Ronny Flores, MSc, PhD

raflores@uce.edu.ec

DISEÑO DE EXPERIMENTOS
SYLLABUS
 Objetivo
 Capacitar al estudiante para elegir el diseño
de experimentos adecuado para los trabajos
de investigación (proyecto de tesis) y analizar
los resultados.
Seguimiento al sílabos
UNIDAD CURRICULAR NO. 1
COMPARACIONES SIMPLES

 Principios básicos del Diseño de experimento

 Elección del tamaño de la muestra
 Comparación de varianza
 Comparación de la media con un valor específico
 Comparaciones pareadas
UNIDAD CURRICULAR NO. 2
DISEÑOS DE UN SOLO FACTOR
 Análisis de varianza
 Pruebas de significancia: Prueba de Tukey, Diferencia
significativa mínima, Prueba de Duncan
 Diseño de un experimento con un tratamiento de
control: Prueba de Dunnett
 Determinación del tamaño de la muestra
 Métodos no paramétricos
UNIDAD CURRICULAR NO. 3
DISEÑO DE BLOQUES

 Diseño de bloques completos aleatorizados

 Diseño de cuadrado latino
 Diseño de bloques incompletos balanceados
LA UNIDAD CURRICULAR NO. 4
DISEÑOS FACTORIALES

 Diseño factorial de dos y tres factores

 Diseños con una observación por celda
 Diseño factorial 2k
 Diseños no replicados
 Adición de puntos centrales
BIBLIOGRAFÍA:
 Gutiérrez Pulido, H., & De la Vara Salazar, R. (2012). Análisis y
Diseño de Experimentos (Tercera ed.). México, D.F, México:
McGraw-Hill Interamericana Editores, S.A.
 Montgomery, D. (2014). Análisis y Diseño de Experimentos
(Segunda Edición ed.). (G. Noriega, Ed., & R. Piña García, Trad.)
México, D.F, México: Limusa Wiley.
 Kuehl, R. (2001). Diseño de Experimentos. (P. De la Garza
Rosales, Ed., & M. Gonzáles Osuna, Trad.) Arizona, EEUU:
Thomson Editores.
EVALUACIÓN
PORCENTAJE DE
INDICADOR PONDERACIÓN
LA NOTA FINAL
Trabajos individuales (3) 7 puntos 35 %
(presenciales/autónomos)
Presentaciones orales (Prueba 3 puntos
Consultas Trabajos 4 puntos)
Cuestionarios
Prueba (1)
Talleres y trabajos grupales (1) 6 puntos 30 %
Evaluación sumativa final (1) 7 puntos 35 %
TOTAL 20 puntos 100 %
DISEÑO EXPERIMENTAL
CAÍDA LIBRE
SIN DISEÑO EXPERIMENTAL
Tenemos que aumentar la
eficiencia en un 25%. Vamos a
tirar los dados y ver qué
palanca movemos ahora.
DISEÑO ESTADÍSTICO DE EXPERIMENTOS

 Es una metodología basada en herramientas matemáticas y

estadísticas cuyo objetivo es ayudar al experimentador a:
 1. Seleccionar la estrategia experimental óptima que permita
obtener la información buscada con el mínimo coste.
 2. Evaluar los resultados experimentales obtenidos,
garantizando la máxima confianza en las conclusiones que se
obtengan.
APLICACIONES DISEÑO DE EXPERIMENTOS

 Mejorar la producción en un proceso

 Reducir variabilidad y alcanzar un valor nominal
 Reducir costos
 Reducir tiempos
 Obtener conocimiento inicial de nuevos sistemas
 Qué factores y niveles debe centrarse la investigación
MÉTODO CIENTÍFICO (MC)
ETAPAS SECUENCIALES
1. Observación de los hechos importantes
 Lo que se conoce

 Surgen preguntas: por qué, cómo, dónde, cuándo

 Formular correctamente el problema

2. Hipótesis.- suposición para explicar los hechos

 Razonamiento inductivo trata de dar respuestas lógicas a las preguntas

 Explicación tentativa (V o F)

