Unidad 3 Diseños Experimentales

3.1. Conceptos Básicos

Un experimento diseñado es una prueba o serie de pruebas en las cuales se inducen cambios deliberados en
las variables de entrada (factores controlables, susceptibles a manipulación) de un proceso o sistema,
de manera que sea posible observar e identificar las causas de los cambios en la variable de salida (variable
respuesta, variable dependiente no manipulable).

Suponga, por ejemplo, que el ejecutivo de marketing de la empresa ALOA S.A., desea saber si los tipos de
promoción (variable independiente) de un producto influye en las ventas de este (variable
dependiente), y de ser así qué promoción sería la recomendable. Por lo tanto, se plantea tres promociones
distintas: P1, P2, P3.

Procedimiento:

¿La diferencia en las ventas promedios obtenidas con las diferentes promociones en la muestra
nos indica que efectivamente las promociones influyen en las ventas, o sólo se debe a la
variabilidad inherente al muestreo? ¿La promoción 3 es más efectiva?

Factor: Es una variable independiente o de entrada que puede afectar los resultados del experimento.
Los factores se pueden clasificar en controlables y no controlables.
El interés principal del experimentador es evaluar el efecto de estos factores. En el ejemplo anterior, la
promoción es el factor en estudio. A los distintos valores de los factores en estudio que son evaluados
se les llama niveles del factor. En el ejemplo, el factor promoción tiene tres niveles.
1
 Un experimento diseñado puede tener uno, dos o más factores en estudio, por ejemplo, podríamos
estar interesados en evaluar no sólo las promociones sino además las zonas y el interés radicaría en
saber si las promociones tienen un efecto distinto en las zonas donde se aplican (¿hay interacción entre
la promoción y las zonas?). En este caso los factores son: Promoción y Zona.
Tratamiento: Un tratamiento corresponde a los niveles de un factor o a una combinación de los niveles
de dos o más factores en estudio y cuyo efecto se mide y compara con los de otros tratamientos.
Unidad experimental: Es la unidad a la cual se le aplica un tratamiento y en la cual se mide el efecto
de un tratamiento. En el ejemplo, la unidad experimental sería una tienda.
Variable respuesta: Es la variable en la cual se evaluarán los efectos de los tratamientos. En el ejemplo,
la variable respuesta sería las ventas.
Error experimental: Es la variabilidad existente entre los resultados de unidades experimentales
tratadas en forma similar. Cualquier factor no controlable contribuye al error experimental. El error
experimental proviene de dos fuentes principales: variabilidad inherente al material experimental y
variabilidad resultante de cualquier falta de uniformidad en la realización física del experimento
En el ejemplo, a pesar de que se aplicó la promoción 1 a las cuatro tiendas, sus ventas son distintas.

En este curso se presentan dos casos de análisis:

1. El diseño completamente al azar (DCA): Este es un diseño en el que sólo se contempla un factor
de estudio.
2. El experimento factorial AxB: Este es un diseño con dos factores en estudio, con a y b niveles
respectivamente.

3.2. Diseño Completamente al Azar (DCA)

Objetivo: Medir el efecto del factor en estudio (variable independiente de naturaleza

cualitativa o cuantitativa) sobre la variable respuesta (variable dependiente de naturaleza
cuantitativa).

Suponga que se cuenta con los resultados de k muestras aleatorias independientes, cada una de tamaño ni,
obtenidas desde k diferentes poblaciones y se desea probar la hipótesis de que las medias de estas k
poblaciones son todas iguales. Las poblaciones que se desea comparar suelen ser producto de la aplicación
de distintos tratamientos a ciertas unidades de análisis. Considere por ejemplo el caso en el que se desea
comparar el efecto de cinco programas de incentivos en la productividad de los trabajadores; en este caso,
los cinco programas de incentivos serían los cinco tratamientos aplicados (los cuales definen las cinco
poblaciones que se van a comparar), y la unidad de análisis sería un trabajador (quien recibe el tratamiento).
Los datos por analizar pueden arreglarse en una tabla como la que se muestra a continuación:

Tratamiento
Muestra Tratamiento 1 Tratamiento 2 ... Tratamiento k
1 y11 y21 ... yk1
2 y12 y22 ... yk2
3 y13 y23 ... yk3
. . . ... .
. . . ... .
. . . ... .
ni 𝑦1𝑛1 𝑦1𝑛2 ... 𝑦1𝑛𝑘
Totales yi. y1. y2. ... yk.

