UNIDAD 1

PRINCIPIOS DEL DISEÑO EXPERIMENTAL

CONTENIDO
Introducción
Objetivos de un experimento
Unidad experimental y tratamiento
Error experimental
Repeticiones y sus funciones
Factores que afectan el número de repeticiones
Precisión relativa de diseños con pocos tratamientos
Control del error
Elección de los tratamientos
Aleatorización
Inferencia estadística
 INTRODUCCION

En el campo de la industria es frecuente hacer experimentos o pruebas con la

intención de resolver un problema o comprobar una idea (conjetura, hipótesis);
por ejemplo, hacer algunos cambios en los materiales, métodos o condiciones de
operación de un proceso, probar varias temperaturas en una máquina hasta
encontrar la que da el mejor resultado o crear un nuevo material con la intención
de lograr mejoras o eliminar algún problema.
El diseño estadístico de experimentos es precisamente la forma más eficaz de
hacer pruebas. El diseño de experimentos consiste en determinar cuáles pruebas
se deben realizar y de qué manera, para obtener datos que, al ser analizados
estadísticamente, proporcionen evidencias objetivas que permitan responder las
interrogantes planteadas, y de esa manera clarificar los aspectos inciertos de un
proceso, resolver un problema o lograr mejoras.
Algunos problemas típicos que pueden resolverse con el diseño y el análisis de
experimentos son los siguientes:
1. Comparar a dos o más materiales con el fin de elegir al que mejor cumple los
requerimientos.
2. Comparar varios instrumentos de medición para verificar si trabajan con la
misma precisión y exactitud.
3. Determinar los factores (las x vitales) de un proceso que tienen impacto sobre
una o más características del producto final.
4. Encontrar las condiciones de operación (temperatura, velocidad, humedad, por
ejemplo) donde se reduzcan los defectos o se logre un mejor desempeño del
proceso.
5. Reducir el tiempo de ciclo del proceso.
6. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.
7. Apoyar el diseño o rediseño de nuevos productos o procesos.
8. Ayudar a conocer y caracterizar nuevos materiales.
El objetivo de los métodos estadísticos es lograr que el proceso de
generar conocimiento y aprendizaje sea lo más eficiente posible. En este
proceso, que ha demostrado ser secuencial, interactúan dos polos, por
un lado están la teoría, los modelos, las hipótesis, las conjeturas y los
supuestos; por el otro, están la realidad, los hechos, los fenómenos, la
evidencia y los datos.
Definiciones básicas en el diseño de
experimentos
El diseño de experimentos: es la aplicación del método científico para
generar conocimiento acerca de un sistema o proceso, por medio de
pruebas planeadas adecuadamente.
Un experimento: es un cambio en las condiciones de operación de un
sistema o proceso, que se hace con el objetivo de medir el efecto del
cambio sobre una o varias propiedades del producto o resultado.
Asimismo, el experimento permite aumentar el conocimiento acerca del
sistema.
La unidad experimental: es la pieza(s) o muestra(s) que se utiliza para
generar un valor que sea representativo del resultado del experimento o
prueba. En cada diseño de experimentos es importante definir de
manera cuidadosa la unidad experimental, ya que ésta puede ser una
pieza o muestra de una sustancia o un conjunto de piezas producidas,
dependiendo del proceso que se estudia.
Variable de respuesta: A través de esta(s) variable(s) se conoce el efecto o los
resultados de cada prueba experimental.
Factores controlables: Son variables de proceso y/o características de los materiales
y los métodos experimentales que se pueden fijar en un nivel dado.
Factores no controlables: Son variables que no se pueden controlar durante el
experimento o la operación normal del proceso.
Factores estudiados: Son las variables que se investigan en el experimento para
observar cómo afectan o influyen en la variable de respuesta.
Niveles y tratamientos: Los diferentes valores que se asignan a cada factor
estudiado en un diseño experimental se llaman niveles. Una combinación de niveles
de todos los factores estudiados se llama tratamiento o punto de diseño. Por
ejemplo, si en un experimento se estudia la influencia de la velocidad y la
temperatura, y se decide probar cada una en dos niveles, entonces cada
combinación de niveles (velocidad, temperatura) es un tratamiento.
