AUTOR : VICTOR HUGO OROPEZA MERINO FECHA:

ESTADISTICA INFERENCIAL II

Diseño completamente al azar

El diseño completamente al azar es el más sencillo de los diseños de experimentos que tratan de

comparar dos o más tratamientos, puesto que sólo considera dos fuentes de variabilidad: los

tratamientos y el error aleatorio.

Para ilustrar el diseño, supongamos que queremos determinar si cuatro dosificaciones de un

hormigón A,B,C y D presentan una misma resistencia característica a compresión. Para ello se han

elaborado 5 probetas para cada tipo de dosificación y, a los 28 días, se han roto las probetas a

compresión simple y los resultados son los que hemos recogido en la tabla que sigue.

ara este caso, la variable de respuesta es la resistencia característica del hormigón a compresión

(MPa), la unidad experimental es la probeta de hormigón y el factor es la dosificación de

hormigón. En este caso se trata de un diseño balanceado porque hemos realizado el mismo

número de repeticiones (5) para cada uno de los tratamientos (dosificaciones).

Este tipo de diseño se llama completamente al azar porque todas las repeticiones experimentales

se realizan en orden aleatorio completo, pues no se han tenido en cuenta otros factores de

interés. Si durante el estudio se hacen N pruebas, éstas se deben realizar al azar, de forma que los

posibles efectos ambientales y temporales se vayan repartiendo equitativamente entre los

tratamientos.

El número de repeticiones a realizar en cada tratamiento depende de la variabilidad que se espera

observar en los datos, a la diferencia mínima que el experimentador considera que es importante
AUTOR : VICTOR HUGO OROPEZA MERINO FECHA:
ESTADISTICA INFERENCIAL II

detectar y al nivel de confianza que se desea tener en las conclusiones. Normalmente se

recomiendan entre 10 y 30 mediciones en cada tratamiento. Con 10 mediciones se podrían

detectar diferencias de medias mayores o iguales a 1,5 sigmas con una probabilidad alta, y con 30

mediciones se podrían detectar diferencias mayores o iguales a 0,7 sigmas.

Se utiliza el análisis de la varianza (ANOVA) para comprobar si existen diferencias en las medias.

Fundamentalmente este análisis consiste en separar la contribución de cada fuente de variación

en la variación total observada. Sin embargo, éste ANOVA está supeditado a los siguientes

supuestos que deben verificarse:

• Normalidad

• Varianza constante (igual varianza en los tratamientos)

• Indepedencia

Para los que queráis saber qué ha pasado con nuestro experimento con las amasadas, os diré que

que el ANOVA dió como resultado el rechazo de la igualdad de medias, es decir, que la resistencia

media se ve afectada por la dosificación. Sin embargo, las cuatro dosificaciones no son igual de

efectivas, pues existen diferencias significativas entre las resistencias medias de cada una de ellas.

De hecho, las dosificaciones A y B no presentan diferencias significativas entre sí, tampoco entre la

C y la D, sin embargo, entre ambos grupos sí que hay diferencias significativas. Asimismo, se ha

podido comprobar que se cumplieron los supuestos de normalidad, varianza constante e

independencia.

Os dejo en el siguiente vídeo cómo se puede utilizar el software SPSS para realizar un diseño de

experimentos completamente al azar.

AUTOR : VICTOR HUGO OROPEZA MERINO FECHA:
ESTADISTICA INFERENCIAL II

Ejemplo:

Diseño Completamente al azar (DCA)

También conocido como de un factor o One Way. La característica esencial es que todas las

posibles fuentes de variación o de influencia están controladas y sólo hay efecto del factor en

estudio. Este es el experimento ideal, todo controlado y lo único que influye es el factor de

estudio.

Para mostrar los cálculos numéricos se tieneel siguiente ejemplo.Un biólogo decide estudiar los

efectos del etanol en el tiempo de sueño. Se seleccionó una muestra de 20 ratas, de edad

semejante, a cada rata se le administró una inyección oral con una concentración en particular de

etanol por peso corporal. El movimiento ocular rápido (REM) en el tiempo de sueño para cada rata

se registró entonces durante un periodo de 24 horas, con los siguientes resultados.(Modificado de

Jay L. Devore, Probabilidad y estadística para ingeniería y ciencias, 5ª. Edición, Ed. Thomson

Learning, México, 2001, pág. 412)

Como primer paso se debe tener en cuenta el par de hipótesis a trabajar.

AUTOR : VICTOR HUGO OROPEZA MERINO FECHA:
ESTADISTICA INFERENCIAL II

Las fórmulas de cálculo son:

Donde:

A es la suma de cuadrados Total

B Suma de cuadrados de tratamientos

C Suma de cuadrados del error

S.C. Total = (88.6 –55.375)2+ (73.2 –55.375)2 + . . . + (22.7 –55.375)2= 7 369.7575

S.C. Trat = 5[(79.28 –55.375)2 + (61.54 –55.375)2+ (47.92 –55.375)2+ (32.76 –55.375)2] =

5(1176.4715) = 5882.357

S.C. Error = (88.6 –79.28)2+ (73.2 –79.28)2+ . . . +(22.7–32.76)2= 1487.4

Tratamientos a= 4, con repeticiones n= 5, por lo tanto a*n= N= 4*5 = 20

Siguiendo otra estrategia de cálculo:

AUTOR : VICTOR HUGO OROPEZA MERINO FECHA:
ESTADISTICA INFERENCIAL II

Y la tabla de ANOVA queda como:

Fuente de Suma de Cuadrados

Variación g.l. Cuadrados medios F Pr > F

Tratamientos 3 5 882.4 1960.785 21.09 0.0001

Error 16 1 487.40 92.9625

Total 19 7 369.757