2
Modelo:
Cada observación yij se descompone en :
𝑦𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 para 𝑖 = 1, 2, . . . , 𝑘; 𝑗 = 1,2, . . . , 𝑛𝑖
Donde:
yij : Representa la j- ésima observación en la i-ésima muestra.
𝜇 : Media general.
𝜏𝑖 : Efecto del i-ésimo tratamiento.
𝜀𝑖𝑗 : Error aleatorio asociado a la observación yij, donde 𝜀𝑖𝑗 ~ N (0, 𝜎 2 )

Supuestos del modelo:

Los errores siguen una distribución normal (supuesto de normalidad) con varianza constante (supuesto de
homogeneidad de varianzas).

Hipótesis:
La hipótesis nula plantea que no hay efecto de los tratamientos, luego no hay diferencia en las medias
poblacionales; por lo tanto, expresamos las hipótesis de la siguiente manera:

H0: µ1 = µ2=… = µk No hay diferencia en las El factor en estudio no afecta

medias poblacionales a la variable respuesta.
H1: No todas las µi son Hay diferencia en las El factor en estudio afecta a
iguales. medias poblacionales la variable respuesta.

Análisis de Varianza (ANOVA)

Consiste en analizar los cocientes de las varianzas para probar la hipótesis de igualdad o desigualdad entre
las medias debidas a los tratamientos. Para lo cual se separa la variación total en las partes con que contribuye
cada fuente de variación. En el caso l DCA las fuentes de variación son: Variación entre grupos (debida
a los tratamientos) y Variación dentro del grupo (debida al error experimental).
Con estas fuentes de variación se obtienen los cuadrados de las sumatorias de las desviaciones, tanto del
tratamiento como del error y se construye una tabla de ANOVA que nos servirá para probar las hipótesis
de este estudio.
Tabla del Análisis de Varianza
Fuente de Grados de Suma de Cuadrado
Fcal
variación libertad cuadrados medio
2 𝑘 2
𝑦𝑖• 𝑦•• SC(Tr)
Tratamientos k–1 SC(Tr) = ∑ − CM(Tr) = 𝐶𝑀(𝑇𝑟)
𝑛𝑖 𝑛• 𝑘−1
𝑖=1 𝐶𝑀𝐸
SCE
Error n. – k SCE = SCT − SC(Tr) CME =
𝑛• − 𝑘
𝑘 𝑛 2
2 𝑦••
n. – 1 SCT = ∑ ∑ 𝑦𝑖𝑗 −
Total 𝑛•
𝑖=1 𝑗=1

La regla de decisión es:

Si Fcal > Fcrit entonces se Rechaza la hipótesis nula a favor de la H1 con el nivel de significación α, podemos
concluir que los tratamientos afectan a la variable respuesta. Fcrítico= F(k – 1; n. – k; α)

3
Comparaciones Múltiples (DMS)

Comparaciones Intervalo Conclusión

IC(µA-µB) ( + ; +) µA-µB >0 µA>µB
IC(µA-µB) ( - ; -) µA-µB <0 µA<µB
IC(µA-µB) ( - ; +) µA-µB =0 µA=µB
Ejercicio resuelto

El gerente de ventas del centro comercial “EL MERCADO DE LA GANGA S. A.” está preocupado por
la baja de los niveles de ventas de la compañía en los últimos meses. Para tratar de recuperar las ventas del
centro comercial, desea implementar un programa de capacitación sobre técnica de ventas entre sus
vendedores. Tiene en cartera tres técnicas de ventas diferentes para capacitar a sus vendedores. Contrata a
un grupo de especialistas para la realización del estudio y le aconsejen que decisión debe tomar en la elección
de la técnica de ventas más efectiva, los cuales diseñan el experimento de la siguiente manera: de una muestra
de 22 vendedores de la empresa, se selecciona 8 vendedores al azar y se les capacita con la técnica 1, luego
de los que quedan se selecciona al azar otros 6 vendedores y se les capacita con la técnica 2 y a los 8
vendedores que quedan se los capacita con la técnica 3. En el siguiente periodo se registraron las ventas
diarias por cada vendedor (miles de soles), tal como se muestra a continuación:

Técnica 1 Técnica 2 Técnica 3

24 18 15
21 12 16
17 19 15
25 14 13
31 19 12
19 16 15
22 16
30 15
Total 189 98 117 404

𝑡 𝑛𝑖

∑ ∑ 𝑌𝑖𝑗2 = 8004
𝑖=1 𝑗=1

¿Cuál será la técnica de ventas que el gerente de ventas deberá implementar en su fuerza de ventas, a fin de
lograr un incremento en las ventas del centro comercial? Utilice un nivel de significación del 1%.

