Instituto tecnológico de Campeche

Nombre: Eduardo Misael Ake Blanco

Nombre de Maestro: Agustín Bocos

Nombre de la asignatura: Estadística indiferencia II

Carrera: Ingeniera en Gestión Empresarial

Grupo: MG-5

Num. Y Nombre de la Unidad: #4. Diseños experimentales para un factor

Num. Y Nombre del trabajo: Tarea de Conceptos tema # 4

Fecha de entrega: 15 de noviembre del 2022

pág. 1
 INDICE

Tabla de contenido
................................................................................................................................................................................ 1

INDICE ................................................................................................................................................................... 2

INTRODUCCION. .................................................................................................................................................. 3

El diseño de experimentos hoy. ......................................................................................................................... 4

Diseño de experimentos en la investigación. ................................................................................................... 4

Breve historia de diseño experimentales .......................................................................................................... 4

Definiciones básicas en el diseño de experimentos ........................................................................................ 5

Etapas en el diseño de experimentos ................................................................................................................ 5

Consideraciones practicas sobre el uso de métodos estadístico .................................................................. 6

Clasificación y selección de los diseños experimentales ............................................................................... 6

Experimentos con un solo factor (análisis de varianza) .................................................................................. 7

El modelo de efectos fijos ................................................................................................................................... 8

El modelo de efectos aleatorios ......................................................................................................................... 8

La suma total de cuadrados ................................................................................................................................ 8

La tabla de ANDEVA ............................................................................................................................................ 8

................................................................................................................................................................................ 8

Prueba sobre medias de tratamiento individuales ........................................................................................... 8

Prueba de Duncan ................................................................................................................................................ 8

MAPA MENTAL ................................................................................................................................................... 11

VIDEOS DE YOUTUBE ....................................................................................................................................... 14

pág. 2
INTRODUCCION.

Como parte de esta materia de estadística inferencial II, este trabajo se realizó para poder
buscar conceptos que nos ayudarán a lo largo de esta materia, estos conceptos serán de
gran utilidad ya que al momento de realizar algo trabajo/ ejercicio de algún tema en
específico, tengamos conocimiento previo y así poder identificarlo y tener el significado de
cada uno, debidamente con algunos ejemplos para tener una visión más clara de la palabra
investigada, para poder entrar con conocimiento previos, la cuarta unidad de la materia se
centra en la continuidad de la misma materia que cursamos el semestre anterior, algunos
temas que tendrán que ser impartidas en las clases son las siguientes:

• EL DISEÑO DE EXPERIMENTOS HOY

•
• DISEÑO DE EXPERIMENTOS EN LA INVESTIGACION
•
• BREVE HISTORIA DEL DISEÑO DE EXPERIMENTOS
•
• DEFINICIONES BASICAS EN EL DISEÑO DE EXPERIMENTOS
•
• ETAPAS EN EL DISEÑO DE EXPERIMENTOS
•
• PRINCIPIOS BASICOS
•
• CLASIFICACION Y SELECCIÓN DE LOS DISEÑOS EXPERIMENTALES
•
• EXPERIMENTOS CON UN SOLO FACTOR
•
• PRUEBA SOBRE MEDIAS DE TRATAMIENTO INDIVIDUALES

En este documento se realizó una profunda investigación de todos los puntos anteriores
mencionados, con la finalidad de tener los conceptos mas adecuado y correcto para cada
punto y tener una mayor compresión para nuestros próximos temas.

pág. 3
El diseño de experimentos hoy.

Diseño de experimentos en la investigación.

El diseño de investigación constituye un aspecto fundamental y necesario de todo proceso científico.
Cuando un investigador se plantea realizar un estudio, suele tratar de desarrollar algún tipo de
comparación. El diseño de investigación supone, así, especificar la naturaleza de las comparaciones
que habrían de efectuarse, constituyendo además el plan general del investigador para obtener
respuestas a sus interrogantes o comprobarlas hipótesis de investigación. El diseño de investigación
desglosa las estrategias básicas que el investigador adopta para generar información exacta e
interpretable.

La importancia de utilizar un adecuado diseño experimental en la investigación científica ha sido

señalada por numerosos investigadores. Sin embargo, estos investigadores aún no han logrado
ponerse de acuerdo a la hora de elaborar una definición adecuada del diseño experimental.

