Sesión 14: DCA Diseño de Experimentos

IX SEMESTRE
SEMANA14
DISEÑO COMPLETAMENTE ALEATORIO O AL HAZAR
(DCA)
Diseñar un experimento, simplemente significa planear un experimento de modo que se
reúna la información que sea pertinente al problema bajo investigación. En ciencias e
ingeniería, el diseño de experimentos es muy necesario ya que implica investigación, análisis
y comprobación de los resultados.

DEFINICIÓN E IMPORTANCIA DEL DISEÑO EXPERIMENTAL

El diseño de un experimento, es la secuencia completa de pasos tomados de antemano para
asegurar que los datos apropiados se obtendrán de modo que permitan un análisis objetivo
que sea posible de analizar inferencias estadísticas válidas con respecto al problema
establecido.

El propósito del diseño experimental es proporcionar una cantidad máxima de información

pertinente al problema bajo investigación, es también importante que el diseño o plan, sea
tan simple como sea posible, es decir debe ser eficiente tanto en lo estadístico como en lo
económico.

Un experimento diseñado estadísticamente proporciona una estimación del error que puede
servir como norma por la que pueden ser medidos los resultados del experimento. Un
investigador que planee un experimento debería incorporar ambos de estos factores en sus
diseños, esforzarse para lograr eficiencia estadística (buena metodología estadística) y
1 Universidad Peruana Los

economizar recursos.

Aplicaciones del diseño experimental:

- Mejora en el rendimiento del proceso
- Menor variabilidad y mayor ajuste a los requerimientos del proceso
- Menor tiempo de desarrollo
- Menores costos globales del proceso

PASOS A SEGUIR EN EL DISEÑO DE EXPERIMENTOS

Es muy importante que todo investigador siga cuidadosamente una secuencia de pasos que
él mismo crea conveniente; sin embargo, según Kempthorne1 un experimento diseñado
estadísticamente consta de los siguientes pasos:
1. Enunciado del problema (Comprensión y planteamiento del problema)
2. Formulación de las Hipótesis
3. Selección de tratamientos y el Diseño Experimental
4. Examen de los sucesos posibles y referencias en que se basan las razones que
asegure que el experimento proporciona la información requerida y en la extensión
adecuada
5. Consideración de los posibles resultados desde el punto de vista de los
Página

procedimientos estadísticos que se les aplicará, para asegurar que se satisfagan las
condiciones necesarias para que sean válidos estos procedimientos.

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
6. Ejecución del experimento
7. Aplicación de las técnicas estadísticas a los resultados experimentales
8. Interpretación de resultados y extracción de conclusiones y recomendaciones
9. Valuación de la investigación realizada y preparación del informe final

Esta lista es una guía referencial para cualquier investigador, ya que puede asegurar que
nada ha pasado desapercibido.

DEFINICIONES BÁSICAS
Tratamiento
Se usa el término tratamiento, para denominar los diferentes procesos cuyos efectos
van a ser medidos y comparados. Un tratamiento es un conjunto particular de condiciones
experimentales que deben imponerse a una unidad experimental.

Un diseño de experimentos tendrá dos o más tratamientos, tal que una comparación entre
ellos permitirá resolver los problemas planteados al inicio del experimento. En la selección de
tratamientos es importante definir claramente cada uno de ellos y entender el papel que
jugará para alcanzar los objetivos del experimento.

Los tratamientos son una creación de las circunstancias para el experimento. Es necesario
identificar los tratamientos con el papel que cada uno tiene en la evaluación de la hipótesis de
investigación.

Unidad Experimental
Se usará el término de unidad experimental para representar el conjunto de material al
cual se aplica un tratamiento en un solo ensayo.

La unidad puede ser una parcela, un alumno en el laboratorio, un lote de semillas, una
porción de masa, etc., específicamente en la industria química, ejemplos de unidades
experimentales pueden ser: lotes de material, trabajadores, máquinas.
2 Universidad Peruana Los

Entonces la unidad experimental es el material experimental unitario que recibe la aplicación

de un tratamiento, es el elemento donde se realiza la medición.

Error Experimental
Es la medida de la variación, existente entre dos o más unidades experimentales que han
recibido la aplicación de un mismo tratamiento.

El término error experimental se aplica frecuentemente a estas variaciones. La palabra “error”

no es sinónimo de “equivocación” sino que incluye todos los tipos de variación extraña. Por
eso se dice también que el término error experimental describe el “fracaso” de llegar a
resultados idénticos con dos unidades experimentales tratadas idénticamente.