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. Por ejemplo, será parte de este error aleatorio el pequeño efecto que
tienen los factores que no se estudiaron, siempre y cuando se mantenga pequeño o
despreciable, así como la variabilidad de las mediciones hechas bajo las mismas
condiciones. Sin embargo, el error aleatorio también absorberá todos los errores que
el experimentador comete durante los experimentos, y si éstos son graves, más que
error aleatorio hablaremos de error experimental.
Error experimental: Componente del error aleatorio que refleja los errores del
experimentador en la planeación y ejecución del experimento.
Matriz de diseño: Es el arreglo formado por los tratamientos que serán corridos,
incluyendo las repeticiones.
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.
Aleatorización: Consiste en hacer corridas experimentales en orden aleatorio (al
azar); este principio aumenta la posibilidad de que el supuesto de independencia de
los errores se cumpla.
Repetición: Es correr más de una vez un tratamiento o una combinación de
factores. Es preciso no confundir este principio con medir varias veces el mismo
resultado experimental. Repetir es volver a realizar un tratamiento, pero no
inmediatamente después de haber corrido el mismo tratamiento, sino cuando
corresponda de acuerdo con la aleatorización.
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 (nivel particular del
factor bloqueado), debe resultar más homogéneo que el conjunto total de datos.
 Etapas en el diseño de experimentos
Un aspecto fundamental del diseño de experimentos es decidir cuáles pruebas o
tratamientos se van a realizar y cuántas repeticiones de cada uno se requieren, de
manera que se obtenga la máxima información al mínimo costo posible. El arreglo
formado por los diferentes tratamientos que serán corridos, incluyendo las
repeticiones, recibe el nombre de matriz de diseño o sólo diseño.
Para que un estudio experimental sea exitoso es necesario realizar, por etapas,
diferentes actividades. En este sentido, la etapa más importante y a la que se le
debe dedicar mayor tiempo es la planeación.
➢ Planeación y realización
✓ Entender y delimitar el problema u objeto de estudio
✓ Elegir la(s) variable(s) de respuesta que será medida en cada punto del
diseño y verificar que se mide de manera confiable
✓ Determinar cuáles factores deben estudiarse o investigarse, de acuerdo a la
supuesta influencia que tienen sobre la respuesta
✓ Seleccionar los niveles de cada factor, así como el diseño experimental
adecuado a los factores que se tienen y al objetivo del experimento
✓ Planear y organizar el trabajo experimental
✓ Realizar el experimento
➢ Análisis: En esta etapa no se debe perder de vista que los resultados
experimentales son observaciones muestrales, no poblacionales. Por ello, se
debe recurrir a métodos estadísticos inferenciales para ver si las diferencias o
efectos muestrales (experimentales) son lo suficientemente grandes para que
garanticen diferencias poblacionales (o a nivel proceso). La técnica estadística
central en el análisis de los experimentos es el llamado análisis de varianza
ANOVA
➢ Interpretación: Aquí, con el respaldo del análisis estadístico formal, se debe
analizar con detalle lo que ha pasado en el experimento, desde contrastar las
conjeturas iniciales con los resultados del experimento, hasta observar los
nuevos aprendizajes que sobre el proceso se lograron, verificar supuestos y
elegir el tratamiento ganador, siempre con apoyo de las pruebas estadísticas.
➢ Control y conclusiones finales: Para concluir el estudio experimental se
recomienda decidir qué medidas implementar para generalizar el resultado del
estudio y para garantizar que las mejoras se mantengan. Además, es preciso
organizar una presentación para difundir los logros.
 Clasificación y selección de los diseños
experimentales
Los cinco aspectos que más influyen en la selección de un diseño experimental, en
el sentido de que cuando cambian por lo general nos llevan a cambiar de diseño,
son:
1. El objetivo del experimento.
2. El número de factores a estudiar.
3. El número de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relación factores-respuesta).
5. El costo del experimento, tiempo y precisión deseada.
 Definición de Hipótesis

También conocido como planteamiento del problema y definición de objetivos.