Breve historia de diseño experimentales

Durante los años de 1930 la influencia de su trabajo estadístico se difundió a través del mundo de
habla inglesa y frecuentemente más allá, así que después de la segunda guerra mundial con la
formación de la sociedad internacional biométrica en 1947, un nuevo campo de la investigación
científica fue reconocido, como resultado de la introducción de métodos competentes y la purificación
del razonamiento inductivo por los cales Fisher había sido primeramente el responsable, fue el
innovador del uso de los métodos estadístico en el diseño de experimentos; desarrollo y uso por
primera vez el análisis de varianza como herramienta primaria para el análisis estadístico en el diseño
experimental, el diseño de experimentos tuvo su inicio teórico a partir de 1935 por Sir. Ronald A. Fisher
quien sentó la base de la teoría del Diseño Experimental y a que 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. La experimentación proporciona los datos experimentales, en contrastes con los datos de la
observación; los datos de la observación se representan como su nombre indica por observaciones
de las unidades elementales de una población o de una muestra y no deben ser cambiados ni
modificados por ningún intento de parte de un investigador en el curso de la observación

pág. 4
Definiciones básicas en el diseño de experimentos

Finney (1960) afirma que el diseño de un experimento está constituido por: a) la serie de tratamientos
seleccionados para hacer comparaciones; b) la especificación de las unidades a las cuales se
aplicaran los tratamientos; c) las reglas por las cuales se asignaran los tratamientos a las unidades
experimentales, y d) la especificación de las medidas que van a tomarse de cada unidad (variable
dependiente).

Plutchnik (1968) lo define en términos de: a) las formas de disponer las condiciones experimentales
indicadas por la pregunta de investigación, y b) los métodos de control para minimizar o reducir el
error al establecer relaciones causales entre las variables implicadas.

Para Kirk (1972) un diseño experimental es un plan de acuerdo con el cual se asigna alos sujetos
a los diferentes grupos o condiciones experimentales. Hay cinco actividades interrelacionadas que lo
caracterizan: a) la formulación de hipótesis estadísticas, b) el establecimiento de reglas de decisión
para poner a prueba dichas hipótesis, c) la recogida de los datos de acuerdo con un plan que permita
evaluar las hipótesis, d) el análisis de los datos, y e) la toma de decisiones respecto a las hipótesis y
a la formulación de inferencias inductivas respecto de las hipótesis científicas o de investigación.

Kerlinger (1975) define el diseño de investigación como "el plan, la estructura y la estrategia de
investigación concebidos para obtener respuestas a preguntas de investigación y controlar la
varianza". Para este autor, el plan es el esbozo general del proyecto de investigación, e incluye todo
el proceso que va desde la formulación de las hipótesis hasta el análisis de los datos. La estructura
es, para Kerlinger, más específica que el plan, constituyendo el esquema y el paradigma de lo que
se hará con las variables.Por último, estrategia se refiere a los métodos de recogida y análisis de
datos.

Etapas en el diseño de experimentos

1. Planeación y realización: Entender y delimitar al problema u objeto de estudio, en donde

realizar investigaciones preliminares conduzcan a entender y delimitar problemas u objeto
de estudio.
2. Elegir variables de respuestas: Es donde se refleja el resultado de las pruebas se debn elegir
las que mejor reflejen el problema, se debe garantizar que los métodos de medición son
capaces de reproducir una medición
3. Delimitar factores de estudio: utilizar toda la información disponible para incluir aquellos
factores que se consideren que tendrán mayor efecto
pág. 5
 4. Seleccionar los niveles de cada factor: Determinar cuántas repeticiones se harán para cada
tratamiento tomando en cuentas las variables.
5. Planear y organizar el trabajo experimental: Organizar y planear con detalle el trbajo
experimental
6. Realizar el experimento: seguir el plan previsto a la actividad y en caso de algún imprevisto
determinar a qué persona se reportaría
7. Análisis: Los resultados experimentales son observaciones muestrales, no poblacionales y
se recurre a métodos estadísticos, la técnica estadística central es el llamado análisis de
varianza ANOVA
8. Interpretación: Analizar con detalle lo que ha sucedido en el experimento observar los nuevos
aprendizajes que se lograron durante el proceso, con apoyo de pruebas estadística.
9. Control y conclusiones finales: Decidir que medidas implementar para generalizar el
resultado del estudio y para garantizar que las mejoras se mantengan.

