DE - Intro

Diseño y análisis de
experimentos
INTRODUCCIÓN
Estadística Aplicada ING
2022
Prof. Valeria Quevedo

ING
Bibliografía
• Diseño y análisis de experimentos. Douglas Montogomery. ASU. 2004.
• Experiments. Planing, Analysis, and Optimization. Jeff Wu, Michael Hamada.
Wiley & Sons. 2009.
• OpenIntro Statistics. Thrid edition. David M Diez, Christopher D Barr, and
Mine C etinkaya-Rundel. 2015.
ING
Un poco de historia…
• En sus inicios, la aplicación de diseño de experimentos estuvo
relacionada con la agricultura y biología. Ronald Fisher, en los 30’s,
fue uno de los pioneros en el diseño experimental en sus estudios de
agronomía.
• Después de la II guerra mundial, se extendió a la industria textil,
química y manufactura en Europa y E.E.U.U. George Box fue uno de
los impulsadores de su uso en la industria química. Actualmente, en
todas las ramas se usa diseño de experimentos.
• En los 90’s, con la revolución de la Calidad: mejora de la calidad, TQM,
reducción de la variabilidad, se impulsó el trabajo de Genichi Taguchi
quien (desde los 50’s) se enfocó al diseño robusto de parámetros
(Robust Parameter Design-RPD) y metodología de superficie de
respuesta (Response Surface Methodology-RSM) que fueron muy
exitosas en la industria de la manufactura. ING
Experimento
Es una prueba o serie de pruebas en las que se hacen
cambios deliberados en las variables de entrada de un
proceso o sistema para observar e identificar las razones
de los cambios que pudieran observarse en la respuesta
de salida.
ING
Diseño Estadístico de Experimentos
Se refiere al proceso de planear el experimento de tal
manera que se recaben los datos adecuados que
puedan analizarse con métodos estadísticos para
obtener conclusiones válidas y objetivas.
ING
Métodos de Recolección de Datos
• Data histórica.
• Data Observacional.
• Diseño de experimentos
Si queremos establecer relaciones de causa-efecto,

necesitamos conducir un diseño de experimentos.
ING
Objetivos del DE
•Determinar qué variables influyen
mayormente en la variable de respuesta: y.
•Cuál es el ajuste que deben tener los

factores controlables para:
– Disminuir la variabilidad de y
– Hacer que los efectos de las z sean
mínimos.
ING
Importancia del DE en ingeniería
• Diseñar un nuevo producto
• Desarrollo procesos de manufactura
• Mejoramiento de procesos
• Desarrollar diseños/procesos robustos.
ING
Conceptos fundamentales del
D.E.
ING
Unidad experimental y unidad observacional
• Unidad experimental. Es la unidad más pequeña a la cual se
puede aplicar el tratamiento. Usualmente, se asume que las
unidades experimentales son homogéneas.
• Unidad observacional. Es aquella a la cual se mide el efecto
del tratamiento. Puede ser o no puede ser la unidad
experimental.
ING
• Experimento para comparar la capacidad de tres conservadores
para inhibir el crecimiento de hongos en cierto tipo de pastel.
Después de 9 días de almacenado se mide el número de esporas
de hongo por cm3. Se divide a cada pastel en 10 parte iguales y se
obtiene la medición de esporas de hongo en cada parte del pastel.
• ¿Cuáles son las u. e.?____________
• ¿Cuáles son las u. o.?____________
Estas 10 mediciones en cada pastel no resultan de 10

aplicaciones independientes del conservador.
No nos da la variabilidad entre u.e.
ING
1. En un ensayo clínico veterinario, a varios perros se les aplican diferentes
medicamentos.
a) Si se realiza la medición del efecto del tratamiento a cada perro…
u.e.______________ u.o ________________
b) A cada pata del perro se le mide el efecto del tratamiento.
u.e.______________ u.o ________________
2. Un criadero de langostinos desea medir el efecto que tienen diferente tipos de

