Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A. Fisher,
quién sentó la base de la teoría del Diseño Experimental y a la fecha se encuentra bastante
desarrollada y ampliada. Actualmente las aplicaciones son múltiples, especialmente en la
investigación de las ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las
ciencias sociales.
DISEÑO EXPERIMENTAL
Este término se utiliza para planear un experimento de manera que se pueda obtener la
información pertinente a un determinado problema que se investiga y así tomar decisiones
correctas.
Es proporcionar métodos que permitan obtener la mayor cantidad de información válida acerca
de una investigación, teniendo en cuenta el factor costo y el uso adecuado del material
disponible mediante métodos que permitan disminuir el error experimental.
TRATAMIENTO
TESTIGO
UNIDAD EXPERIMENTAL
Se denomina factor tratamiento a cualquier variable cuyo posible efecto sobre los datos desea
ser investigado. Los niveles de un factor tratamiento serán los tipos o grados específicos del
factor que se utilizarán en el experimento. Los factores tratamiento pueden ser cualitativos o
cuantitativos.
Como ejemplo de factores cualitativos y sus niveles respectivos son los siguientes: proveedor,
diferentes proveedores de una materia prima, tipo de máquina (diferentes tipos o marcas de
máquinas), trabajador (los trabajadores encargados de hacer una tarea), tipo de procesador
( los procesadores de los que se quiere comparar su velocidad de ejecución) y de
factores cuantitativos son: tamaño de memoria (diferentes tamaños de memoria de
ordenadores), droga (distintas cantidades de la droga), la temperatura (conjuntos de
temperaturas seleccionadas en unos rangos de interés).
REPETICIÓN
Es el dato que se recoge del experimento, el cual es de interés para el investigador y que sirve
para evaluar los tratamientos, por lo que es importante precisar de antemano cuál será esta
variable y en qué unidades se medirá.
FUENTE DE VARIACIÓN
Una fuente de variación es cualquier “cosa” que pueda generar variabilidad en la respuesta. Se
distinguen dos tipos: aquellas cuyo efecto sobre la respuesta es de particular interés para el
experimentador (factores tratamiento) y aquellas que no son de interés directo pero que se
contemplan en el diseño para reducir la variabilidad no planificada (factores “guisante”).
ANÁLISIS DE LA VARIANZA
Es una técnica estadística que sirve para analizar la variación total de los resultados
experimentales de un diseño en particular, descomponiéndolo en fuentes de variación
independientes atribuibles a cada uno de los efectos en que constituye el diseño experimental.
HIPÓTESIS ESTADÍSTICA
Al probar la hipótesis estadística el investigador está propenso a cometer los siguientes tipos
de errores:
Error Tipo I: Se comete cuando se rechaza la hipótesis que se plantea, siendo esta hipótesis
falsa; la magnitud de este error es fijado por el investigador y constituye el “nivel de
significación de la prueba”; usualmente los valores usados como nivel de significación son 0.10;
0.05 o 0.01.
Error tipo II: Se comete cuando se acepta la hipótesis que se plantea, siendo esta hipótesis
falsa; la magnitud de este error no se puede fijar, pero si es posible minimizar utilizando un
tamaño adecuado de muestra.
COEFICIENTE DE VARIABILIDAD
Es una medida de variabilidad relativa (sin unidades de medida) cuyo uso es para cuantificar en
términos porcentuales la variabilidad de las unidades experimentales frente a la aplicación de
un determinado tratamiento. En experimentación no controlada (condiciones de campo) se
considera que un coeficiente de variabilidad mayor a 35% es elevado por lo que se debe tener
especial cuidado en las interpretaciones y conclusiones; en condiciones controladas
(laboratorio) se considera un coeficiente de variabilidad mayor como elevado. La expresión
estimada del coeficiente de variabilidad es:
CV = RAIZ(CME) / Y
TÉRMINOS UTILIZADOS
Unidad experimental: son los objetos, individuos, intervalos de espacio o tiempo sobre los que
se experimenta.
Niveles: cada uno de los resultados de un factor. Según sean elegidos por el experimentador o
elegidos al azar de una amplia población se denominan factores de efectos fijos o factores
de efectos aleatorios.
Diseño Equilibrado o Balanceado: es aquel en el que todos los tratamientos son asignados a un
número igual de unidades experimentales.
Para aleatorizar una tabla de números aleatorios resulta conveniente para elegir las unidades
experimentales que recibirá cada tratamiento. Si cada tratamiento ha de repetirse cuatro veces,
los primeros cuatro números aleatorios obtenidos se asignarán al tratamiento A, los siguientes
cuatro números aleatorios al tratamiento B, y así sucesivamente.