Contribuye a mejorar el conocimiento del fenómeno y por ende de la solución al
problema. Se recomienda establecer los objetivos fundamentales ya que tratar de
abordar problemas colaterales puede complicar innecesariamente el experimento.
Normalmente la lista de objetivos es refinada a medida que se van ejecutando las
etapas del diseño de experimentos.
 OBJETIVOS DE UN EXPERIMENTO
El objetivo del experimento se utiliza como un criterio general de clasificación de los
diseños experimentales, mientras que el numero de factores a estudiar, elnumero
de niveles que se prueban en cada factor, los efectos que interesan investigar y el
costo del experimento, tiempo y precisión deseada son útiles para subclasificarlos.
En este sentido, de acuerdo con su objetivo y sin pretender ser exhaustivos, los
diseños se pueden clasificar como:
1. Diseños para comparar dos o más tratamientos.
2. Diseños para estudiar el efecto de varios factores sobre la(s) respuesta(s).
3. Diseños para determinar el punto óptimo de operación del proceso.
4. Diseños para la optimización de una mezcla.
5. Diseños para hacer el producto o proceso insensible a factores no controlables.
CLASIFICACIÓN GENERAL DE LOS DISEÑOS EXPERIMENTALES DE ACUERDO CON SU OBJETIVO
 UNIDAD EXPERIMENTAL
Porción de material o terreno, individuo o grupo de individuos, susceptible de
tratamiento experimental y sobre la que se observa una respuesta. Generalmente
coincide con la Unidad de Observación.
Ejemplos: planta, parcela de terreno, alícuota de materia prima (muestra de harina),
grupo de insectos, etc.
El tamaño de la unidad experimental es usualmente una decisión arbitraria, pero
afecta la calidad de la observación de la variable respuesta.
 RESPUESTA

Cuando se planifica un experimento, se debe identificar la respuesta del sistema

que se va a evaluar

VARIABLES RESPUESTAS (variables dependientes)

➢ Caritativas
➢ Cuantitativas
➢ Univariables
➢ Multivariables
 variable cualitativa
Es un tipo de variable estadística que describe las cualidades, circunstancias o características de un
objeto o persona, sin hacer uso de números. De esta manera, las variables cualitativas permiten
expresar una característica, atributo, cualidad o categoría no númerica. Por ejemplo, el sexo de una
persona es una variable cualitativa, ya que es masculino o femenino.

Características de las variables cualitativas:

➢ No se puede medir numéricamente.

➢ No otorga datos específicos y a veces tampoco un orden.
➢ Especifica una condición, cualidad o característica.
➢ Cuando los valores de dicha variable son solamente dos, se llama dicotómica.
➢ Cuando distingue tres valores o más, se la llama politómica.
➢ Tipos de variables cualitativas
➢ La variable cualitativa puede ser nominal, ordinaria o binaria.
 variables cuantitativas
Son aquellas variables estadísticas que otorgan, como resultado, un valor numérico.
Por ejemplo, variables tales como el peso (62 kg, 80 kg), la altura (1.72 cm, 1.85 cm) o la
cantidad de miembros en una familia (2, 3 o 4), son variables cuantitativas.

Características de las variables cuantitativas

➢ Expresan sus valores con números.

➢ Son utilizadas generalmente en encuestas o entrevistas.
➢ Utilizan gráficos llamados diagramas integrales y diagramas diferenciales para mostrar
la frecuencia relativa de las variables.
➢ También pueden servirse de diagramas de barra para otorgar cifras.
➢ Tipos de las variables cuantitativas
➢ Las variables cuantitativas pueden ser discretas o continuas.
 Univariables
Los métodos de análisis univariable se utilizan para estudiar el
comportamiento de las variables de forma individual.
Distribución de frecuencias: permiten obtener una primera
aproximación de la tendencia de los resultados, ya que indican el
número de individuos que tanto en valores absolutos como en valores
porcentuales han mencionado cada uno de los códigos posibles
(respuestas) que puede tomar una variable determinada.