alimentos en el peso de los langostinos. Para ello utiliza 4 piscinas, en cada una se
usa un tipo de alimento. El encargado saca de cada piscina 10 langostinos.
a) Si se pesa a los 10 langostinos en una balanza y luego saca el peso promedio del
langostino. u.e.______________ u.o ____________
b) Después de sacar a los 10 langostinos, se anota el peso de cada uno.
u.e.______________ u.o ____________
ING
Error experimental y error observacional
• Error experimental
• Mide la variabilidad entre las u.e. y es el resultado de la variabilidad entre las
u.e.
• Representa la variabilidad de repetir un tratamiento.
• Para estimar el error experimental, se requiere de replicar el tratamiento.
• Error observacional
• Mide la variabilidad debido a las u.o. y es el resultado entre las u.o.
• Es parte del error experimental (solo una parte).
ING
Terminología
• Variable de respuesta (y).
• Factores: Son las variables controlables en un experimento. Cada factor

tiene uno o más niveles.
• Si hay un solo factor, los tratamientos serán los niveles del factor.
• Si el experimento tiene más de un factor, un tratamiento es la
combinación de los niveles de dichos factores.
• Ensayos: Son las pruebas individuales de los experimentos.
ING
Tratamientos – Ejemplo I
Experimento: nuevas variedades de maíz con distinto contenido de

aminoácidos puede aumentar el valor nutricional del maíz estándar.
Se medirá el aumento de peso en pollos de un día de nacidos.
• Factor A: Variedad de maíz (Opaque-2, Floury-2, Normal)
• Factor B: Proteína de soya (12%, 16%, 20%)
• ¿Cuáles son los tratamientos?
Nationalchickencouncil.org
ING
Tratamientos – Ejemplo I
Factor B: Protein
12% 16% 20%
1 2 3 Treatment 3 = Opaque-2
Opaque-2
corn in diet containing 20%
Factor A: protein
Corn Floury-2 4 5 6
Variety
Normal 7 8 9
Nationalchickencouncil.org
ING
Ejemplo II
• Se quiere medir la rugosidad en las pistas de UDEP usando una
aplicación en smartphones. Se medirá la rugosidad promedio de
cada tramo. Se han seleccionado aleatoriamente 8 tramos. Se han
identificado los siguientes factores con sus respectivos niveles:
Velocidad (20 kmph, 40 kmph), tipo de vehículo (pequeño,
camioneta) y presión de las llantas (-2 psi, +1 psi con respecto a lo
recomendado por cada auto).
• Identificar las u.e., la variable de respuesta y los tratamientos.
ING
Principios básicos del D.E.
ING
Principios básicos del DE
1. Realización de réplicas.
2. Aleatorización.
3. Formación de bloques.
ING
1. Realización de réplicas
• Realización de réplicas.
• Replicas es la repetición del experimento básico.
• La replicación del tratamiento permite: 1) obtener una estimación más
precisa del efecto del tratamiento, 2) estimar el error experimental.
Réplicas no es lo mismo que mediciones repetidas:
𝑦1
𝑦11
𝑦2 𝑦12
…
…
𝑦1𝑛
𝑦𝑛
ING
2. Aleatorización
• Aleatorización.
• La asignación al azar de las u.e. a los tratamientos y del orden en que se
realizarán los ensayos.
• Nos protege de aquellas variables que desconocemos o no podemos
controlar y que pueden afectar a la variable de respuesta. Distribuye el
impacto del sesgo sistemático.
ING
3. Formación de bloques
• Formación de bloques.
• Un bloque se refiere a un grupo de unidades homogéneas, que
comparten características en común que no nos interesa o no queremos
controlar pero que pueden afectar a la variable de respuesta.
• Ayuda a reducir el error entre las u.e.
𝑦1
Primer día
𝑦2
𝑦3
Segundo día
𝑦4
ING
Ejemplos
ING
¿Porqué es un mal diseño? Ejemplo I parte A
Objetivo de investigación:
¿La salinidad en el agua afecta la presión sanguínea en ratones?
Experimento:
Se le da a un ratón agua con 1% NaCl durante 14 días y se mide la
presión sanguínea.
¿Por qué es un mal DE?
¿Cómo lo corregimos?
ING
24
¿Porqué es un mal diseño? Ejemplo I parte A
1. Falta de “control”!
Los buenos experimentos son comparativos.
Necesitamos comparar la presión sanguínea en el ratón que