Solución

Interpretación Representación Cálculo / Análisis Argumentación

Definición del Elementos del Análisis Estadístico Respuesta del problema
problema diseño ANOVA Comparaciones Toma de decisión

Interpretación:
Determinar la técnica de ventas que se implementará.

Representación:
Variable respuesta : Ventas diarias (miles de soles).
Factor : Técnica de ventas.
Tratamientos : Técnica 1, Técnica 2 y Técnica 3.
Unidad experimental: Un vendedor.
Supuestos : Normalidad de errores y homogeneidad de varianzas.
Técnica estadística : Análisis de DCA

4
 Cálculo / Análisis

1. Análisis de varianza (ANOVA)

H0: 𝜇1 = 𝜇2 = 𝜇3 (La técnica de ventas no afecta las ventas diarias.)

H1: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝜇𝑖 𝑒𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒. (La técnica de ventas afecta las ventas diarias.)

Nivel de significación=0,01
𝑘 2 2
𝑦𝑖• 𝑦••
SC(Tr) = ∑ −
𝑛𝑖 𝑛•
𝑖=1

(189)2 (98)2 (117)2 (404)2

SC(Tr) = + + − = 358,0076
8 6 8 22
𝑘 𝑛 2
2 𝑦••
SCT = ∑ ∑ 𝑦𝑖𝑗 −
𝑛•
𝑖=1 𝑗=1

Sabemos que:

𝑡 𝑛𝑖

∑ ∑ 𝑌𝑖𝑗2 = 8004
𝑖=1 𝑗=1

(404)2
SCT = 8004 − = 585,0909
22
La tabla del análisis de varianza es:

ANOVA
Fuente de Grados de Suma de Cuadrado
Fc Fcrítico
variación libertad cuadrados medio
Tratamientos 3–1=2 358,0076 179,0038 14,9772 F(2;19;0,01)≅F(2; 20; 0,01)=5,85
Error 22 – 3 = 19 227,0833 11,9518
Total 22 – 1 = 21 585,0909

α=0,01

F(2;19;0,01)≅ 5,85

Decisión: RHo

Conclusión: Con un nivel de significaión de 0,01, se puede afirmar que al menos una 𝜇𝑖 es diferente.

5
 2. Comparaciones

DMS:
Comparaciones múltiples
(Al 99% de confianza)

Comparaciones Lím. Inf. Lím. Sup.

IC(µ1-µ2) 1,9501 12,6332
IC(µ1-µ3) 4,0547 13,9453
IC(µ2-µ3) -3,6332 7,0499

IC(µ1-µ2)=(+;+) entonces µ1>µ2

IC(µ1-µ3)=(+;+) entonces µ1>µ3
IC(µ2-µ3)=(-;+) entonces µ2=µ3

U2 U3 U1

U2 = U3 < U1

Con un nivel de significación de 0,01, se puede afirmar que la técnica 1 genera mayores ventas promedio.

Argumentación:

El gerente de ventas debe implementar la técnica 1, ya que la técnica 1 genera mayores ventas promedio.

Ejercicio para resolver en clase

Urbina Pisco S.A desea crear una nueva marca de Pisco que tenga buena acogida en el mercado, por lo cual
está experimentando con diferentes fórmulas de Pisco para evaluar el efecto de estas nuevas fórmulas sobre
las ventas (en unidades). La empresa está promocionando 3 fórmulas (A, B y C) en 15 lugares de ventas con
similares características. Después de un mes, se registró la cantidad de unidades vendidas de las 3 fórmulas:

Fórmulas
A B C
56 51 50
59 50 52
54 53 51
56 51 54
58 51 52
Totales 283 256 259
𝑡 𝑛𝑖

∑ ∑ 𝑌𝑖𝑗2 = 42570
𝑖=1 𝑗=1

Análisis de varianza (ANOVA)

Fuente de Variación GL SC CM Fcal
Fórmulas 2 87.6 43.8 18.25
Error 12 28.80 2.4
Total 14 116.4

6
 Comparaciones múltiples
(Al 95% de confianza)

Comparaciones Lím. Inf. Lím. Sup.

