Nombre:

Teddy Peña

ID:

1093025

Materia:

DOE

Entrega:

Tarea #1

Fecha:

21 de mayo del 2022

 1) Del libro de Montgomery y libro de Gutierréz Pulido (ambos libros)
capítulos 1 y 2, hacer un glosario con todos los conceptos basicos de diseño
de experimentos y estadística básica y poner un ejemplo aterrizado que
ustedes mismos formulen a cada uno.

 Libro Gutierrez - Capitulo 1

Diseño de Experimento: Consiste en planear y realizar un conjunto de pruebas con el
objetivo de generar datos que, al ser analizados estadísticamente, proporcionen
evidencias objetivas que permitan responder las interrogantes planteadas por el
experimentador sobre determinada situación. Ejemplo: Hacer un experimento de ver
que tan alto puede volar un avión, desde su planeación hasta su toma de pruebas seria
esto.
Proceso de Deduccion: Cuando se asume como verdadera una hipótesis, vista como
premisa, se deduce o desprende necesariamente una serie de consecuencias.
Proceso de Induccion: Cuando las consecuencias de una hipótesis y los datos no
concuerdan, se da un razonamiento inductivo que busca proponer una nueva hipótesis
que justifique tal discrepancia. Ejemplo: Si una persona muere no tiene vida, si tuvieras
una hipótesis nula que diga i se muere no tiene vida y esto sale rechazado, los datos
muestran que si debe ser aceptada
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 en una o varias propiedades
del producto o resultado. Ejemplo: Cuando tomamos agua infectada y esta la pasamos
por un filtro y medimos su ph en comparación con la original esto es un experimento
Unidad Experimental: Pieza(s) o muestra(s) que se utiliza para generar un valor que
sea representativo del resultado de la prueba
Variable Respuesta: A través de esta(s) variable(s) se conoce el efecto o los resultados
de cada prueba experimental. Ejemplo: El experimento de medir la dureza de un
ladrillo tiene varios factores, cada vez que cambiemos los datos de un factor este
generara una consecuencia diferente
Factores Controlables: Son variables de proceso y/o características de los materiales
que se pueden fijar en un nivel dado. Ejemplo: Si se hace un experimento de medir agua
con un filtro y este tiene factores de ph y bacterias, si dejamos ph fijo y cambiamos solo
bacterias esto seria
Factores no Controlables: Son variables que no se pueden controlar durante el
experimento o la operación normal del proceso. Ejemplo: es lo mismo que arriba pero
inverso. Que pase un terremoto no se tiene control
Factores Estudiados: Son las variables que se investigan en el experimento para
observar cómo afectan o influyen en la variable de respuesta.
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.
Error Experimental: Componente del error aleatorio que reflejja 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.
Planeacion: Son actividades encaminadas a entender, delimitar el problema u objeto de
estudio y seleccionar variables de respuesta y factores. Concluye con la especifi cación
de los tratamientos a realizar y con la organización del trabajo experimental.
Aleatorizacion: 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
Repeticion: Es correr más de una vez un tratamiento o combinación de factores.
Ejemplo: Imagina que se haga un experimento de medir agua pasada por un filtro, esto
es el experimento y se mida varias veces
Bloqueo: Es nulificar o tomar en cuenta en forma adecuada todos los factores que
pueden afectar la respuesta observada. Ejemplo: Cuando en un proyecto se bloquea
uno de los factores, para que no tenga presencia en nuestro resultados cuando en un
proyecto se bloquea uno de los factores, para que no tenga presencia en nuestro
resultados

