TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DEL VALLE DE ETLA

INGENIERIA EN GESTION EMPRESARIAL

Estadística Inferencial II

Reporte De Investigación

Clasificación, Nomenclatura, Simbología Y La Identificación De Los

Efectos De Los Diseños Experimentales.
Presenta

Aciel Bernabé Ramírez Ramírez

Asesor
M. en I.A. Cynthia Dinorah Gómez Sosa

Semestre: 5°

Oaxaca de Juárez, Oaxaca, México. Noviembre 2022

Clasificación de los diseños experimentales
Existen muchos diseños experimentales para estudiar la gran diversidad de
problemas o situaciones que ocurren en la práctica. Esta cantidad de diseños hace
necesario saber cómo elegir el más adecuado para una situación dada y, por ende,
es preciso conocer cómo es que se clasifican los diseños de acuerdo con su objetivo
y su alcance.
Los cinco aspectos que más influyen en la selección de un diseño experimental, en
el sentido de que cuando cambian por lo general nos llevan a cambiar de diseño,
son:
1. El objetivo del experimento.
2. El número de factores a estudiar.
3. El número de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relación factores-respuesta).
5. El costo del experimento, tiempo y precisión deseada.
De acuerdo con su objetivo y sin pretender ser exhaustivos
1. Diseños para comparar dos o más tratamientos.
2. Diseños para estudiar el efecto de varios factores sobre la(s) respuesta(s).
3. Diseños para determinar el punto óptimo de operación del proceso.
4. Diseños para la optimización de una mezcla.
5. Diseños para hacer el producto o proceso insensible a factores no controlables.
Diseños factoriales
En este tipo de diseños, el investigador manipula dos o más variables
independientes e incluyen dos o más niveles de presencia en cada una de ellas. La
denominación de este tipo de diseños se hace por el número de variables
independientes y el número de niveles de cada una de ellas. Como ejemplos
tenemos: a) un diseño 2 x 2, quiere decir que se emplean dos variables
independientes con dos niveles, más específicamente, podría ser una investigación
de fuerza con dos tipos de entrenamiento en los cuales se emplea una diferencia
de género (hombres y mujeres). b) un diseño 3 x 3 quiere decir que se emplearán
tres tipos de variables independientes con tres categorías o niveles., c) 3 X 2, d) 4
x 2. Como se puede ver, los números no necesariamente tienen que ser iguales. En
este tipo de diseño, el número de grupo se calcula multiplicando los números que lo
componen: para un diseño 2 x 2, el total de grupos experimentales es de 4; para un
diseño 3 x 3 x 2, el total de grupos será 18. La denominación de cada uno de estos
grupos se puede hacer mediante la metodología propuesta por Christensen
(2000)9. La asignación de los sujetos a los diferentes grupos debe hacerse al azar.
En el cuadro 2 se muestran varios ejemplos.