3. Experimentación.- poner a prueba la hipótesis

4. Conclusiones.- obtener una generalización
 Analizar e interpretar los datos (ESTADÍSTICA)
HIPÓTESIS
 Obligatoriamente debe ser sometida a prueba
 El experimento debe diseñarse cuidadosamente para analizar
la hipótesis
 Se compara contenido de hipótesis con información obtenida
de experimento
 Se aprueba o rechaza hipótesis
 Si la hipótesis es verificada se acepta PROVISIONALMENTE
como verdadera
PRUEBA DE HIPÓTESIS

 Hay diseño experimental cuando se controlan las variables

 Se somete el proceso a variables controladas de manera
artificial (medición)
 Grupo control: no tiene variable en estudio
 Control/testigo/blanco se somete a las mismas condiciones

 Igual comportamiento: rechaza hipótesis

HIPÓTESIS ESTADÍSTICAS

 Expresión matemática de lo que se investiga

 Es lo que se quiere aprobar o descalificar
 Nula Ho: X1 = X2
 Alternativa H1: X1 ≠ X2
 Prueba t - F - X 2
CONFLICTO EXPERIMENTO-TEORÍA

 EL EXPERIMENTO MANDA!
 Se reexamina la teoría
PLANIFICAR LA EXPERIMENTACIÓN

 Objetivo de experimentación: obtener información de calidad

para comprobar hipótesis
 Experimentación se debe planificar (diseñar) para que
proporcione la información buscada
 Obtener la mayor información con menor número de
experimentos
 Experimentación es cara (costo-tiempo)
EXPERIMENTO

 Resultado de experimento tiene incertidumbre

Y=X+e
 Y = resultado obtenido
 X = valor verdadero
 e = error aleatorio
TIPOS DE MUESTREO
POBLACIÓN Y MUESTRA

 Población o Universo: Es la totalidad de elementos a

investigar
 MUESTREO: Es un procedimiento por medio del cual se
estudia una parte de la población llamada muestra, con
el objetivo de inferir con respecto a toda la población
MUESTREO
 Seleccionar un grupo representativo de la población
 Grupo seleccionado
 Características comunes

 Selección utilizada

 Criterio inclusión

 Criterios de exclusión

 Ni pocos ni demasiados: los necesarios

MUESTREO
 Por más perfecta que sea la muestra siempre habrá una
diferencia entre el resultado de ésta y el resultado del universo
 Es el error de muestreo (E)
 Mientras más grande la muestra menor el error de muestreo
Y=X+e
VENTAJAS DEL MUESTREO
 Costos reducidos
 Mayor rapidez para obtener resultados
 Volumen de trabajo reducido
 Mayor supervisión en el trabajo
 Menor probabilidad de cometer errores durante el
procesamiento de la información
 Permite uso de técnicas destructivas: Análisis de sangre
TIPOS DE MUESTREO

 M. PROBABILISTICO
 M. NO PROBABILISTICO
MUESTREO PROBABILÍSTICO

 Todos los individuos tienen la misma probabilidad

de ser elegidos para formar parte de la muestra
 Asegura la representatividad de la muestra
extraída
MUESTREO PROBABILÍSTICO
 Al azar o aleatorio simple
 Se asigna un número a cada individuo de la
población.
 A través de algún medio mecánico (bolas
dentro de una bolsa, tablas de números
aleatorios, números aleatorios generados
con una calculadora) se eligen tantos
sujetos como sea necesario para completar
el tamaño de muestra requerido.
MUESTREO PROBABILÍSTICO
 Aleatorio sistemático
 Se escogen a intervalos fijos
 Ejemplo: En una fábrica se tienen 500 cajas de un
producto, se desea hacer un muestreo sistemático a 20
cajas. Cual debe ser el intervalo?
k= N/n
Cada k se toma uno
N= población total
n= muestra k= N/n = 500/20 = cada 25
MUESTREO PROBABILÍSTICO
 Aleatorio estratificado
 Se divide en subgrupos homogéneos sin traslapes (estratos)
según una característica en común:
 la profesión, el sexo, el estado civil, edad

