ñ

El "Diseño de Experimentos" es una técnica estadística sistemática cuyo objetivo es realizar

una serie de pruebas en las que se inducen cambios deliberados para averiguar si determinados
factores influyen en la variable de interés o de estudio y, si existe influencia de algún factor
en el proceso o producto, cuantificarla. Un conjunto de tratamientos o combinaciones de
tratamientos se vuelven las poblaciones que van a estudiarse o a compararse en algún sentido.

Experimento: Es una operación o procedimiento para testar una hipótesis. Unidad experimental:
División más pequeña de material experimental que recibe un tratamiento.

é í
ñ

EXPERIMENTOS CON UN SOLO FACTOR: ANÁLISIS DE LA VARIANZA (ANOVA)

El análisis de varianza sirve para verificar si hay diferencias estadísticamente significativas entre
medias cuando tenemos más de dos muestras o grupos en el mismo planteamiento. Típicamente, el
análisis de varianza se utiliza para asociar una probabilidad a la conclusión de que la media de
una población o tratamiento es distinta de la media de otra población.

Diseño completamente al azar (ANOVA de un solo factor)

De k poblaciones se seleccionan muestras aleatorias de tamaño n. Las k poblaciones diferentes se

clasifican con base en un criterio único, como tratamientos o grupos diferentes.

Hipotesis del ANOVA

H0: μ1 = μ2 = ··· = μk.

 H1: Al menos dos de las medias no son iguales

Modelo de ANOVA para un solo factor

Yij = μi + Єij;

Yij = μ + αi + Єij

H0: α1 = α2 = ··· = αk = 0,

H0: Al menos una de las αi no es igual a cero.

Prueba de Tukey

El primero, denominado procedimiento de Tukey permite la formación de intervalos de confi anza

de (1 − α)100% para todas las comparaciones por pares. El método se basa en la distribución
del rango studentizado.

Prueba de Duncan

Este procedimiento también se basa en el concepto general del rango studentizado. El rango de
cualquier subconjunto de p medias muestrales debe superar cierto valor antes de que se encuentre
que cualquiera de las p medias es diferente.

Diseños por bloques completamente aleatorios

Las t denotan la asignación de cada uno de tres tratamientos a los bloques. Por supuesto, la
asignación verdadera de los tratamientos a las unidades dentro de los bloques se hace al azar.
Ahora vamos a generalizar y a considerar el caso de k tratamientos asignados a b bloques.

EXPERIMENTOS FACTORIALES (DOS O MÁS FACTORES)

El 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. La necesidad de estudiar
conjuntamente varios factores obedece a la posibilidad de que el efecto de un factor cambie
según los niveles de otros factores, esto es, que los factores interactúen, o exista interacción.

Modelo e hipótesis para el problema con dos factores

Las tres hipótesis por probar son las siguientes:

1. Ho: α1 = α2 = ··· αa = 0,

H1: Al menos una de las αi no es igual a cero.

2. Ho: β1 = β2 = ··· βb = 0,

H1: Al menos una de las βj no es igual a cero.

3. Ho: (αβ)11 = (αβ)12 = ··· (αβ)ab = 0,

H1: Al menos una de las (αβ)ij no es igual a cero.

EXPERIMENTOS FACTORIALES 2k
El más importante de estos casos especiales es el de k factores, cada uno con sólo dos niveles.
estos niveles pueden ser cuantitativos, como dos valores de temperatura, presión o tiempo, o
bien cualitativos, como dos máquinas, dos operadores, los niveles alto y bajo de un factor, o
quizá la presencia o ausencia de un factor. Una réplica completa de este diseño requiere 2 x 2
x.… x 2 = 2k observaciones y se le llama diseño factorial 2k.

El diseño 2k es de particular utilidad en las etapas iniciales del trabajo experimental, cuando
probablemente se estén investigando muchos factores. Este diseño proporciona el menor número
recorridas con las que pueden estudiarse k factores en un diseño factorial completo. Por
consiguiente, estos diseños se usan ampliamente en los experimentos de tamizado o selección de
factores.
Los tres efectos del experimento implican estos contrastes y requieren de sentido común e
intuición. Los dos efectos principales calculados tienen la forma

Efecto= yH - yL

donde yH y yL son las respuestas promedio en el nivel alto o “+”, y en el nivel bajo o “−”,
respectivamente. Como resultado, queda

Experimento factorial 2k no replicado

El factorial completo 2k con frecuencia requiere experimentación considerable, en particular

cuando k es grande. Si en el modelo del experimento se incluyen todos los efectos, inclusive
todas las interacciones, no se permite ningún grado de libertad para el error. Frecuentemente,
cuando k es grande, el analista de los datos agrupara las sumas de los cuadrados y los grados
de libertad correspondientes para las interacciones de orden superior que se sabe, o se supone,
son despreciables.