Se pueden distinguir dos fuentes principales de errores experimentales en los diseños de

experimentos. La primera es la variabilidad inherente al material experimental (unidad
experimental) al cual se aplican los tratamientos. La segunda fuente de variabilidad es la falta
de uniformidad en la conducción física del experimento; es decir, la deficiencia en poder
uniformizar la técnica experimental (variabilidad debida a los tratamientos)

Causas del Error Experimental: puede ser errores de experimentación, de observación, de

Página

medición, variación en el material experimental y factores extraños.

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
Para reducir el Error Experimental se debe:
- usar material experimental más homogéneo
- dar buena dirección del experimento
- repetir el experimento
- usar un diseño experimental apropiado
-
Factor
Un factor es un grupo específico de tratamientos, como, por ejemplo: temperatura,
humedad, dosis de nitrógeno en trigo, tipos de suelo, aditivo químico, etc., se consideran un
factor cada uno.
Las diversas categorías de un factor se denominan niveles del factor, como, por ejemplo:
- cuatro diferentes dosis de nitrógeno: O; 37,5; 75,0 y 112,5 (kg/ha)
- tres diferentes tipos de suelo: normal, salino, sódico.

Al primero de ellos se le conoce como factor cuantitativo, tiene niveles asociados con puntos
ordenados en alguna escala de medición, y el segundo ejemplo corresponde a los niveles de
un factor cualitativo, que representan distintas categorías o clasificaciones, que no se pueden
acomodar conforme alguna magnitud.

Al tratamiento también se le define como a cada una de las combinaciones de niveles de los
distintos factores.

Variable respuesta o variable de interés

Los datos que se recogen en un experimento son medidas de una variable denominada
variable respuesta o variable de interés.

Es importante precisar de antemano cuál es la variable respuesta y en qué unidades se mide.

También se debe especificar con claridad la forma en que se realizarán las mediciones:
instrumentos de medida, tiempo en el que se harán las mediciones, etc.

PRINCIPIOS BÁSICOS DEL DISEÑO EXPERIMENTAL

3 Universidad Peruana Los

Reproducción
Se entiende por reproducción la repetición del experimento básico. Es importante la
reproducción ya que:
- Proporciona una estimación del error experimental que actúa como una unidad básica
de medida para indicar el significado de las diferencias observadas o para determinar
la amplitud de un intervalo de confianza.

La reproducción proporciona algunas veces una estimación más aproximada del error
experimental.

Aleatorización
Consiste en asignar al azar los tratamientos a las unidades experimentales. La aleatorización
permite proceder como si la independencia de errores fuera un hecho. Los errores asociados
con unidades experimentales, tenderán a correlacionarse, y lo que hace la aleatorización es
asegurar que el efecto de esta correlación sea muy pequeño.

La aleatorización es una de las pocas características de los diseños experimentales

modernos, las ocasiones en que se requiere la aleatorización varían con el tipo de
experimento y deben dejarse a juicio del investigador.
Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
La aleatorización es en cierta forma un seguro, por el hecho de que es una precaución
contra interferencias que pueden o no ocurrir, y ser o no importantes si ocurren.

Control Local
Control local, se refiere a la cantidad de balanceo, bloqueo y agrupamiento de las unidades
experimentales que se emplean en el diseño estadístico que se emplea.

El propósito del control local es hacer al diseño experimental más eficiente. Esta eficiencia
significa la reducción del error experimental mediante el control de todos los factores.

ANÁLISIS DE VARIANZA (ANVA)

El Análisis de Varianza, es una las técnicas más utilizadas en los análisis de los datos de los
diseños experimentales que se usa para comprobar si existen diferencias significativas entre
los promedios de los tratamientos (2 ó más), por lo que puede verse como una extensión de
la prueba t para diferencias de dos medias.

Básicamente es un procedimiento que permite dividir la varianza de la variable dependiente

(la que se estudia) en dos o más componentes, cada uno de los cuales puede ser atribuido a
una fuente (variable o factor) identificable.

El análisis de varianza se aplica en la investigación, pues está relacionado con el diseño de

experimentos, y puede ser usado para dos tipos de análisis: para contrastar hipótesis acerca
de varianzas y para contrastar hipótesis acerca de medias; aunque las conclusiones acerca
de las medias dependerán de las varianzas observadas.

Supuestos del análisis de varianza

El ANVA está basado en ciertos supuestos, acerca de dichas variables aleatorias. Es
evidente que cuantos más factores introduzcamos menos cantidad de variación residual
(error) quedará por explicar. Pero siempre quedará alguna variación residual (o error).