Consideraciones practicas sobre el uso de métodos estadístico

El conocimiento estadístico es vital. El experimentador debe tener un buen nivel de conocimiento

técnico y práctico sobre el fenómeno o proceso que estudia.

Hay reconocer la diferencia entre significancia estadística e importancia práctica. En ocasiones,

un experimentador puede concluir que tratamientos son diferentes estadísticamente, pero que
tales diferencias, aunque sean significativas, no necesariamente representan una diferencia que
en la práctica sea importante. Por ejemplo, se puede dar el caso que un ensayo concluya que la
aplicación de un determinado abono, conlleve un aumento de la producción estadísticamente
significativo de 100 kg/ha de algodón, pero esos kilos, pueden no ser importantes para un
agricultor.

Clasificación y selección de los diseños experimentales

Los diseños experimentaIes Existen muchos diseños experimentaIes para estudiar Ia

gran diversidad de problemas o situaciones que ocurren en Ia práctica. Esta cantidad de
diseños hace necesario saber cómo eIegir eI más adecuado para una situación dada y,
por ende, es preciso conocer cómo es que se cIasifican Ios diseños de acuerdo con su
objetivo y su alcance.

Los cinco aspectos que más infIuyen en Ia seIección de un diseño experimentaI, en

eI sentido de que cuando cambian por Io generaI nos IIevan a cambiar de diseño,
son:

pág. 6
 1. EI objetivo deI experimento.

2. EI número de factores a estudiar.

3. EI número de niveIes que se prueban en cada factor.

4. Los efectos que interesa investigar (reIación factores-respuesta).

5. EI costo deI experimento, tiempo y precisión deseada.

Estos cinco puntos no son independientes entre sí, pero es importante señaIarIos de
manera separada, ya que aI cambiar cuaIquiera de eIIos generaImente cambia eI
diseño experimentaI a utiIizar. Con base en aIgunos de estos cinco puntos es posibIe
cIasificar Ios diseños como Io hacemos a continuación.

EI objetivo deI experimento se utiIiza como un criterio generaI de cIasificación de Ios

diseños experimentaIes, mientras que Ios otros cuatro puntos son útiIes para
subcIasificarIos. En este sentido, de acuerdo con su objetivo y sin pretender ser
exhaustivos, Ios diseños se pueden cIasificar como:

Diseños para comparar dos o más tratamientos.

Diseños para estudiar eI efecto de varios factores sobre Ia(s) respuesta(s).

Diseños para determinar eI punto óptimo de operación deI proceso

Experimentos con un solo factor (análisis de varianza)

El método ANOVA con un factor de clasificación permite comparar los niveles del factor estudiado que
participan en el diseño experimental. Por ejemplo, si en el experimento participan distintos operadores,
la comparación entre ellos permite verificar cuál consigue mejores resultados.
En muchas aplicaciones del ANOVA la comparación de los niveles del factor estudiado es prioritaria.
Es obvio que, al hacer tales comparaciones, existe un interés y un objetivo claro. Por ejemplo, una
comparación de cuatro instrumentos de medida se hace con el fin de estudiar si alguno da más error que
los restantes; en este caso, la variable de interés es el error de indicación de cada instrumento después
de haber sido calibrados con un patrón.