El diseño al completo azar se utiliza cuando las condiciones del sitio o lugar experimental son
totalmente homogéneas
Ventajes:
a) Su sencillez (estadístico fácil). Aun cuando el dato de algunos tratamientos se haya perdido, o
rechacen por alguna causa el método de análisis sigue siendo sencillo. La pérdida relativa de
información debida a los datos faltantes, es de menos importancia que en cualquier otro
sistema.
b) La flexibilidad. Puede utilizarse cualquier número de tratamientos y repeticiones y pueden
variar a voluntad del investigador el número de repeticiones de un tratamiento a otro, pero no
es recomendable sino existe una buena razón. Todo el material experimental disponible puede
usarse, lo cual es una ventaja en experimentos preliminares pequeños donde el material
experimental de que se dispone es escaso.
c) El número de grados de libertad es máximo en comparación con otros modelos, el modelo
estadístico sigue siendo fácil aun cuando se pierdan unidades experimentales.
d) Aun cuando el dato de algún tratamiento se haya perdido, o rechacen por alguna causa el
método de análisis sigue siendo sencillo
Desventajas:
a) La principal estriba en su grado de precisión, algún otro diseño suele ser capaz de estimar el
error estándar por unidad experimental (error experimental) con un mayor grado de precisión
b) No siempre puede garantizarse condiciones de homogeneidad. No se asegura, ninguna forma
para aseverar que las unidades reciben un tratamiento similar a aquellas que reciben otro
tratamiento, toda la variación que existe entre las unidades pasa a formar parte del error
experimental.
PROCEDIMIENTO DE ANÁLISIS
Procedimiento
Modelo Estadístico
Yin = µ + ti + sij
En donde:
Yin Variable respuesta de la ij-esima unidad experimental
µ Efecto de la media general
ti Efecto del i-esimo tratamiento
εij Efecto del error experimental asociado a la i-esima unidad experimental
Análisis de Varianza
Hipótesis Nula Ho: ti = 0 (Los i tratamientos tienen el mismo efecto sobre la variable en
estudio)
Hipótesis Alterna Ha: ti ¹0 (No todos los tratamientos tienen el mismo efecto sobre la
variable en estudio, al menos uno produce un resultado distinto)
Tabla de Datos
Repeticiones Yi.
Tratamientos
1 2 3 4 r
1 Y11 Y12 Y12 . . . Y1r Y1 .
2 Y21 Y22 Y23 . . . Y2r Y2 .
3 Y31 Y32 Y33 . . . Y3r Y3 .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
r Yt1 Yt2 Yt3 . . . Ytr Y . .
Supuestos
Para el análisis de varianza se construye una tabla de análisis de varianza y se completan los
datos. Existen sólo dos fuentes de variación en el diseño completamente aleatorio: entre
unidades experimentales dentro de un tratamiento, la cual denominamos error experimental y
aquella entre medias de tratamiento.
Fuentes Grados Ft
Suma de Cuadrados
de de Fc Calculada Requerida
Cuadrados Medios
Variación Libertad
Tratamien- t-1 ∑[(Y2../r Sctrat/gltotal Scmedios/Cmerror
tos Y2..)/(tr)]
Error t ( r – 1) Sctotal - SCtrat Scerror/glerror
Total t r -1 ∑∑[ (Yij- Y2..)/
(tr) ]
Los grados de libertad son uno menos que el número de observaciones para cada fuente de
variación.
Regla de Decisión
Ft = Valor tabular .
Coeficiente de Variación
Y.. = Y.. / tr
EJEMPLO
Una empresa agropecuaria produce papa canchan re es importante que se produzca
papá de calidad para mejorar los ingresos en la empresa, actualmente se está
obteniendo bajos ingresos por lo cual el gerente ha decidido realizar un experimento
aleatorio ya utilizando 4 hectáreas de cultivo aplicando diferentes abonamientos con
cuatro repeticiones para comprobar cuántos quintales de papá obtiene y cual abono es
más rentable, para ello se aplicó un diseño experimental completamente al azar.
ABONOS
REPETICIONES A B C D
1 148 250 190 170
2 200 210 180 190
3 215 250 195 200
4 210 230 200 180
Abono B: organico
Abono C: diamónico
Abono D: molimax
library(readr)
centeno
summary(centeno)
names(centeno)<-c("abonos","quintales")
names(centeno)
attach(centeno)
abonos<-as.factor(abonos)
class(abonos)
m<-aov(quintales~abonos)
anova(m)
model.tables(m,type= 'means')
anova(m)$`Pr(>F)`[1]
library(viridis)
library(ggplot2)
library(agricolae)
library(gridExtra)
geom_boxplot()+
theme_light()
shapiro.test(residuals(m))
bartlett.test(quintales~abonos, data=centeno)
pairwise.t.test(quintales, abonos,p.adj="none")
Interpretación
Interpretación
Según el análisis el cuadro de Anova aceptamos la hipótesis nula, nuestro P valor es menor al
5%.
Por ello se concluye que no existen diferencias significativas entre los abonos
Fuente: elaboración propia
Interpretación
Interpretación
Según el gráfico se observa que el abono B (orgánico) tiene mayor producción y es más
rentable
Fuente: elaboración propia
Interpretación
Conclusiones
Bibliografía.
http://reyesestadistica.blogspot.com/2011/07/diseno-de-experimentos-al-completo-azar.html
1. Cochran&Cox (William G. Cochran y Gertrude M Cox), Diseños experimentales, Editorial Trillas,
S. A. México, D F edición 1965
2. Métodos Estadísticos para la investigación en la Agricultura.
3. Internet