Los supuestos del ANVA son:

4 Universidad Peruana Los

1. El valor esperado de cada variable aleatoria residual es cero.

2. Las variables aleatorias residuales son mutuamente independientes.
3. Todas las variables aleatorias residuales tienen la misma varianza.
4. Toda variable aleatoria residual se distribuye normalmente.

En algunos casos los datos o mediciones que se realizan no satisfacen las suposiciones,
sobre todo cuando las varianzas de las respuestas para diferentes tratamientos no son
iguales, entonces en estos casos interviene el criterio del investigador, ya que no se puede
desechar las mediciones realizadas en laboratorio, lo que sí se puede hacer es transformar
las mediciones; es decir, usando las mediciones originales, se podrían usar sus raíces
cuadradas, logaritmos o alguna otra función. Muchas de las transformaciones realizadas
tienden a estabilizar la varianza de la respuesta y hacen también que las distribuciones de
probabilidad de las respuestas transformadas estén más cerca de la normalidad.

Cuando es imposible lograr que se satisfagan estos supuestos del ANVA, se debe utilizar
procedimientos no-paramétricos de pruebas de hipótesis.
Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
MODELO MATEMÁTICO
El modelo matemático especificado debe indicar la relación que se supone que existe entre
la variable respuesta y las principales fuentes de variación identificadas.

Es fundamental que el modelo elegido se ajuste a la realidad con la mayor precisión posible.
El modelo más habitual es el modelo lineal:

En este modelo la respuesta viene dada por una combinación lineal de términos que
representan las principales fuentes de variación planificada más un término residual
(error) debido a las fuentes de variación no planificada. Los modelos que más se estudian y
aplican, se ajustan a esta forma general.

TIPOS DE MODELOS ESTADÍSTICOS

Los modelos de diseños de experimentos según la selección de tratamientos y los efectos
de los factores, pueden ser:

Modelo de efectos fijos

Es un modelo en el que los niveles del factor han sido seleccionados por el experimentador.

Es apropiado cuando el interés se centra en comparar el efecto sobre la respuesta de esos

niveles específicos.

Ejemplo: un ingeniero está interesado en comparar el rendimiento de tres máquinas del

mismo tipo que tiene en su empresa.
5 Universidad Peruana Los

El modelo de efectos fijos es el que más se usa y aplica en ingeniería, y es el que se va a

usar en los diseños básicos que se presenta en este capítulo.

Modelo de efectos aleatorios

Es un modelo en el que todos los factores son factores de efectos aleatorios; es decir, que
sólo se incluyen en el experimento una muestra aleatoria simple de todos los posibles
niveles del mismo. Evidentemente se utilizan estos factores cuando tienen un número muy
grande de niveles y no es razonable o posible trabajar con todos ellos. En este caso se está
interesado en examinar la variabilidad de la respuesta debida a la población entera de
niveles del factor.

Modelo mixto
Es un modelo en el que hay factores de efectos fijos y factores de efectos aleatorios.

DISEÑOS BÁSICOS
Los diseños básicos y de uso común en trabajos de investigación son los siguientes:
1. Diseño Completamente Aleatorio
2. Diseño de Bloques Aleatorios
3. Diseño Cuadrado Latino
Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos

DISEÑO COMPLETAMENTE ALEATORIO O AL AZAR (DCA)

Es el diseño más simple y aplicativo en diseños experimentales. El diseño completamente
al azar, es el diseño en el cual los tratamientos son asignados completamente al azar a las
unidades experimentales, o viceversa.

En este diseño solamente se estudia el efecto de un factor, el cual se varía en diferentes

tratamientos o niveles, por eso al diseño completamente aleatorio también se le llama
diseño unifactorial o de clasificación de un solo criterio.

Características del diseño completamente al azar

- No impone restricciones en la distribución de los tratamientos a las unidades
experimentales.
- Se debe disponer de unidades experimentales homogéneas. Por lo tanto, este
diseño se usará en laboratorios o invernaderos.
- Cada tratamiento puede tener igual o diferente número de unidades experimentales.
- El número de tratamientos está en función del número de unidades experimentales.
(es conveniente menos tratamientos y más unidades experimentales).