 Todos los estratos de interés estarán representados en la

muestra.
 Dentro de cada estrato se aplica el muestreo aleatorio
simple para elegir los elementos
 Tamaño de muestra dentro de cada estrato es proporcional
MUESTREO PROBABILÍSTICO
 Ejemplo Aleatorio estratificado
 Se desea investigar la prevalencia de sobrepeso en la
población estudiantil de primer semestre de la FCQ.
 Cuantos estudiantes se deben pesar por aula para tener una
muestra de 30 estudiantes?
 DATOS:
 Total 500 estudiantes = N

 Muestra total 30 estudiantes = n

 5 aulas = subgrupo
MUESTREO PROBABILÍSTICO
Aleatorio estratificado Ni
ni = --------------*n
N
 ni = muestra en cada subgrupo
 Ni = tamaño del subgrupo
 n = tamaño de la muestra 30
 N = población 500
Aulas A B C D E

Ni 110 100 80 150 60

ni 6 6 5 9 4
MUESTREO NO PROBABILÍSTICO
 La selección de la muestra no es al azar, se basa en
el criterio del investigador
 Para estudios exploratorios es más económico que
el muestreo probabilístico
MUESTREO NO PROBABILÍSTICO
 No sirven para realizar generalizaciones
 No se tiene certeza de que la muestra extraída sea
representativa
 No todos los sujetos de la población tienen la misma
probabilidad de ser elegidos
 No se pueden incluir por lo tanto ecuaciones de probabilidad
 No pueden calcularse datos como margen de error o nivel de
confianza
MUESTREO NO PROBABILÍSTICO
 Por cuotas
 Necesita de un buen conocimiento de los estratos de la
población y/o de los individuos más "representativos" o
"adecuados"
 Se fijan “cuotas” que consisten en un número de individuos
que reúnen unas determinadas condiciones
 20 individuos de 25 a 40 años, de sexo femenino y
residentes en una determinada región
 Se eligen los primeros que se encuentren que cumplan esas
características.
MUESTREO NO PROBABILÍSTICO
 Muestreo Casual
 Se usa en los casos en no es posible seleccionar los
elementos, y deben sacarse conclusiones con los
elementos que estén disponibles
 Los voluntarios para pruebas de medicamentos de
enfermedades del corazón, cáncer, etc.
 Entrevista a individuos que pasan de forma casual por la
calle
MUESTREO NO PROBABILÍSTICO

 Muestreo por Juicio, Selección Experta o Selección

Intencional
 El investigador toma la muestra seleccionando los
elementos que a él le parecen representativos o típicos
de la población.
 Depende del criterio del investigador.
MUESTREO NO PROBABILÍSTICO
 Bola de nieve
 Se localiza a algunos individuos, los cuales conducen a
otros, y estos a otros, y así hasta conseguir una muestra
suficiente.

 Cuando se hacen estudios con poblaciones

“marginales”, delincuentes, determinados tipos de
enfermos.
CALCULO DE TAMAÑO DE MUESTRA
TAMAÑO DE MUESTRA
EJEMPLO PROPORCIÓN (%)
 Cuántas mujeres será necesario estudiar para estimar la
prevalencia de dolor lumbar en una población de
embarazadas?
 DATOS:
 Confianza 95%

 Un error máximo del 8%

 Prevalencia del dolor 20% (estudios previos)

CÁLCULO DE TAMAÑO DE MUESTRA
 Estimar proporción (%)
Z2 *p*q p = proporción esperada
 n = --------------- q=1-p
d2
 Si se desconoce la proporción (50%)

 Bibliografía o prueba piloto

 d = precisión que se desea (diferencia entre población y

muestra)
 Z(α/2, n-1), n es incógnita → ∞
 Z2 = coeficiente de nivel de confianza

