cada
bloque, debe resultar más homogéneo que el conjunto total de datos.

37. Niveles: Los diferentes valores que se asignan a cada factor estudiado en
un diseño experimental.

38. Tratamientos: Una combinación de niveles de todos los factores


estudiados (también llamado punto de diseño).

39. Diseño balanceado: Es cuando se utiliza el mismo número de repeticiones


en cada tratamiento.
40. Análisis de varianza (ANOVA): es la técnica central en el análisis de datos
experimentales. La idea general de esta técnica es separar la variación total
en las partes con las que contribuye cada fuente de variación en el
experimento.

41. Modelo de efectos fijos: Es cuando se estudian todos los posibles


tratamientos.

42. Notación de puntos: Sirve para representar de manera abreviada


cantidades numéricas que se pueden calcular a partir de los datos
experimentales.

43. Tabla de análisis de varianza: En ésta se resume el análisis de varianza


de un experimento, que sirve para probar las hipótesis de interés.

44. Método de comparaciones múltiples: Técnicas para comparar todos los


posibles pares de medias de tratamientos.

45. Diagramas de caja: Gráficos basados en los cuartiles de un conjunto de


datos.

46. Diferencia mínima significativa (LSD): Es la diferencia mínima que debe


haber entre dos medias muestrales para considerar que dos tratamientos
son diferentes.

47. Tratamiento control: Se refiere a un tratamiento estándar de referencia o a


la ausencia de tratamiento.

48. Método de Sheffé: Sirve para probar todos los contrastes de medias que
pudieran ser de interés, en particular aquellos que involucran a más de dos
medias.

49. Residuos: se definen como la diferencia entre la respuesta observada y la


respuesta predicha por el modelo, lo cual permite hacer un diagnóstico más
directo de la calidad del modelo, ya que su magnitud señala qué tan bien
describe a los datos el modelo.

50. Grafica de probabilidad en papel normal: Un procedimiento gráfico para


verificar el cumplimiento del supuesto de normalidad de los residuos
consiste en graficar los residuos en papel o en la gráfica de probabilidad
normal que se incluye casi en todos los paquetes estadísticos.

51. Varianza constante: Supuesto del ANOVA que se cumple cuando los
tratamientos tienen la misma varianza.

52. Fuentes de variabilidad: Son los factores que provocan la variabilidad en


los datos.

53. Bloque completo: La palabra completo en el nombre del diseño se debe a


que en cada bloque se prueban todos los tratamientos, o sea, los bloques
están completos.

54. Cuadro latino: Diseño en el que se controlan dos factores de bloque y uno
de tratamientos; los tres factores tienen la misma cantidad de niveles

55. Cuadro latino estándar: Cuadro latino que tiene en la primera columna y
en el primer renglón las letras en orden alfabético. Con el diseño en cuadro
grecolatino (DCGL) se controlan tres factores de bloque, además del factor
de tratamientos.

56. Error tipo I: Es el error que se comete cuando el investigador no acepta la


hipótesis nula siendo esta verdadera en la población. Es equivalente a
encontrar un resultado falso positivo, porque el investigador llega a la
conclusión de que existe una diferencia entre las hipótesis cuando en
realidad no existe.

57. Error tipo II: Se comete cuando el investigador no rechaza la hipótesis nula
siendo esta falsa en la población. Es equivalente a la probabilidad de un
resultado falso negativo, ya que el investigador llega a la conclusión de que
ha sido incapaz de encontrar una diferencia que existe en la realidad.

58. Estadístico: Cualquier función de los datos muéstrales que no contiene


parámetros desconocidos.

59. Estadístico de prueba: Es un número calculado a partir de los datos y la


hipótesis nula, cuya magnitud permite discernir si se rechaza o no la
hipótesis nula H0.

60. Región o intervalo de rechazo para la prueba: Al conjunto de posibles


valores del estadístico de prueba que llevan a rechazar H0.

61. Región o intervalo de aceptación para la prueba: A los posibles valores


donde no se rechaza H0 se les llama.

62. Estimador puntual: Es un estadístico que genera un valor numérico


simple, que se utiliza para hacer una estimación del valor del parámetro
desconocido.

63. Grados de libertad: Son la cantidad de información suministrada por sus


datos que usted puede "gastar" para estimar los valores de parámetros de
población desconocidos y calcular la variabilidad de esas estimaciones.

64. Hipótesis estadística: Es una afirmación sobre los valores de los


parámetros de una población o proceso, que es susceptible de probarse a
partir de la información contenida en una muestra representativa que es
obtenida de la población.

65. Inferencia estadística: Es hacer afirmaciones válidas acerca de la


población o proceso con base en la información contenida en una muestra.
La inferencia estadística por lo general se divide en estimación y prueba de
hipótesis, y se apoya en cantidades o datos estadísticos calculados a partir
de las observaciones en la muestra.
66. Intervalo de confianza: Es un rango de valores, derivado de los
estadísticos de la muestra, que posiblemente incluya el valor de un
parámetro de población desconocido.