Modelo aditivo lineal en el diseño completamente aleatorio

En el diseño completamente al azar con una observación por unidad experimental, las
observaciones pueden ser representadas por el siguiente modelo aditivo lineal (de efectos
fijos):

𝒀𝒊𝒋 = 𝝁 + 𝑟𝒊 + 𝒆𝒊𝒋
i = 1, 2, ..., t (tratamientos)
j = 1, 2, ..., n (iguales repeticiones por tratamiento)
j = 1, 2, ..., ni (diferentes repeticiones por tratamiento)

Donde:
6 Universidad Peruana Los

𝝁: es el efecto medio verdadero

𝑟𝒊 : es el efecto verdadero del i-ésimo tratamiento.
𝒆𝒊𝒋: es el efecto verdadero de la j-ésima unidad experimental sujeta al i-ésimo tratamiento.
𝒀𝒊𝒋 : Respuesta de la j-ésima unidad experimental sujeta al i-ésimo tratamiento.
Asunciones:
𝒕

∑ 𝑟 =𝟎 𝒆𝒊𝒋~𝑵(𝟎, 𝝈𝟐)
𝒊=𝟏
Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
Representación simbólica de los datos en el diseño completamente
aleatorio
Los resultados del experimento se pueden agrupar de la siguiente forma:

CUADRO 1. Agrupación de resultados del experimento en el diseño completamente

aleatorio
Tratamientos

Donde:
𝒀𝒊𝒋: es el resultado de la medición del i-ésimo tratamiento en la j-ésima repetición.
𝒀.. = 𝒀𝒊. = ∑𝒏𝒊 𝒀𝒊𝒋: La suma de todas las observaciones
𝒊=
∑𝒕 𝒋=
𝒕
𝒏. = 𝒊=𝟏 𝒏𝒊 ∶ El número total de unidades experimentales
Análisis de varianza en el diseño completamente aleatorio
En esta parte desarrollaremos el Análisis de Varianza para el modelo de Efectos fijos del diseño
completamente aleatorio.
7 Universidad Peruana Los

Para el cual se siguen los siguientes pasos:

1. Formulación de las hipótesis
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑡
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝜇𝑖 ≠ 𝜇𝑗 𝑖 ≠ 𝑗
Equivalentemente se puede formular la hipótesis en función de los efectos de los tratamientos
de la siguiente forma:
𝐻0 : 𝑟𝑖 = 0, 𝑉𝑖 = 1,2, … , 𝑡
𝐻1 : 𝑟𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖
Donde: 𝑟𝑖 = 𝜇𝑖 − 𝜇, efecto de un nivel del factor

2. Presentar un nivel de significación adecuado, generalmente α = 0,05

3. Realizar los cálculos respectivos, teniendo en cuenta si presentan igual o diferente
número de unidades experimentales por tratamiento, los cálculos se presentan en las
Tabla 1 y Tabla 2. (también puede ser directamente aplicando paquetes estadísticos como
Página

el StatGraphics, Minitab, SPSS y otros).

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería
 Sesión 14: DCA Diseño de Experimentos
Se debe tener presente:
La Ecuación Fundamental del Análisis de Varianza en el DCA:

𝑺𝑪𝑻𝒐 = 𝑺𝑪𝑻𝒓 + 𝑺𝑪𝑬

SCTO: Suma total de cuadrados
SCTr: Suma de cuadrados de los tratamientos
SCE: Suma de cuadrados de los errores
8 Universidad Peruana Los

Donde:
√𝑪𝑴𝑬
𝑻𝑪 = ∶ Término de corrección 𝑪. 𝑽. =
𝒚𝟐 ∑ 𝒏 𝒀̅
𝒊
𝒊=𝟏

4. Analizar las regiones críticas

𝟐
Por otra parte, el cociente de dos variables 𝒙 se distribuye mediante la distribución de
Página

F.
Ing. Saúl Santivañez Bernardo Facultad de Ingeniería
 Sesión 14: DCA Diseño de Experimentos

Figura 1. Regiones críticas en el diseño completamente aleatorio

5. Conclusiones e interpretación.
Conclusiones:
Si Fc > F1–α => Se rechaza Ho
Si Fc < F1–α => No se rechaza Ho
Nota: Los valores de F se encuentra en el documento adjunto Tablas Estadísticas
tabla 4.

Ejemplo de un diseño completamente aleatorio (CASO DE ESTUDIO)

Se utilizaron tres métodos diferentes para determinar la concentración (ppm: Partes por millón)
de Mg. en agua natural. Se hallan los siguientes resultados:
9 Universidad Peruana Los

Método A 5.65 5.75 5.64 5.73 5.69 5.71

Método B 5.83 5.78 5.79 5.92 5.95 5.82
Método C 5.75 5.63 5.68 5.64 5.72 5.66
¿Existe diferencia significativa con un nivel de significación del 5%, entre los métodos? Suponer
poblaciones normales (Distribución Normal).