 Libro Montgomery – Capitulo 1

Modelos mecánicos: Los modelos de tales fenómenos que se derivan directamente del
mecanismo físico
Modelos Empiricos: Los experimentos bien diseñados a menudo pueden conducir a un
modelo de rendimiento del sistema Los experimentos bien diseñados a menudo pueden
conducir a un modelo de rendimiento de sistema
Estrategia de Experimentación: El enfoque general para planificar y llevar a cabo la
experimento
OFAT: consiste en seleccionar un punto de partida, o conjunto de referencia de niveles,
para cada factor, y luego variando sucesivamente cada factor sobre su rango con los
otros factores mantenidos constantes en el nivel de referencia. Ejemplo: Su un
experimento tiene 2 factores y uno de ellos se deja en un solo nivel fijo y los otros ser
varian como el ph
Factorial: Esta es una estrategia experimental en la que los factores se varían juntos, en
lugar de uno solo. a la vez
Diseño de 2 factorial: este experimento factorial tiene ambos factores en dos niveles y
que todos los posibles en el diseño se utilizan combinaciones de los dos factores en
todos sus niveles. Geométricamente, el cuatro carreras forman las esquinas de un
cuadrado
Replica: Hacer el diseño 2 veces. Ejemplo: Si se hace un experimento de medir el ph
del agua después de haber pasado por el filtro, cada vez que se haga el mismo
experimento es una replica
Experimento factorial fraccionado: es una variación de la diseño factorial básico en el
que solo se utiliza un subconjunto de las ejecuciones. Ejemplo: que se tenga que tomar
16 muestras pero con un fraccionado solo se tomen 8
Diseño de factor de potencia: son aquellos factores que el experimentador puede
desear variar en el experimento
Libro Gutierrez – Capitulo 2
Población o universo: Es una colección o totalidad de posibles individuos, especímenes,
objetos o medidas de interés sobre los cuales se hace un estudio.
 Población finita: Aquella con un número pequeño de elementos, de tal forma que
al estudiar estadísticamente la población se necesite considerar el tamaño.
Ejemplo: Conjunto de universidades de la República Dominicana.
 Población infinita: Aquella de gran tamaño, por lo cual se necesita de una
muestra para su estudio. Ejemplo: Cantidad de Estrellas en el universo.
Parámetros: Es aquella característica que describe un conjunto de elementos de la
población mediante un valor numérico. Ejemplo: Promedio de calificación obtenidas en
una sección.
Muestra representativa: Es una porción de la población la cual conserva los aspectos
claves de la misma. Ejemplo: Digamos que una compañía que fabrica lapiceros quiere
saber la duración en metros de la tinta del lapicero. Como no es posible realizar esta
prueba con todos los lapiceros ya que, de ser así, no tendrían que vender, se escoge una
porción de los lapiceros para ser probados. Esta porción es la muestra representativa.
Inferencia estadística: Como lo dice su nombre, son conclusiones estadísticas sobre una
población, las cuales se basan en el estudio de una muestra. Ejemplo: Siguiendo con
nuestro ejemplo anterior, digamos que se calcula que la media 𝑦̅ = 1500 𝑚. Utilizando
esta media muestral queremos inferir la media de la población.
Estadístico: Cantidad obtenida a través de la muestra, la cual no posee parámetros
desconocidos. Ejemplo: En nuestro ejemplo anterior la media muestral, era nuestro
estadístico.
Distribución de probabilidad de X: Relaciona el conjunto de valores de X con la
probabilidad asociada con cada uno de estos valores. Ejemplo: Digamos que le
preguntamos a un curso cual es su día favorito de la semana, una distribución de
probabilidades posible sería la siguiente:
X Lunes Martes Miércoles Jueves Viernes Sábado Domingo
P(X=x) 0.01 0.01 0.01 0.01 0.32 0.54 0.10

Grados de libertad: Parámetros que definen las distribuciones y se determinan a partir

de los tamaños muestrales involucrados. Ejemplo: Digamos que tenemos un listado de
personas a graduar, pero no se anuncien en el mismo orden que el listado. Si vamos
tachando a cada persona anunciada llegara un punto en el que sabremos a quien van a
anunciar. Las veces en las que todavía hay incertidumbre sobre el nombre del graduado
son los grados de libertad.
Estimador puntual: Estadístico que estima el valor especifico de un parámetro para la
población. Ejemplo: Volviendo al ejemplo de los lapiceros, nuestra media muestral es
nuestro estimador puntual.
Intervalo de confianza: Valores entre los cuales se estima que esté el valor del parámetro
poblacional. Ejemplo: Siguiendo nuestro ejemplo anterior, aunque tengamos una media
muestral, no sabemos con certeza cual es la media de la población, pero podemos
establecer un intervalo dentro del cual se pueda encontrar, a este le llamaremos intervalo
de confianza.
Hipótesis estadística: Es una afirmación sobre los valores de los parámetros de una
población o proceso que se prueba a través de la información muestral. Ejemplo:
Digamos que queremos asegurarnos de que nuestros lapiceros del caso anterior recorran
en promedio al menos, 1,350 m, entonces podemos plantear las siguientes hipótesis:
𝐻0 : 𝜇𝑙 < 1,350 𝑚
𝐻1 : 𝜇𝑙 ≥ 1,350 𝑚
l: Duración de Lapiceros