3,2652 7,5348
IC(µA-µB)
2,6652 6,9348
IC(µA-µC)
-2,7348 1,5348
IC(µB-µC)

Para promocionar su nueva marca, Urbina Pisco S.A elegirá aquella fórmula o fórmulas que produzca mayor
cantidad de unidades vendidas. Utilizando un nivel de significancia 5% ¿cuál de las fórmulas deberá debe
promocionarse?

Solución

Interpretación Representación Cálculo / Análisis Argumentación

Análisis Estadístico Respuesta del
Definición del Elementos del
problema Toma de
problema diseño
ANOVA Comparaciones decisión

Interpretación:

Representación:

Variable respuesta :
Factor :
Tratamientos :
Unidad experimental:
Supuestos :
Técnica estadística :

Cálculo / Análisis

1. Análisis de varianza (ANOVA)

H0:
H1:

Nivel de significación=
𝑘 2 2
𝑦𝑖• 𝑦••
SC(Tr) = ∑ −
𝑛𝑖 𝑛•
𝑖=1

( )2 ( )2 ( )2 ( )2
SC(Tr) = + + − =

𝑘 𝑛 2
2 𝑦••
SCT = ∑ ∑ 𝑦𝑖𝑗 −
𝑛•
𝑖=1 𝑗=1

Sabemos que:
𝑡 𝑛𝑖

∑ ∑ 𝑌𝑖𝑗2 =
𝑖=1 𝑗=1

7
 ( )2
SCT = − =

La tabla del análisis de varianza es:

ANOVA
Fuente de Variación GL SC CM Fcal

Fórmulas 2 87.6 43.8 18.25

Error 12 28.80 2.4

Total 14 116.4

α=0,05

F( )

Decisión:
Conclusión:

2. Comparaciones

Argumentación:

8
Ejercicio propuesto

La Federación Deportiva Nacional Peruana de Ciclismo FDNCP, para decidir cuál de las tres marcas de
bicicleta que se presentaron a la convocatoria, se desarrolla un experimento, el equipo nacional de ciclismo
se divide al azar en tres grupos que entrenan con marcas de bicicletas diferentes. Después de un mes de
entrenamiento se realiza un test de rendimiento consistente en un recorrido cronometrado (segundos) en
una pista de pruebas del polideportivo de SJM. Los tiempos empleados se muestran en los siguientes
reportes:
Marca
A B C
15 14 13
16 13 12
14 15 11
15 16 14
17 14 11
Totales 77 72 61

𝑡 𝑛𝑖

∑ ∑ 𝑌𝑖𝑗2 = 2984
𝑖=1 𝑗=1

Comparaciones múltiples

Análisis de varianza (ANOVA)

Fuente de Variación GL SC CM Fcal
Marcas 2 87.6 43.8 18.25
Error 12 28.80 2.4
Total 14 44

Para elegir la marca de bicicleta que se va a adquirir para La Federación Deportiva Nacional Peruana de
Ciclismo FDNCP, elegirá la marca o marcas que permitan realizar el recorrido en el menor tiempo.
Utilizando un nivel de significancia de 5% ¿qué marca o marcas de bicicleta deberá elegir La Federación
Deportiva Nacional Peruana de Ciclismo FDNCP?
Solución

Interpretación Representación Cálculo / Análisis Argumentación

Análisis Estadístico Respuesta del
Definición del Elementos del
problema Toma de
problema diseño
ANOVA Comparaciones decisión

Interpretación:

Representación:

Variable respuesta :
Factor :
Tratamientos :
Unidad experimental:
Supuestos :
Técnica estadística :

9
Cálculo / Análisis

1. Análisis de varianza (ANOVA)

H0:
H1:

Nivel de significación=

2 2 𝑘
𝑦𝑖• 𝑦••
SC(Tr) = ∑ −
𝑛𝑖 𝑛•
𝑖=1

( )2 ( )2 ( )2 ( )2
SC(Tr) = + + − =

𝑘 𝑛 2
2 𝑦••
SCT = ∑ ∑ 𝑦𝑖𝑗 −
𝑛•
𝑖=1 𝑗=1

Sabemos que:
𝑡 𝑛𝑖

∑ ∑ 𝑌𝑖𝑗2 =
𝑖=1 𝑗=1

( )2
SCT = − =

La tabla del análisis de varianza es:

ANOVA
Fuente de Variación GL SC CM Fcal

Marcas 2 87.6 43.8 18.25

Error 12 28.80 2.4

Total 14 44

α=0,05

F( )

Decisión:

Conclusión:

10
2. Comparaciones

Argumentación:

11