Solución
El modelo aditivo lineal es el siguiente:
𝒀𝒊𝒋 = 𝝁 + 𝑟𝒊 + 𝒆𝒊𝒋 𝒊 = 𝟏, 𝟐, 𝟑 (𝒎é𝒕𝒐𝒅𝒐𝒔) 𝒋 = 𝟏, 𝟐, … , 𝟔
𝒀𝒊𝒋 = 𝑪𝒐𝒏𝒄𝒆𝒏𝒕𝒓𝒂𝒄𝒊ó𝒏 (𝒑𝒑𝒎)𝒅𝒆 𝑴𝒈 𝒆𝒏 𝒂𝒈𝒖𝒂 𝒏𝒂𝒕𝒖𝒓𝒂𝒍
Las hipótesis a probar son las siguientes:
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 (Que no existe diferencia significativa)
𝐻1 : 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝜇𝑖 ≠ 𝜇𝑗 𝑖 ≠ 𝑗
Se usará el nivel de significación α = 0,05
Se procede a los cálculos usando la Tabla 1, ya que se presenta igual número de unidades
Página

experimentales por tratamiento:

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos

Paso1: Formula:
10 Universidad Peruana Los

Entonces reemplazando en la fórmula de la suma de cuadrados del total:

Paso2: Formula:

Ahora se calcula la suma de cuadrados de tratamiento:

Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos

Paso3: Formula:

La suma de cuadrados del error experimental se puede calcular por diferencia:

Los valores calculados se reemplazan en la tabla del ANVA, se completan los cuadrados
medios y los demás cálculos:

2 4 6

3 5

1
Paso4:
11 Universidad Peruana Los

Se calcula el valor crítico, según la Tabla Estadística, Tabla 4: Distribución F de Fisher

t(n-1) = 3(6-1) = 3*5=15

Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
Paso5:
Conclusión:

Fc (ANVA)
17.2679
3.682

EJERCICIOS PROPUESTOS
Ejercicio1: 𝐹0.95(4;15)𝑔𝑙 = 3.06
Un ingeniero textil, mide la resistencia a la ruptura de cinco clases de fibras textiles por
12 Universidad Peruana Los

medio de cuatro distintos instrumentos, y obtiene los resultados (en onzas) que se
muestran en la tabla siguiente:

Calculando el ANVA, responda si ¿Existe diferencias significativas entre las fibras textiles?,

Ejercicio2: 𝐹0.95(3;20)𝑔𝑙 = 3.10

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 hacer ello, prueba los cueros con una máquina que hace pasar los zapatos por una
Página

superficie abrasiva; la suela de los zapatos se desgasta al pasarla por dicha superficie. Como

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos
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.

¿El tipo de cuero tiene influencia sobre la calidad de la suela?

Ejercicio3: 𝐹0.95(4;15)𝑔𝑙 = 3.06

Los datos presentados son ensayos de variedades de trigo. Cuatro variedades de trigo
crecieron en cada una de cinco localidades diferentes. Las respuestas en bushels por acre,
son dadas en la tabla siguiente:
13 Universidad Peruana Los

Determine si hay diferencias significativas en las variedades

Ejercicio4: 𝐹0.95(3;12)𝑔𝑙 = 3.49

Un ingeniero está investigando el efecto que tienen cuatro variedades de quinua (A, B, C, D)
sobre el rendimiento de una parcela agrícola. Se supuso, para el diseño, que la humedad y el
contenido de Nitrógeno del terreno derivan en una heterogeneidad del medio y que un doble
criterio de agrupamiento podría reducir el error experimental. El ingeniero decide utilizar el
DCL. Los resultados se muestran a continuación (en 100 kg por parcela).
Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería

 Sesión 14: DCA Diseño de Experimentos

Realice el ANVA y pruebe las hipótesis respectivas

Ejercicio5: 𝐹0.95(3;12)𝑔𝑙 = 3.49

Un ingeniero está investigando el efecto que tienen cuatro métodos de ensamblaje (A, B, C y D)
sobre el tiempo de ensamblaje (en horas) de un componente para televisores a color. Se
seleccionaron cuatro operadores para realizar el estudio. Asumiendo varianzas homogéneas. A
continuación, se presentan los datos:
14 Universidad Peruana Los

Realice el ANVA para las Pruebas de Hipótesis correspondientes.

Página

Ing. Saúl Santivañez Bernardo Facultad de Ingeniería