DISEÑO ESTADISTICO ANOVA

EXPERIMENTAL
DESEÑO EXPERIMENTAL

El diseño experimental utiliza técnicas como la regresión múltiple, la

superficie de respuesta, el diseño de parámetros y varias extensiones
del análisis de varianza, así como los análisis gráficos y las
comparaciones múltiples.
Diseñar un experimento significa planear un experimento de modo
que reúna la información pertinente al problema bajo investigación.
DISEÑO EXPERIMENTAL
Una prueba o serie de pruebas en las cuales se introducen cambios
deliberados en las variables de entrada que forman el proceso, de
manera que sea posible observar e identificar las causas de los
cambios en la variable de salida.
Variables No
Controlables

Variables de PROCESO Variables de salida o

entrada respuesta

Variables
controlables :
FACTORES
REALIZAR UN EXPERIMENTO
Unidades experimentales: personas, elementos físicos.
Factor: Variables controlables por el experimentador (Nivel del
factor o tratamientos)
Variables de interés: Variables respuesta.
Error experimental o perturbación: Variables no controlables por el
experimentador.
Tamaño del experimento: numero total de observaciones.

OBJETIVO
Estudia el efecto que sobre la VARIABLE RESPUESTA tiene un conjunto de otras
variables que recibe el nombre de FACTORES
PRINCIPIOS BASICOS DEL DISEÑO DE
EXPERIMENTOS
ALEATORIZACIÓN, es la asignación de las unidades experimentales
a los distintos tratamientos y el orden en el que se realizan los
ensayos se determinan al azar.
REPLICACION, Viene a ser la reproducción o réplica del experimento
básico (asignación de un tratamiento a una unidad experimental). Las
principales razones por las cuales es deseable la repetición son:
primero por que proporciona una estimación del error experimental,
siendo tal estimación contable a medida que aumenta el número de
repeticiones, y segundo permite estimaciones más precisas del
tratamiento en estudio.
HOMOGENEIDAD DEL MATERIAL EXPERIMENTAL
EXPERIMENTO CON UN SOLO FACTOR

El objetivo es comparar más de dos tratamientos, con

el fin de elegir la mejor alternativa entre las varias que
existen, o por lo menos para tener una mejor comprensión
del comportamiento de la variable de interés en cada uno
de los distintos tratamientos.
El interés del experimentador se centra en comparar los
tratamientos en cuanto a sus medias poblacionales, sin
olvidar que también es importante compararlos en
relación a sus varianzas y su capacidad actual y futura
para cumplir con los requerimientos de calidad y
productividad.
EXPERIMENTO CON UN SOLO FACTOR
La hipótesis fundamental a probar cuando se comparan varios
tratamientos es:
FAMILIA DE DISEÑOS PARA COMPARAR
TRATAMIENTOS

La comparación de los tratamientos en cuanto a la respuesta media

que logran, en cualquiera de estos diseños, se hace mediante la
hipótesis que se prueba con la técnica estadística llamada Análisis de
Varianza (ANOVA) con uno, dos, tres o cuatro criterios de
clasificación, dependiendo del número de factores de bloques
incorporados al diseño.
FAMILIA DE DISEÑOS PARA COMPARAR
TRATAMIENTOS

Respuesta = Constante + Efecto Tratamiento + Error

DISEÑO COMPLETAMENTE AL AZAR (DCA)
Y ANOVA
DISEÑO COMPLETAMENTE AL AZAR(DCA)
Este diseño se llama completamente al azar porque
todas las corridas experimentales se realizan en orden
aleatorio completo. De esta manera, si durante el estudio
se hacen en total N pruebas, éstas se corren al azar, de
manera que los posibles efectos ambientales y temporales
se vayan repartiendo equitativamente entre los
tratamientos.
Sólo considera dos fuentes de variabilidad:
los tratamientos y el error aleatorio.
 DISEÑO COMPLETAMENTE AL AZAR (DCA)
Y ANOVA
El elemento Yij en esta tabla es la j-
ésima observación que se hizo en
el tratamiento i; ni es el tamaño de
la muestra o las repeticiones
observadas en el tratamiento i. Es
recomendable utilizar el mismo
número de repeticiones (ni = n) en
cada tratamiento, a menos que
hubiera alguna razón para no
hacerlo.
DISEÑO COMPLETAMENTE AL AZAR (DCA)
Y ANOVA
El número de observaciones por tratamiento (n) debe
escogerse con base en la variabilidad que se espera observar en
los datos, así como en la diferencia mínima que el
experimentador considera que es importante detectar. Con
este tipo de consideraciones, por lo general se recomiendan
entre 5 y 30 mediciones en cada tratamiento. Por ejemplo, se
usa n = 10 cuando las mediciones dentro de cada tratamiento
tienen un comportamiento consistente (con poca dispersión). En
el otro extremo, se recomienda n = 30 cuando las mediciones
muestran bastante dispersión. Con n = 10 se pueden detectar
diferencias de medias mayores o iguales a 1,5𝜎 con
probabilidad alta y con n = 30 se pueden detectar
diferencias iguales o mayores a 0,7 𝜎.
DISEÑO COMPLETAMENTE AL AZAR (DCA)
Y ANOVA
ANOVA PARA EL DISEÑO COMPLETAMENTE AL
AZAR (DCA)