Distribución t
% confianza 90 95 99
α (significancia) 0.10 0.05 0.01
Z∞ 1.645 1.960 2.576

 Para α/2
EJEMPLO PROPORCIÓN (%)

Z2 *p*q 1.962*0.20*(1 - 0.20)

n = --------------- = -------------------------------------
d2 0.082

n = 96
EJEMPLO PROPORCIÓN (%)
 Si se conoce la población N

N*Z2 *p*q
n = ---------------------------------
d2*(N-1)+Z2 *p*q
EJEMPLO ESTIMAR UNA MEDIA
 Cuántas mujeres será necesario estudiar para estimar la
media de glucemia en mujeres embarazadas en un hospital?

 DATOS:
 Nivel de confianza 95%

 Precisión ± 5 mg entre la población y muestra

 DE = 20 mg (del método analítico)

CÁLCULO DE TAMAÑO DE MUESTRA
 Estimar una media (X)
Z2*DE2
 n = ----------------------
d2
 Z(α/2, n-1), n es incognita → ∞
 DE = desviación estándar (prueba piloto)
 d = precisión (diferencia entre población y muestra)
EJEMPLO ESTIMAR MEDIA

Z2*DE2 1.962*202
n = ---------------------- = ---------------------------
d2 52

n = 61
ESTIMAR MEDIA
 Si se conoce la población N

N*Z2*DE2
n = ------------------------------
d2*(N-1) + Z2*DE2
CÁLCULO DE TAMAÑO DE MUESTRA
 Análisis con pérdidas
 Sujetos de los que no se obtendrá información

n
nc = --------------
1 – Pe
 nc = tamaño de la muestra teniendo en cuenta pérdidas
 n = tamaño de la muestra sin pérdidas
 Pe = porcentaje esperado de pérdida
EJEMPLO CON PERDIDAS
 Si se espera un ausentismo del 20% de mujeres
embarazadas
n 96
nc = -------------- = ---------------- = 120
1 – Pe 1 – 0.20
DEBER POR GRUPO
 Para conocer si en la población estudiantil de la FCQ existe un problema de
sobrepeso se calcula el Índice de masa corporal
IMC = peso [kg]/estatura [m2] > 30 obesidad
 Cuantos estudiantes deben entrevistarse para tener un estimado
confiable del peso promedio del alumnado
 Cuantos alumnos deben entrevistarse para tener un estimado confiable
de la estatura promedio de los estudiantes
 Cuantos datos de IMC se necesitan para tener el porcentaje de
estudiantes con obesidad, con un 95% de confianza?
 Determinar el tipo de muestreo, realizar la encuesta y elaborar el
informe: peso promedio, estatura promedio y % obesidad
DISEÑO ESTADÍSTICO DE EXPERIMENTOS
DISEÑO ESTADÍSTICO DE EXPERIMENTOS
 Analizar los datos recolectados por métodos
estadísticos para obtener conclusiones válidas
PASOS DEL DISEÑO
1. Reconocer el problema
2. Escoger factores, niveles y rangos
3. Seleccionar la variable de respuesta
4. Escoger el diseño experimental
5. Realizar el experimento
6. Análisis estadístico
7. Conclusiones
PASOS
1. Reconocer el problema
2. Escoger factores, niveles y rangos
Factor T, min T, C pH
10 5 3
20 10 5
15 7
9
Niveles 2 3 4
Rango 10-20 5-15 3-9
PASOS
3. Variable de respuesta (Y)
 Que se va a medir u optimizar
 [C], volumen, absorbancia, color, peso

4. Escoger el diseño experimental

Y = f(x1, x2, x3…)
5. Realizar el experimento
 Toma más tiempo y más crucial
PASOS
6. Análisis estadístico de datos recopilados
 Aprobar o rechazar hipótesis

7. Conclusiones
CONCEPTOS BÁSICOS
 Replicación
 Repetición de un experimento bajo las mismas
condiciones
 Sin replicas no hay estadística (min 2)