El método ANOVA con un factor de clasificación también llamado Diseño Completamente al Azar
(DCA) es el más simple de los diseños experimentales para comparar distintas poblaciones y evaluar su
variabilidad, dado que solamente considera la variación entre poblaciones y el error aleatorio. Es muy
importante que no existan otras fuentes de variabilidad distintas a las que se han considerado en el
estudio ya que esta circunstancia invalidaría los resultados.
pág. 7
 El modelo de efectos fijos
El modelo de efectos fijos de análisis de la varianza se aplica a situaciones en las que el experimentador
ha sometido al grupo o material analizado a varios factores, cada uno de los cuales le afecta sólo a la
media, permaneciendo la "variable respuesta" con una distribución normal. Este modelo se supone
cuando el investigador se interesa únicamente por los niveles del factor presentes en el experimento, por
lo que cualquier variación observada en las puntuaciones se deberá al error experimental
El modelo de efectos aleatorios
Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren diferencias
incomparables en el material o grupo experimental. El ejemplo más simple es el de estimar la media
desconocida de una población compuesta de individuos diferentes y en el que esas diferencias se
mezclan con los errores del instrumento de medición. Este modelo se supone cuando el investigador
está interesado en una población de niveles, teóricamente infinitos, del factor de estudio, de los que
únicamente una muestra al azar (t niveles) están presentes en el experimento.
La suma total de cuadrados
En el análisis de varianza (ANOVA), la suma total de los cuadrados ayuda a expresar la variación total
que se puede atribuir a diferentes factores. Por ejemplo, usted hace un experimento para probar la
efectividad de tres detergentes para ropa.
La suma total de los cuadrados = suma de los cuadrados del tratamiento (SST) + suma de los cuadrados
del error residual (SSE)
La suma de los cuadrados del tratamiento es la variación atribuida a, o en este caso entre, los detergentes
para ropa. La suma de los cuadrados del error residual es la variación atribuida al error.
El convertir la suma de los cuadrados en cuadrados medios al dividir entre los grados de libertad le
permitirá comparar estas relaciones y determinar si existe una diferencia significativa debido al
detergente. Mientras mayor sea esta relación, más afectarán los tratamientos el resultado.
La tabla de ANDEVA

Prueba sobre medias de tratamiento individuales

Prueba de Duncan
Este procedimiento es utilizado para realizar comparaciones multiples de medias; para realizar esta
prueba no es necesario realizar previamente la prueba f y que esta resulte significativa: sin embargo,
es recomendable efectuar esta prueba después que la prueba f haya resultado significativa, a fin de
evitar contradicciones entre ambas pruebas. La ventana de esta prueba consiste en el hecho de que

pág. 8
no necesita que el valor de F sea significativo para poder usarla.
Ejemplo:

pág. 9
pág. 10
MAPA MENTAL

Diseños
experimentales de
un factor

La importancia de utilizar un adecuado diseño experimental

en la investigación científica ha sido señalada por numerosos
investigadores. Sin embargo, estos investigadores aún no han
logrado ponerse de acuerdo a la hora de elaborar una
definición adecuada del diseño experimental.

Definiciones básicas en el diseño de El modelo de efectos fijos

Etapas en el diseño de experimentos
experimentos

Plutchnik (1968) las formas de disponer

las condiciones experimentales indicadas
por la pregunta de investigación, y b) los
Planeación y realización El conocimiento estadístico es vital. El experimentador
métodos de control para minimizar o
reducir el error al establecer relaciones debe tener un buen nivel de conocimiento técnico y
causales entre las variables implicadas práctico sobre el fenómeno o proceso que estudia.
Hay reconocer la diferencia entre significancia estadística e
importancia práctica. En ocasiones, un experimentador
puede concluir que tratamientos son diferentes
estadísticamente, pero que tales diferencias, aunque sean
significativas, no necesariamente representan una
diferencia que en la práctica sea importante
Finney (1960) afirma que el diseño de un
experimento está constituido por: a) la Elegir variables de respuestas:
serie de tratamientos seleccionados para
hacer comparaciones; b) la
especificación de las unidades a las
cuales se aplicaran los tratamientos; c)
las reglas por las cuales se asignaran los
tratamientos a las unidades
experimentales, y d) la especificación de
las medidas que van a tomarse de cada
unidad (variable dependiente).: Prueba Duncan

Delimitar factores de estudio:

Kerlinger (1975) define el diseño de

investigación como "el plan, la estructura
y la estrategia de investigación
Este procedimiento es utilizado para realizar
concebidos para obtener respuestas a
comparaciones multiples de medias; para realizar esta
preguntas de investigación y controlar la
prueba no es necesario realizar previamente la prueba f y
varianza"
que esta resulte significativa: sin embargo, es
Realizar el experimento recomendable efectuar esta prueba después que la
prueba f haya resultado significativa, a fin de evitar
contradicciones entre ambas pruebas. La ventana de esta
prueba consiste en el hecho de que no necesita que el
valor de F sea significativo para poder usarla.