Medidas de tendencia central: permiten apreciar cuál es el

comportamiento medio de cada variable. Los tres más utilizados son
la moda, la mediana y la media.
Medidas de dispersión: permiten analizar la variabilidad de la distribución, es decir,
determinar si las respuestas que han dado las personas entrevistadas se han
concentrado sólo en unos cuantos valores o si, por el contrario, han sido muy
variadas. La dispersión se mide respecto del comportamiento medio de la variable,
por lo que la elección de la medida de dispersión que hay que utilizar también
depende de la escala en que esté medida la variable que se analiza.

Inferencia estadística: La inferencia estadística es el conjunto de métodos y técnicas

que permiten inducir, a partir de la información empírica proporcionada por una
muestra, cual es el comportamiento de una determinada población con un riesgo de
error medible en términos de probabilidad.
 Multivariable
Es una rama de las estadísticas que abarca la observación y el análisis simultáneos
de más de una variable respuesta. La aplicación de la estadística multivariante es
llamada análisis multivariante.
La estadística multivariante trata de comprender los diferentes objetivos y
antecedentes de cada una de las diferentes formas de análisis multivariante y cómo
se relacionan entre sí. La aplicación práctica de la estadística multivariante a un
problema particular puede involucrar varios tipos de análisis univariados y
multivariados para comprender las relaciones entre las variables y su relevancia
para el problema que se está estudiando.
Las estadísticas multivariadas se refieren a las distribuciones de probabilidad
multivariadas, en términos de:
➢ cómo se pueden utilizar para representar las distribuciones de datos observados;
➢ cómo se pueden utilizar como parte de inferencia estadística, particularmente
cuando varias cantidades diferentes son de interés para el mismo análisis.
 ERROR EXPERIMENTAL
El término error experimental se refiere a la diferencia entre el valor observado de la
variable respuesta sobre una unidad experimental y su valor esperado (de acuerdo a un
modelo).
El error experimental es el responsable de la variación observada entre unidades
experimentales tratadas de la misma forma.

COMPONENTES DEL ERROR EXPERIMENTAL

➢ Error de medición: Variación que introduce el instrumento o procedimiento de medición.
➢ Error de muestreo: Variación en la respuesta diferencial de cada unidad experimental al
tratamiento que recibe y depende de propiedades inherentes a la unidad experimental.
➢ Error de observación: Variación debida al submuestreo de la unidad experimental.
➢ Error de tratamiento: Variación en la respuesta debida a los errores en la reproducción
del tratamiento.
Usualmente, una vez obtenido un dato experimental, no es posible identificar la magnitud
de las distintas componentes que, sumadas, conforman el error experimental.
 REPETICIÓN
Se considera repetición a la aplicación de ese tratamiento a una nueva unidad
experimental. Dado que toda observación tiene error, para estimar
insesgadamente el efecto de un tratamiento, se debe promediar sobre un conjunto
de repeticiones.

¿Qué diferencia hay entre réplicas y repeticiones?