La gran ventaja de este tipo de diseños radica en el hecho de que le permite al

investigador evaluar los efectos de cada variable independiente sobre la
dependiente por separado, además de evaluar los efectos de las variables
independientes conjuntamente. Hay dos tipos de efectos a evaluar: los efectos de
cada variable independiente, también llamados efectos principales y los efectos de
interacción entre dos o más variables independientes. En el cuadro 3 se muestra un
ejemplo de posibles resultados de un diseño 3x2 en el cual se pretende estudiar el
efecto que produce un plan de entrenamiento de fuerza a intensidades de 20%, 50%
y 80%, sobre la variable género (hombres mujeres). Los resultados se dan en
unidades relativas (peso levantado / peso corporal). En los casos A y B se dan solo
efectos principales sin efectos interactivos; en los casos C y E, solo efectos
interactivos; en el caso F, no existen efectos.
Cuadro 3. Ejemplos de resultados en un diseño factorial 3x2, en el cual se pretende
analizar el efecto de un plan de entrenamiento de fuerza con tres niveles de
intensidad sobre la variable género. Los resultados se presentan en forma relativa
(Peso levantado / peso corporal). Y se analizan los efectos principales e
interacciones
Diseño completamente al azar
Muchas comparaciones, como las antes mencionadas, se hacen con base en el
diseño completamente al azar (DCA), que es el más simple de todos los diseños
que se utilizan para comparar dos o más tratamientos, dado que sólo consideran
dos fuentes de variabilidad: los tratamientos y el error aleatorio.
Diseño de bloques completos al azar
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor,
es deseable que las posibles diferencias se deban principalmente al factor de interés
y no a otros factores que no se consideran en el estudio. Cuando esto no ocurre y
existen otros factores que no se controlan o nulifican para hacer la comparación, las
conclusiones podrían ser afectadas sensiblemente.
Selección y aleatorización de un cuadro latino
No cualquier arreglo de letras latinas en forma de cuadro es un cuadro latino. La
regla fundamental es que cada letra debe aparecer sólo una vez en cada renglón y
en cada columna. Siempre es fácil construir un cuadro latino estándar: en el que en
la primera columna y en el primer renglón aparecen las letras en orden alfabético.
Diseño en cuadro grecolatino
Con el diseño en cuadro grecolatino (DCGL) se controlan tres factores de bloque,
además del factor de tratamientos. Se llama cuadro grecolatino porque los cuatro
factores involucrados se prueban en la misma cantidad de niveles, de aquí que se
pueda escribir como un cuadro (véase tabla 4.8); además, se utilizan letras latinas
para denotar a los tratamientos y letras griegas para nombrar a los niveles del tercer
factor de bloque. Al igual que en el cuadro latino, cada letra (latinas y griegas) debe
aparecer sólo una vez en cada renglón y en cada columna. Además, cada par de
letras debe aparecer sólo una vez en todo el arreglo. En la tabla 4.8 se presenta el
aspecto de los datos del diseño en cuadro latino de dimensión k= 4.
Diseño factorial 22
Con un diseño factorial 22 se estudia el efecto de dos factores considerando dos
niveles en cada uno. Cada réplica de este diseño consiste de 2 × 2 = 4
combinaciones o tratamientos que se pueden denotar de diferentes mane ras, como
se muestra en la tabla 6.1. Algunas de estas notaciones se utilizan en situaciones
muy particulares; por ejemplo, la notación +1, –1 es útil a la hora de hacer los
cálculos para ajustar por mínimos cuadrados un modelo de regresión a los datos;
es la notación que utilizan los paquetes Statgraphics y Minitab
Diseño factorial 23
Con el diseño factorial 23 se estudian tres factores en dos niveles cada uno. Consta
de 23 = 2 × 2 × 2 = 8 tratamientos diferentes, los cuales pueden identificarse con
las mismas notaciones introducidas con el diseño 22. Los tratamientos del diseño
23 y su representación geométrica se muestran en la figura 6.10. La región
experimental ahora es un cubo regular centrado en el origen (0, 0, 0), cuyos vértices
son los ocho tratamientos.
Con este diseño se pueden estudiar los 23– 1 = 7 efectos: tres efectos principales
A, B, C ; tres interacciones dobles AB,AC ,BC y una interacción triple ABC .Por lo
general, el interés se enfoca en estudiar los efectos principales y las interacciones
Diseño factorial general 2k
En el cual se consideran k factores con dos niveles cada uno, y tiene 2 k
tratamientos o puntos de diseño. Las k columnas y 2k renglones que componen la
matriz para este diseño, considerando una réplica, se construyen de la siguiente
manera: en la primera columna, que corresponde a los niveles del factor A, se
alternan signos + y –, empezando con – hasta llegar a los 2k renglones; en la
segunda columna se alternan dos signos menos con dos signos más; en la tercera,
se alternan cuatro signos menos y cuatro signos más, y así sucesivamente hasta la
k -ésima columna compuesta por 2k– 1 signos –, seguidos de 2k– 1 signos +. En la
tabla 6.10 se muestra la familia de diseños factoriales 2k (K £ 5). Nótese que el
número de tratamientos siempre es potencia de dos (4, 8, 16 y 32).
Nomenclaturas y simbología en el diseño experimental
Es un diseño experimental de clasificación simple, se trata de comparar varios
grupos generalmente llamados métodos o tratamientos, como por ejemplo
diferentes maneras de tratar una enfermedad: con medicamentos quirúrgicamente,
acentuada. Para hacer la comparación se usa una variable de respuesta
cuantitativa. Y que es medida en cada uno de los grupos.
Simbología
T: tratamientos
C: control
F: factores
A: números de tratamientos
N: tamaño de muestra
R: Replica o repetición
R: asignación al azar o aleatorización
E: emparejamiento o nivelación
G: grupo de sujetos
X: tratamiento, estimulo o condición experimental.
O: medición de los sujetos de un grupo: ausencia de estímulo en la variable
independiente
Tratamientos: Son las condiciones (procesos, técnicas, operaciones) las cuales
distinguen las poblaciones de interés. Cada tratamiento define únicamente una
población.
Control: Es la capacidad que tiene el investigador para elegir según su voluntad los
elementos que intervienen en la investigación.
Efecto: Es el cambio en la variable de respuesta por el cambio de nivel de un factor.
Factores controlables: Son aquellos con un grado de control, es decir que se
pueden manejar, variar o manipular con gran finalidad.
Factores ruido: son aquellos sobre los cuales el grado de control es menor y el
manejo es más fácil.
Niveles del factor: Son las diferentes categorías dentro de un factor de las cuales
pueden estudiar.
Corrida o unidad experimental: Entre al cual se aplica el tratamiento y sobre el
cual se mide la variabilidad de respuesta.
Partición: Proceso que distribuye la suma total de cuadrados y de grados de
libertad entre sus diversos componentes.
Interacción: Efecto que se produce cuando los niveles (valores) de un factor
interactúan con los niveles del otro factor e influyen en la variable de respuesta.
Cuando uno o más factores trabajan juntos para producir un efecto diferente que los
efectos producidos.
Diseño de bloqueos aleatorizado: En el que se obtiene simultáneamente
conclusiones acerca de dos o más factores.
Experimento factorial: Diseño experimental en el que se obtiene simultáneamente
conclusiones.
Combinación: Es la asignación de un solo nivel a un factor, o de varios niveles a
todos los factores es una corrida experimental.
Variable de respuesta: Es el resultado de una corrida experimental. Variable a
estudiar.
Corrida experimental: Implementación de cada una de las interacciones.
Bloque: Agrupación planeada de factores o combinaciones. Se realiza a manera
de minimizar la variación no incluida en el diseño.
Replicación: Es una repetición del experimento básico o el número de veces que
se replica cada uno de los tratamientos.
Bloqueo: Es una técnica usada para incrementar la precisión de un experimento
mediante la eliminación de variación introducida por los factores ruido. Un bloque
es una porción de material experimental que debe ser más homogéneo que todo el
conjunto de material experimental.
Aleatorización: Es el principio básico fundamental en el uso de métodos
estadísticos en diseño experimental. Por aleatorización se entiende que, la
asignación del material experimental a los tratamientos y el orden.