Análisis:

pág. 11

Clasificación y selección de los diseños
experimentales
Los diseños experimentaIes Existen muchos diseños
experimentaIes para estudiar Ia gran diversidad de
problemas o situaciones que ocurren en Ia práctica.
Esta cantidad de diseños hace necesario saber
cómo eIegir eI más adecuado para una situación
dada
Los cinco aspectos que más infIuyen en Ia seIección
de un diseño experimentaI:
EI objetivo deI experimento.
EI número de factores a estudiar.
EI número de niveIes que se prueban en cada
factor.
Los efectos que interesa investigar (reIación
factores-respuesta).
EI costo deI experimento, tiempo y precisión
deseada."
pág. 12
Diseños
experimentales de
un factor
Consideraciones practicas sobre el uso de métodos
Experimentos con un solo factor (análisis de
varianza)
El modelo de efectos fijos de análisis de la varianza se aplica a
El método ANOVA con un factor de clasificación
grupo o material analizado a varios factores, cada uno de los
permite comparar los niveles del factor estudiado
que participan en el diseño experimental.
En muchas aplicaciones del ANOVA la comparación
de los niveles del factor estudiado es prioritaria.
Es obvio que, al hacer tales comparaciones, existe
un interés y un objetivo claro.
El método ANOVA con un factor de clasificación
también llamado Diseño Completamente al Azar
(DCA) es el más simple de los diseños
experimentales para comparar distintas
poblaciones y evaluar su variabilidad, dado que
solamente considera la variación entre poblaciones
y el error aleatorio.:
estadístico El modelo de efectos aleatorios
situaciones en las que el experimentador ha sometido al
Los modelos de efectos aleatorios se usan para
describir situaciones en que ocurren diferencias
cuales le afecta sólo a la media, permaneciendo la "variable
incomparables en el material o grupo experimental.
respuesta" con una distribución normal.
Este modelo se supone cuando el investigador se Este modelo se supone cuando el investigador está
interesa únicamente por los niveles del factor interesado en una población de niveles,
presentes en el experimento, por lo que cualquier teóricamente infinitos, del factor de estudio, de los
que únicamente una muestra al azar (t niveles)
variación observada en las puntuaciones se deberá
al error experimental están presentes en el experimento.
Suma de total de cuadrados
En el análisis de varianza (ANOVA), la suma total de
los cuadrados ayuda a expresar la variación total
que se puede atribuir a diferentes factores. Por
ejemplo, usted hace un experimento para probar la
efectividad de tres detergentes para ropa.
La suma total de los cuadrados = suma de los
cuadrados del tratamiento (SST) + suma de los
cuadrados del error residual (SSE)
 FUENTE DE INFORMACION CONSULTADAS

JOSÉ FRANCISCO LÓPEZ, 02 DE OCTUBRE, 2017

COEFICIENTE DE DETERMINACIÓN (R CUADRADO). ECONOMIPEDIA.COM DE
HTTPS://ECONOMIPEDIA.COM/DEFINICIONES/R-CUADRADO-COEFICIENTE-DETERMINACION.HTML

EVELYN MARTÍNEZ. (S. F.). RECUPERADO 28 DE SEPTIEMBRE DE 2022, DE

HTTPS://WWW.STUDOCU.COM/ES-MX/DOCUMENT/ITEC-UNIVERSIDAD/ESTADISTICA-

INFERENCIAL/16-ANALISIS-RESIDUAL-APUNTES-1/12324032

MCORRE. (S. F.). RECUPERADO 28 DE SEPTIEMBRE DE 2022, DE

HTTPS://WWW.UV.ES/CEACES/BASE/DESCRIPTIVA/MCORRE.HTM

REGRESIÓN LINEAL MÚLTIPLE. (S. F.). RECUPERADO 2 DE OCTUBRE DE 2022, DE

HTTPS://WWW.IBM.COM/DOCS/ES/COGNOS-ANALYTICS/11.1.0?TOPIC=TESTS-MULTIPLE-LINEAR-

REGRESSION

RODRIGO, J. A. (S. F.). INTRODUCCIÓN A LA REGRESIÓN LINEAL MÚLTIPLE. RECUPERADO 2 DE

OCTUBRE DE 2022, DE
HTTPS://WWW.CIENCIADEDATOS.NET/DOCUMENTOS/25_REGRESION_LINEAL_MULTIPLE

pág. 13
VIDEOS DE YOUTUBE

• Analisis de varianza (ANOVA)

https://www.youtube.com/watch?v=ZpXVjHRZAIw

• Prueba de ANOVA
https://www.youtube.com/watch?v=XK4tcMN9D4s

pág. 14