 Estimar error experimental

 Obtener la media muestral

CONCEPTOS BÁSICOS
Medir tres veces no es replica 1 2 3
ES REPETICIÓN

 Replica genuina

1 2 3
CONCEPTOS BÁSICOS
 Aleatorización
 El orden en que se realiza la prueba es al azar

 Distribución por igual del error

 Sobrecalentamiento equipo

 Descalibración

T, C 30 50 70
Replica 1 R1 (4) R1 (6) R1 (2)
Replica 2 R2 (3) R2 (1) R2 (5)
PRUEBAS DE HIPÓTESIS
 Ho = hipótesis nula
 Es lo que se quiere probar o descalificar
 Los experimentos se hacen para decidir aceptar o rechazar
 H1 = hipótesis alternativa
 Complementa a la nula
 Si la nula se rechaza la alternativa se cumple
PASOS PARA PRUEBA DE HIPÓTESIS
 Identificar el parámetro de interés (lo que se quiere probar)
 Plantear la hipótesis nula Ho
 Plantear la hipótesis alternativa H1 acorde a Ho
 Escoger el nivel de significancia α
 Determinar un estadístico de prueba (t, F)
 Buscar la región de rechazo del estadístico
 Concluir acerca de la aceptación o rechazo de la hipótesis
PRUEBAS DE HIPÓTESIS
 Se plantea como una igualdad entre parámetros
 Hipótesis de dos lados
 Ho: X1 = X2

 H1: X1≠ X2

 X1 > X2

 X1 < X2
ACEPTA 95%
 Hipótesis de un solo lado
 Ho: X1 ≥ X2 α/2
α/2
 H1: X1 < X2

 Ho: X1 ≤ X2 RECHAZA 5%
 H1: X1 > X2
α = 0.05
TIPOS DE ERRORES

 Cuando se prueban hipótesis se comete errores

 Error tipo I (α)
 La probabilidad de que se rechace Ho siendo verdadera

Rechazar la verdad
 Error tipo II (β)
 La probabilidad que se acepte Ho siendo falsa

Aceptar la mentira
TIPOS DE ERRORES

 Para minimizar error tipo I

 Escoger valor pequeño α (nivel de significancia) para
cometer error pequeño
 α = 0.05 = 95%

 α = 0.01 = 99%

 α = 0.001 = 99.9%
TIPOS DE ERRORES
 Para minimizar error tipo II
 Valor pequeño de β

 Escoger tamaño de muestra grande (n)

 n grande = β mínimo
COMPARACIÓN DE MEDIAS
COMPARACIÓN DE MEDIA CON VALOR
ESPECIFICO

 Concentración en etiqueta
 Dato teórico (constante)

 Máximo o minino de norma

 Estándar certificado (validación, exactitud)

 Determina si la diferencia obtenida es real o debida a errores

al azar
COMPARACIÓN DE MEDIA CON VALOR
ESPECIFICO
 Un medicamento indica en su etiqueta que tiene 1.68 mg de
un principio activo en cada pastilla. Se tomaron 25 muestras al
azar y se determinó que el valor promedio del principio es de
1.73 ± 0.15 mg.
 Determinar si el dato encontrado está de acuerdo a lo
etiquetado.
COMPARACIÓN DE MEDIA CON VALOR TEÓRICO

α = 0,05
Rechaza Ho
fx = INV.T.2C(α,ν)
William Sealy
Gosset -1908
 COMPARACIÓN DATO Modificado kgf Sin modificar kgf
1 16.85 17.50
ENTRE MEDIAS 2 16.40 17.63
 Ejemplo cemento 3 17.21 18.25
 Para mejorar la calidad del 4 16.35 18.00
cemento un ingeniero modificó la
5 16.52 17.87
formula agregando látex a la
6 17.04 17.75
mezcla. Se realizaron 10
mediciones de resistencia al 7 16.96 18.22
cemento sin modificar y 10 8 17.15 17.90
mediciones al cemento modificado. 9 16.59 17.96
 Se desea saber si la formula 10 16.57 18.15
modificada es mejor que la X 16.76 17.92
original. S2 0.100 0.061
PRUEBA t DE DOS MUESTRAS
 Prueba de la igualdad de varianzas