tomó agua con NaCL con el ratón que tomó agua sin sal.
ING
25
¿Porqué es un mal diseño? Ejemplo I parte B
Experimento:
Se le da a un ratón agua con 1% NaCl y a otro ratón agua fresca
durante 14 días y se mide la presión sanguínea en ambos.
¿Cuál es el problema de este DE?
ING
26
¿Porqué es un mal diseño? Ejemplo I parte B
¡Falta de réplicas!
• Cuantificamos la
incertidumbre.
• Reduce el efecto de la
variación que no
controlamos. En otras
palabras, aumenta la
precisión.
ING
27
¿Porqué es un mal diseño? Ejemplo I parte C
Experimento:
Se le da a los 5 primeros ratones agua con 1% NaCl y a los siguientes
5 ratones agua fresca durante 14 días y se mide la presión sanguínea
en ambos.
¿Cuál es el problema?
ING
28
¿Porqué es un mal diseño? Ejemplo I parte C
• ¿Qué pasaría si los primeros 5 ratones tienen (por alguna
razón) la presión más alta?
• Problema: ____________________
• La aleatorización es la mejor manera de

evitar sesgo en un experimento.
ING
29
¿Porqué es un mal diseño? Ejemplo II
Experimento: Estamos interesados en las diferencias de la expresión

genoma entre tumores y mucosa no-neoplásica en pacientes con cáncer
de colon.
Se analizaron todas las muestras de tumores durante un día, y las
muestras de mucosa durante el segundo día.
¿Es un experimento bien diseñado? ¿Por qué?

The water could have come from the plants, the soil, the pots, or the air in
the jar. Control experiments should have been set up to test for these
possibilities.
ING
Ejemplo III
• Suponga que se cuenta con 16 animales y se desea aplicar dos
tratamientos: tratamiento A (grupo de control) y tratamiento B
(“grupo de tratamiento”). Sin embargo el laboratorio tiene capacidad
para aplicar el tratamiento a 4 animales por día.
• ¿Cómo diseñaría el experimento?
ING
Estrategias de experimentación
ING
Estrategias de Experimentación:
Un factor a la vez
Muchos usan la estrategia de experimentación de un factor a la vez.
• Usando el experimento del golf (libro de Montgomery): Un golfista sabe
que el palo, pelota y bebida pueden afectar su puntuación en el golf.
• ¿Cuál es el problema de esta estrategia?

• Puede haber un efecto debido a la interacción de varios factores.
ING
Experimentación: CON DOS O MÁS
FACTORES
• Los resultados de un factor a la vez son deficientes comparados con el

diseño factorial.
• El diseño factorial realiza un análisis en conjunto de todos los factores. ING
¿Qué sigue?
1) Diseño de una vía (“oneway anova”): diseños de un solo factor.
ING
¿Qué sigue?
2) Two way anova o diseños de dos factores.
3) Diseño factorial (2K): tratamientos son las combinaciones de los
niveles de los k factores.
Diseño 22 Diseño 23
ING

DE - Intro

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

DE - Intro

Cargado por

Copyright:

Formatos disponibles

Diseño y análisis de

Prof. Valeria Quevedo

Si queremos establecer relaciones de causa-efecto,

•Cuál es el ajuste que deben tener los

Estas 10 mediciones en cada pastel no resultan de 10

2. Un criadero de langostinos desea medir el efecto que tienen diferente tipos de

• Factores: Son las variables controlables en un experimento. Cada factor

• Ensayos: Son las pruebas individuales de los experimentos.

Experimento: nuevas variedades de maíz con distinto contenido de

Réplicas no es lo mismo que mediciones repetidas:

Necesitamos comparar la presión sanguínea en el ratón que

• La aleatorización es la mejor manera de

Experimento: Estamos interesados en las diferencias de la expresión

¿Es un experimento bien diseñado? ¿Por qué?

• ¿Cuál es el problema de esta estrategia?

• Los resultados de un factor a la vez son deficientes comparados con el

También podría gustarte