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
raflores@uce.edu.ec
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
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.
 3. Obtener la mayor información con menor número de
experimentos.
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
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 por
 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
 1. 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
 2. 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
 3. 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
 1. 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
 2. 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

 3. 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
 4. 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 y n>30

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 con dolor lumbar
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
 Determinar el porcentaje de estudiantes de su carrera que tienen
sobrepeso.
 Consultar cual es el porcentaje de obesidad en Ecuador.

 Calcular a cuántos estudiantes se les debe preguntar su peso y

estatura para tener una confianza en el porcentaje del 95%.
 Especificar el tipo de muestreo que se debe realizar.

 Realizar la encuesta y elaborar el informe según indicaciones.

CALCULO DE TAMAÑO DE MUESTRA
 Se desea conocer la estatura promedio de los alumnos de la
materia de Diseño experimental.
 Realizar los cálculos correspondientes para un tamaño de
muestra con un 95% de confianza.