Rechaza Ho
α = 0,05
Rechaza Ho
fx = INV.F.CD(α/2,ν1, ν 2)
DISTRIBUCIÓN F
 No es simétrica, empieza en cero
 Para prueba de dos colas se
requiere valores críticos que son
diferentes para las dos colas
 Datos tabulados para cola
derecha
 Ho se rechaza si F es demasiado
grande o demasiado pequeño
EXCEL
 DATOS
 ANÁLISIS DE DATOS
 Prueba t para dos muestras suponiendo varianzas iguales
 CARGAR HERRAMIENTA PARA ANÁLISIS
 Archivo
 Opciones
 Complementos
 Administrar complementos
 Activar herramientas para análisis
PRUEBA t DE DOS MUESTRAS

α = 0,05 fx = INV.T.2C(α,ν)

ν = nx + ny - 2 Rechaza Ho
EJEMPLO CEMENTO
DIAGRAMA DE CAJA Y BIGOTE

 Representación grafica
de datos
 Mínimo, máximo
 Cuartil superior: 75%
 Cuartil inferior: 25%
 Mediana: cuartil 50%
PRUEBA t DE DOS MUESTRAS

Rechaza Ho
TAMAÑO DE LA MUESTRA
EJEMPLO CEMENTO
 Cuantas replicas se deben realizar para determinar si existe
una diferencia significativa entre las dos formulaciones.
 Una diferencia entre las dos mezclas de 0.5 kgf se considera
que hay diferencia significativa entre ellas.
 Por experiencia la desviación estándar de las formulaciones es
de 0.25 kgf.
DIFERENCIA DE MEDIAS (REPLICAS)
NÚMERO DE REPLICAS
 Cuantas repeticiones se debe hacer para aprobar o rechazar
Ho: X1 = X2
 CURVA CARACTERÍSTICA OPERACIONAL
 Para varianzas de población desconocida pero iguales
 Para nivel de significancia α = 0.05
 Para tamaño de muestras iguales
 n1 = n2 = n
 Depende error tipo II (β)
 Aceptar erróneamente Ho siendo falsa
NÚMERO DE REPLICAS

Rechazar Ho con 95% confianza

β = 0.05
 *

Rechazar Ho
con 95%
confianza
β = 0.05
COMPARACIÓN MEDIAS PAREADAS

 Mejora la precisión al hacer por pares, se elimina

variabilidad
 Es mejor que diseño completamente al azar con
muestras independientes
 Se compara desviación estándar de las diferencias con
la desviación estándar combinada
COMPARACIÓN DE MEDIAS PAREADAS
 Ejemplo de dureza (consistencia):
 Un laboratorio de análisis tiene dos equipos para medir la
consistencia de los alimentos. Se sospecha que uno de ellos
está dando mediciones erróneas. Se analizan 10 muestras de
alimentos con los dos equipos. Con los datos recogidos qué se
puede concluir sobre el funcionamiento de los equipos?.
COMPARACIÓN MUESTRAS PAREADAS
A B PAREADAS

A1 – B1

A2 – B2

A3 – B3

Media A ↔ B Diferencia A ↔ B
EJEMPLO DE DUREZA

Muestra Equipo A, kgf Equipo B, kgf dj (d – d)2

1 7 6
2 3 3
3 3 5
4 4 3
5 8 8
6 3 2
7 2 4
8 9 9
9 5 4
10 4 5
EJEMPLO DE DUREZA

α = 0,05

Rechaza Ho
EJEMPLO DE DUREZA
WIKI COLABORATIVA
 Trabajo individual
 Aula virtual

 Manual de uso de herramientas informáticas

 Capturas de pantalla