ANOVA
El nombre de análisis de varianza (ANOVA) viene
del hecho de que se utilizan cocientes de varianzas
para probar la hipótesis de igualdad de medias.
La idea general de esta técnica es separar
(descomponer) la variación total en dos
partes: la variabilidad debida a los tratamientos y la
debida al error.
 ANOVA PARA EL DISEÑO COMPLETAMENTE AL
AZAR (DCA)

Cuando los tratamientos

contribuyen igual o
menos que el error, se
concluye que las medias
son iguales.

Cuando la primera predomina claramente sobre la segunda

es cuando se concluye que los tratamientos tienen
efecto, es decir, las medias son diferentes.
NOTACIÓN DE PUNTOS
NOTACIÓN DE PUNTOS
 ANOVA
El objetivo del análisis de varianza en el DCA es probar la hipótesis
de igualdad de los tratamientos con respecto a la media de la
correspondiente variable de respuesta:

donde 𝜏𝑖 es el efecto del i-ésimo tratamiento sobre la variable respuesta.

Si se acepta H0 se confirma que los efectos sobre la respuesta de los k
tratamientos son estadísticamente nulos (iguales a cero), y en caso de rechazar
se estaría concluyendo que al menos un efecto es diferente de cero.
 ANOVA
Para probar la hipótesis dada por las relaciones (6.2) o (6.3) mediante la
técnica de ANOVA con un criterio de clasificación,
PRIMERO es descomponer la variabilidad
ANOVA

DONDE: I=k; SCR=SCE; CMR=CME

ANOVA
Ejemplo 1
Comparación de cuatro tipos de cuero.
Un fabricante de calzado desea mejorar la calidad de las suelas, las
cuales se pueden hacer con uno de los cuatro tipos de cuero A, B, C y D
disponibles en el mercado.
Para ello, prueba los cueros con una máquina que hace pasar los zapatos
por una superficie abrasiva; la suela de éstos se desgasta al pasarla por
dicha superficie. Como criterio de desgaste se usa la pérdida de peso
después de un número fijo de ciclos. Se prueban en orden aleatorio 24
zapatos, seis de cada tipo de cuero. Al hacer las pruebas en orden
completamente al azar se evitan sesgos y las mediciones en un tipo de
cuero resultan independientes de las demás. Los datos (en miligramos)
sobre el desgaste de cada tipo de cuero se muestran en la tabla 3.2.
ANOVA

¿Existen diferencias entre el desgaste promedio de los

diferentes tipos de cuero?
ANOVA
La respuesta a esta pregunta es el resultado de contrastar
las hipótesis.
ANOVA

ENTONCES:
¿cuáles tipos de
cuero son diferentes
entre sí?
ANOVA

Se realizan todas las comparaciones posibles

dos a dos entre las medias de tratamiento,
usando los métodos de comparaciones
múltiples.
También se recomienda el uso del gráfico de
medias (means plot) y el diagrama de cajas
(box-and-whisker plot).
 COMPARACIONES DE RANGOS MÚLTIPLES
Método LSD (diferencia mínima significativa).
Una vez que se rechazo H0 en el ANOVA, el
problema es probar la igualdad de todos los
posibles pares de medias con la hipótesis.
Para k tratamientos se tienen en total k (k-1)/2 pares
de medias.

LSD : Diferencia mínima significativa , ya que es la diferencia mínima que debe

haber entre dos medias muestrales para poder considerar que los
tratamientos son significativamente diferentes.
ANOVA
Si el diseño es balanceado, es decir, si ni = nj la diferencia mínima
significativa se reduce a:
ANOVA
ANOVA
Ejemplo 2
Comparación de cuatro métodos de ensamble.
Un equipo de mejora investiga el efecto de cuatro métodos de
ensamble A, B, C y D, sobre el tiempo de ensamble en minutos. Los
tiempos de ensamble obtenidos se muestran en la tabla 3.1.
ANOVA
En primera instancia, la estrategia experimental es aplicar cuatro
veces los cuatro métodos de ensamble en orden completamente
aleatorio (las 16 pruebas en orden aleatorio).
Si se usa el diseño completamente al azar (DCA), se supone que,
además del método de ensamble, no existe ningún otro factor que
influya de manera significativa sobre la variable de respuesta
(tiempo de ensamble).
BIBLIOGRAFIA
Diseño Experimental. Msc. Julio Hurtado Márquez. Esp. Roberto
Gómez Fernández
Lara Porras A.M. (2001). “Diseño estadístico de experimentos,
análisis de la varianza y temas relacionados: tratamiento informático
mediante SPSS”. Ed.: Proyecto Sur.
ANALISIS Y DISEÑO EXPERIMENTAL. Humberto Gutiérrez Pulido,
Román de la Vara Salazar. 2 edición.