67. Potencia de la prueba: Es la probabilidad de que la hipótesis nula sea


rechazada cuando la hipótesis alternativa es verdadera (es decir, la
probabilidad de no cometer un error del tipo II). A medida que aumenta la
potencia, las posibilidades de que se presente un error del tipo II
disminuyen.

68. Estimación: Al valor numérico particular de un estimador, calculado a partir


de los datos muestrales.

69. Distribución de muestreo: Se le llama así a la distribución de probabilidad


de un estadístico.

70. Cuadrados medios: Las sumas de cuadrados divididos entre sus


correspondientes grados de libertad.

71. Comparaciones de medias: Técnicas que tienen como objeto investigar


las medias que causan las diferencias detectadas en el ANOVA.

72. Principio de Pareto: Se refiere a que la mayoría de la variabilidad


observada se debe a unos pocos de los efectos posibles.

73. Factor fijo: Se refiere a que los niveles de prueba en un factor son todos
los niveles disponibles para éste.

74. Factor aleatorio: Cuando los niveles de prueba utilizados en un factor son
una muestra aleatoria de la población de niveles para ese factor.

75. Componentes de varianza: Son las contribuciones de cada efecto a la


variación total en el modelo de efectos aleatorios.
76. Modelo de efectos mixtos: Son experimentos en los que se consideran
factores aleatorios y factores fijos.

77. Diseño de parámetro o diseño robusto: Es la determinación de los


niveles de los parámetros o factores de proceso, de tal forma que cada
característica del producto se desempeñe con variación mínima alrededor
de su valor objetivo

78. Calidad según Taguchi: Es la pérdida que un producto causa a la


sociedad mientras se utiliza para los fines que fue hecho

79. Parámetro: Son los factores o variables del proceso

80. Función de pérdida: Cuantifica la pérdida social que un producto causa


cuando sus características de calidad se desvían de su valor ideal.

81. Diseño robusto: Experimento en el que se consideran factores de ruido,


con los cuales se quiere lograr un proceso o producto robusto.

82. Robustez: Es hacer un producto o proceso insensible o resistente a


factores de ruido que no son controlables.

83. Factor de ajuste: Es el factor clase III que afecta sólo la media de la
característica de calidad.

84. Factor señal: Factor de ajuste cuyo nivel de operación es seleccionado por
el usuario.

85. Ruido externo: Ambiente en el cual el proceso o producto se desempeña,


y carga de trabajo a que se somete.

86. Ruido interno: Variación generada por el proceso de unidad a unidad


debido a su tecnología y a la diversidad de sus componentes.

87. Deterioro: Efectos que aparecen poco a poco con el tiempo por la
degradación del proceso, y pueden llegar a causar fallas.
88. Arreglos ortogonales: Matrices de diseños factoriales completos,
fraccionados o mixtos que tienen la propiedad de ortogonalidad.

89. Diseño con arreglo interno y externo: Sirve para determinar condiciones
de operación robustas a uno o varios factores de ruido. Consiste en probar
todas las combinaciones es de los factores de ruido en cada combinación
de los factores de control.

90. Razón señal/ruido: Estadístico que mide la robustez en cada combinación


de los factores de control. Siempre se busca maximizarlo.

91. Conformidad: Cumplimiento de requisitos especificados mascados por


ciertas normativas planteadas al inicio del diseño.

92. Corridas: es un método que nos ayuda a evaluar el carácter de


aleatoriedad de una secuencia de números estadísticamente
independientes.

93. Variable: es un símbolo que puede ser reemplazado o que toma un valor
numérico en una ecuación o expresión matemática en general.

94. Correlación: Correspondencia o relación recíproca entre dos o más


acciones o fenómenos.

95. Valor P: es la probabilidad de que el estadístico de prueba asuma un valor


que sea al menos tan extremo como el valor observado del estadístico
cuando la hipótesis nula H0 es verdadera.

96. Factor cuantitativo: es aquel cuyos niveles pueden asociarse con puntos
en una escala numérica, como la temperatura, la presión o el tiempo.

97. Factores cualitativos: son aquellos cuyos niveles no pueden ordenarse


por magnitud. Los operadores, los lotes de materia prima y los cambios de
tumo son factores cualitativos típicos, ya que no existe ninguna razón para
ordenarlos bajo algún criterio numérico particular.
98. Análisis de regresión: Al enfoque general para ajustar modelos empíricos.

99. Mitad de gráfica normal: Es una gráfica del valor absoluto de las
estimaciones de los efectos contra sus probabilidades normales
acumuladas.

100. Confusión (o mezclado): es una técnica de diseño mediante la cual un


experimento factorial completo se distribuye en bloques, donde el tamaño
del bloque es menor que el número de combinaciones de los tratamientos
de una réplica.

101. Espacio inferencial del experimento: es el conjunto específico de los


niveles de los factores investigados.

También podría gustarte