Estadístico de prueba: Formula con la cual a partir de los datos de H0 se calcula una
magnitud que permite discernir si se rechaza la misma. La región de aceptación son los
valores estadísticos en los cuales no se rechaza la hipótesis nula, y la región de rechazo
lleva a rechazar la hipótesis nula.
Error Tipo I: Se rechaza una H0 que es verdadera. 𝛼 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐸𝑟𝑟𝑜𝑟 𝑇𝑖𝑝𝑜 𝐼.
Ejemplo: En el caso que hemos estado planteando, seria la probabilidad de rechazar que
nuestros lapiceros recorren en promedio menos de 1,350 m, cuando en realidad lo hacen.
Error Tipo II: Se acepta una H0 que es falsa. 𝛽 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐸𝑟𝑟𝑜𝑟 𝑇𝑖𝑝𝑜 𝐼.
Ejemplo: En el caso que hemos estado planteando, sería la probabilidad de aceptar que
nuestros lapiceros recorren en promedio menos de 1,350 m, cuando en realidad no lo
hacen. Como en este caso lo que buscamos es asegurar que recorran más de 1,350 m, nos
interesa más reducir los errores del tipo I.
Potencia de la prueba: Probabilidad de rechazar H0, cuando es falsa, esta va ligada a los
errores Tipo II 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽. Ejemplo: La potencia de nuestra prueba, es la
probabilidad de asegurar que los lapiceros recorren en promedio, al menos 1,350 m y que
esta asunción sea cierta.
Significancia predefinida: Es el riesgo máximo que el experimentador está dispuesto a
correr con respecto al error tipo I. Ejemplo: Se establece un porcentaje de error, digamos
un 0.5%, este será nuestra significancia predefinida.
Significancia observada: Es el área bajo la distribución de referencia más allá del valor
del estadístico de prueba. Se conoce como valor-p. Ejemplo: Digamos que según lo
observado en nuestra prueba, tenemos un p-value de 0.0001, entonces sabemos que
rechazamos H0 con un riesgo del error tipo I de 0.0001 que es menor al predefinido, por
lo cual se puede proseguir.
Orden completamente al azar: Es aquel en el que las unidades se asignan de manera
aleatoria a los tratamientos y las pruebas experimentales se hacen en orden aleatorio.
Ejemplo: Siguiendo con nuestro ejemplo predeterminado, digamos que debido a que
somos una empresa pequeña, la forma en la cual probamos nuestros lapiceros sean con
un conjunto de voluntarios que trazaran líneas hasta agotar el lapicero. En un orden
completamente al azar los lapiceros se unen aleatoriamente con cada uno de los
voluntarios.
Muestras pareadas: Son aquellas en las que los datos de ambos tratamientos se obtienen
por pares, de manera que estos tienen algo en común y no son independientes. Ejemplo:
Se quiere probar el sabor de unos pasteles que se quieren lanzar al mercado en
comparación a otros. Para esto se consiguen una muestra de personas para probar estos
pasteles. Debido a la variabilidad que tienen cada persona con sus gustos, lo mejor sería
hacer que cada sujeto pruebe cada pastel, disminuyendo los efectos de ruido que trae el
paladar de cada individuo.

 Libro Montgomery – Capitulo 2

Noise/Ruido: Es el error experimental, que surge de la variación, por lo cual es
incontrolable y generalmente no se puede evitar. Ejemplo: Queremos hacer un estudio
sobre el tiempo que dura hornear un bizcocho de caja de la compañía X en una
temperatura determinada. Un efecto de ruido podría ser el mismo horno, ya que no todos
los hornos calientan de la misma forma y aunque no sea nuestro eje de investigación
tendrá repercusiones en nuestros datos muestrales que queremos disminuir.
Media: Medida de tendencia central, análogamente tenemos la esperanza.
𝝁 = 𝑬(𝒚)
Ejemplo: Se quiere calcular el valor promedio que se da de las tiradas de un dado de 6
caras, sabemos que todos los números tienen una probabilidad de 1/6 de ser escogidos,
entonces tenemos lo siguiente:
1 1 1 1 1 1
𝜇 = ∑ 𝑦𝑝(𝑦) = 1 ( ) + 2 ( ) + 3 ( ) + 4 ( ) + 5 ( ) + 6 ( ) = 3.5
6 6 6 6 6 6
𝑎𝑙𝑙 𝑦

Varianza 𝝈𝟐 : Mide la variabilidad o dispersión de una distribución probabilística.