Identificación de los efectos de los diseños experimentales

La experimentación forma parte natural de la mayoría de las investigaciones
científicas e industriales, en muchas de las cuales, los resultados del proceso de
interés se ven afectados por la presencia de distintos factores, cuya influencia puede
estar oculta por la variabilidad de los muéstrales. Es fundamental conocer los
efectos que influyen realmente y estimar esta influencia. Para conseguir esto es
necesario experimental y observar la variable de respuesta. Del análisis y estudio
de la información recogida se obtienen las conclusiones.
Aleatorización
Consiste en hacer las corridas experimentales en orden aleatorio (al azar) y con
material también seleccionado aleatoriamente. Este principio aumenta la
probabilidad de que el supuesto de independencia de los errores se cumpla, lo cual
es un requisito para la validez de las pruebas de estadísticas que se realizan.
También es una manera de asegurar que las pequeñas diferencias provocadas por
materiales, equipo y todos los factores no controlados, se repartan de manera
homogénea en todos los tratamientos. Por ejemplo, una evidencia de
incumplimiento o violación de este principio se manifiesta cuando el resultado
obtenido en una prueba está muy influenciado por la prueba inmediata anterior.

Repetición
Es correr más de una vez un tratamiento o una combinación de facto res.
Es preciso no confundir este principio con medir varias veces el mismo resultado
experimental.
Repetir es volver a realizar un tratamiento, pero no inmediatamente después de
haber corrido el mismo tratamiento, sino cuando corresponda de acuerdo con la
aleatorización.
Las repeticiones permiten distinguir mejor qué parte de la variabilidad total de los
datos se debe al error aleatorio y cuál a los factores. Cuando no se hacen
repeticiones no hay manera de estimar la variabilidad natural o el error aleatorio, y
esto dificulta la construcción de estadísticas realistas en el análisis de los datos.

Bloqueo
Consiste en nulificar o tomar en cuenta, en forma adecuada, todos los factores que
puedan afectar la respuesta observada. Al bloquear, se supone que el subconjunto
de datos que se obtengan dentro de cada bloque (nivel particular del factor
bloqueado), debe resultar más homogéneo que el conjunto total de datos. Por
ejemplo, si se quieren comparar cuatro máquinas, es importante tomar en cuenta al
operador de las máquinas, en especial si se cree que la habilidad y los
conocimientos del operador pueden influir en el resultado. Una posible estrategia de
bloqueo del factor operador, sería que un mismo operador realizara todas las
pruebas del experimento.
Otra posible estrategia de bloqueo sería experimentar con cuatro operadores
(cuatro bloques), donde cada uno de ellos prueba en orden aleatorio las cuatro
máquinas; en este segundo caso, la comparación de las máquinas quizás es más
real.
Referencias
Chavez, M. F. (2014). Nomenclatura y simbología del diseño experimental. Obtenido de
https://prezi.com/eipxytlwzp7b/43-nomenclatura-y-simbologia-del-diseno-experimental/

Ramón, G. (s.f.). Diseños experimentales . Obtenido de

http://viref.udea.edu.co/contenido/menu_alterno/apuntes/ac37-diseno_experiment.pdf