Las mediciones de repetición y de réplica son múltiples mediciones de respuesta

tomadas con la misma combinación de valores de configuración de los factores,
pero las mediciones de repetición se toman durante la misma corrida experimental
o en corridas consecutivas, mientras que las mediciones de réplica se toman
durante corridas experimentales idénticas pero separadas, que suelen estar
aleatorizadas.
Ejemplo de réplicas y repeticiones
Una empresa de manufactura tiene una línea de producción con diferentes valores
de configuración que pueden ser modificados por los operadores. Los ingenieros de
control de calidad diseñan dos experimentos, uno con repeticiones y otro con
réplicas, para evaluar el efecto de las configuraciones sobre la calidad.
El primer experimento utiliza repeticiones. Los operadores establecen los factores
en niveles predeterminados, completan una corrida de producción y miden la
calidad de cinco productos. Luego establecen los equipos en nuevos valores,
completan otra corrida de producción y miden la calidad de cinco productos. Hacen
lo mismo hasta que la producción se ejecuta una vez con cada combinación de
valores de los factores y se toman cinco mediciones de calidad en cada corrida.
El segundo experimento utiliza réplicas. Los operadores establecen los factores en
niveles predeterminados, completan una corrida de producción y toman una
medición de calidad. Luego establecen la configuración de los equipos, completan
otra corrida de producción y toman una medición de calidad. En orden aleatorio, los
operadores utilizan cada combinación de valores de factores cinco veces y toman
una medición en cada corrida.
CONCLUSION:
En cada experimento se toman cinco mediciones con cada combinación de valores
de configuración de los factores. En el primer experimento, las cinco mediciones
se toman durante la misma corrida; en el segundo experimento, las cinco
mediciones se toman en corridas diferentes. La variabilidad entre las mediciones
tomadas con la misma configuración de factores tiende a ser mayor para las
réplicas que para las repeticiones, porque las máquinas se restablecen antes de
cada corrida, lo cual agrega más variabilidad al proceso.
Factores que afectan el número de
repeticiones
El número de réplicas para un experimento se determina con base en:
➢ El grado de precisión deseada
➢ Cantidad de Variabilidad presente en el material experimental
➢ Recursos disponibles, incluyendo personal y equipo
➢ Tamaño y forma de la unidad experimental

El grado de precisión deseado depende de la naturaleza y características de los

tratamientos y de la magnitud de la diferencia esperada entre los tratamientos. Si
la diferencia es pequeña mayor será el número de repeticiones. El grado de
precisión es definido como la variabilidad asociada con la media de tratamiento (la
varianza de una media de tratamientos)
Es necesario mencionar que el aumentar el número de repeticones en un
experimento no permite reducir el error debido a tecnicas defectuosas.

Para determinar el número de repeticiones existen unas tablas construidas por

Bowman and Kastenbaun (1975). Para utilizarlas se deben especificar
𝛼, 𝛽, 𝑡, ∆∗ donde:

➢ 𝛼 es la probabilidad de cometer error tipo I (rechazar una hipótesis correcta)

➢ 𝛽 es la probabilidad de cometer error tipo II (apoyar una hipótesis falsa) o la
seguridad conque se desea detectar la diferencia entre el mejor y el peor
tratamiento.
➢ ∆∗ es la diferencia mínima estandarizada a considerar entre el tratamiento de
mayor efecto y el de menor para considerarse significativamente diferente.
 FACTORES

Las potenciales fuentes de variación de la(s) variable(s) respuesta en un sistema

experimental identificadas a priori son llamadas factores
Los distintos estados o valores de los factores se designan niveles
La combinación de niveles evaluados para un conjunto de factores recibe el
nombre de tratamiento
TRATAMIENTO: conjunto de acciones que se aplican sobre las unidades
experimentales y que son objeto de comparación.
 ALEATORIZACIÓN

La aleatorización es una técnica que se utiliza para equilibrar el efecto de

condiciones externas o no controlables que pueden influir en los resultados de un
experimento.
 BLOQUEO

Aunque la aleatorización “distribuye los errores” y controla el sesgo, no elimina ni

minimiza el error experimental.
El bloqueo es el resultado de un reconocimiento a priori de fuentes sistemáticas de
error y permite obtener experimento más eficientes
 INFERENCIA ESTADÍSTICA

En investigación, una vez obtenidos los resultados es importante validarlos, es

decir, ver si hay diferencias entre los resultados obtenidos en la investigación y
unos valores determinados conocidos a priori o teóricos; en caso de que las haya,
hay que comprobar si estas diferencias son estadísticamente significativas o si,
por el contrario, se deben al azar.
MINI CURSO ESTADISTICA