Siguiendo el ejemplo anterior tenemos:

𝜎 2 = ∑ (𝑦 − 𝜇)2 𝑝(𝑦)
𝑎𝑙𝑙 𝑦
 1 1 1 1
𝜎 2 = (1 − 3.5)2 ( ) + (2 − 3.5)2 ( ) + (3 − 3.5)2 ( ) + (4 − 3.5)2 ( )
6 6 6 6
1 1
+ (5 − 3.5)2 ( ) + (6 − 3.5)2 ( ) = 2.9167
6 6
Muestra aleatoria: Es aquella muestra que es seleccionada de modo que todas las
posibles muestras tengan la misma probabilidad de ser seleccionadas. De nuestra muestra
aleatoria podremos estimadores puntuales. Ejemplo: Digamos que queremos hacer un
estudio sobre la satisfacción de los estudiantes de la materia de Diseño de Experimento
durante el trimestre en curso hasta el momento y decidimos hacer el estudio mediante una
muestra. Podríamos Realizar un listado de todos los estudiantes que cursan la materia
actualmente y mediante algún software elegir 10 estudiantes al azar. Esta sería una
muestra aleatoria, ya que todos los estudiantes tendrían la misma probabilidad de ser
escogidos (1/Cantidad de estudiantes).
Teorema del límite central: Establece que, dada una muestra aleatoria suficientemente
grande de la población, la distribución de sus medias muestrales seguirá una distribución
normal.

2) Libro de Gutierréz Pulido capitulo 1 pg 12 ejes 5,6,12 y 17

5. ¿Es posible estudiar cómo influye un factor sobre la variable de respuesta, si el

factor se mantiene fijo en todas las corridas o pruebas experimentales? Explique
Si es posible, ya que algunos de estos son los que usualmente se controlan durante la
operación normal del proceso, y se distinguen porque, para cada uno de ellos, existe la
manera o el mecanismo para cambiar o manipular su nivel de operación. Esto ultimo es
lo que hace posible que se pueda experimentar con ellos
6. Se tiene un experimento en el que los factores a estudiar y sus niveles son los
siguientes: temperatura (10, 20 y 30°C), tiempo (60 y 90 minutos). Elabore una
lista de todos los posibles tratamientos de este diseño
Nivel de Nivel de Tiempo Tratamiento y
Temperatura (C) (min) (C/Min)
10 60 TI=(10/60) 0.1666 C/min
10 90 T2=(10/90) 0.1111 C/min
20 60 T3=(20/60) 0.3333 C/min
20 90 T4=(20/90) 0.2222 C/min
30 60 T5=(30/60) 0.500 C/min
30 90 T6=(30/90) 0.3333 C/min

12. Explique la diferencia entre significancia práctica y significancia estadística.

Proponga un ejemplo donde se tenga la segunda pero no la primera.
En ocasiones, un experimentador puede concluir que dos tratamientos son diferentes
estadísticamente, pero que tales diferencias, aunque sean significativas, no
necesariamente representan una diferencia que en la práctica sea importante. Un
ejemplo donde se tenga la segunda pero no la primera es tener recetas de pasteles
hechas a prueba y error.
17. Una compañía farmacéutica realizó un experimento para comprobar los
tiempos promedio (en días) que son necesarios para que una persona se recupere
de los efectos y las complicaciones que siguen a un resfriado común. En este
experimento se compararon a personas que tomaron distintas dosis diarias de
vitamina C. Para hacer el experimento se contactó a un número determinado de
personas, que en cuanto les daba el resfriado empezaban a recibir algún tipo de
dosis. Si la edad de las personas es una posible fuente de variabilidad, explique con
detalle cómo aplicaría la idea de bloqueo para controlar tal fuente de variabilidad.
Una vez que se tiene controlada la variable a estudiar aplicamos el principio de bloqueo.
Ya no aceptamos voluntarios de una edad diferentes