Diseño de

experimentos

Larissa de la Cruz
 experimento
Experimento es el proceso por el
En un experimento el experimentador escoge ciertos factores para su estudio, los
altera deliberadamente de forma controlada y después, observa el efecto resultante.

cual se manipula de manera ¿Qué es el Diseño Estadístico J

intencional una o más variables de Experimentos? Seleccionar la estrategia experimental

independientes, definidas como óptima que permita obtener la
Se podría definir el Diseño Estadístico de
causas, para el posterior análisis información buscada con el mínimo
de las consecuencias que tienen
Experimentos (DEE), también coste.
sobre otras variables
denominado diseño experimental, como
una metodología basada en útiles Evaluar los resultados experimentales
identificadas como efectos. obtenidos, garantizando la máxima
Un experimento, en estadística, matemáticos y estadísticos cuyo objetivo fiabilidad en las conclusiones que se
es cualquier proceso que es ayudar al experimentador a: obtengan.
proporciona datos, numéricos o
no numéricos. Unos ejemplos donde habría que utilizar estos modelos son los siguientes:
En el rendimiento Se quiere estudiar el Se quiere
de un determinado rendimiento de los estudiar la Independiente
u
tipo de máquina alumnos en una influencia de
(unidades asignatura y, para ello, se un tipo de pila Dependiente
se refiere a la creación y preparación de producidas por desean controlar eléctrica y de
día): se desea diferentes factores: la marca, en la Objeto de estudio
lotes de prueba que verifiquen la validez estudiar la profesor que imparte la duración de las
de las hipótesis establecidas sobre las influencia del asignatura; método de pilas.
causas de un determinado problema o trabajador que la enseñanza; sexo del
defecto, objeto de estudio. maneja y la marca alumno.
de la máquina.

El Elobjetivo
objetivodeldeldiseño
diseñodede Determinar las Encontrar las condiciones
experimentos es
experimentos es estudiar estudiarsi si principales causas experimentales con las que
cuandoseseutiliza
cuando utilizaunun de variación en la se consigue un valor
determinadotratamiento
determinado tratamientosese respuesta extremo en la variable de
produceuna
produce unamejora
mejoraenenel el interés o respuesta.
procesoo no.
proceso o no.Para
Paraquequela la
metodologíadedediseño
metodología diseñodede
Obtener un modelo
experimentosseaseaeficaz
experimentos eficazeses
estadístico-
fundamentalquequeel el
fundamental Comparar las respuestas
matemático que
experimentoesté
experimento estébien
bien en diferentes niveles de
permita hacer
diseñado. Un experimento sese
diseñado. Un experimento observación de variables
predicciones de
realizaporporalguno
realiza algunodedeloslos controladas.
respuestas futuras.
siguientesmotivos:
siguientes motivos:

Debe poder comprobar las

Requisitos Mínimos A hipótesis objeto de estudio,
Cumplir En El Diseño De no dejándose confundir por
Un Experimento: variables insospechadas
(=ruido), como errores de
medida desproporcionados.
Debe poder revelar la
existencia de cualquier causa
importante de variación,
aunque no haya sido
adelantada como hipótesis.

Debe mantener los costos Si el Experimento se realiza en un

de experimentación a un laboratorio, éste ha de ser,
nivel razonable, en respecto a las variables
comparación con el estudiadas, un buen indicador de
problema objeto de estudio. las pruebas que se obtendrían en
el taller

Debe tener un Si el Experimento se realiza durante el

alto grado de desarrollo normal del proceso en estudio, se
seguridad en las tendrá además cuidado de interferir lo menos
respuestas. posible en el trabajo normal y protegerse de las
interferencias no autorizadas o involuntarias en
la prueba por parte del personal adepto
 Factores y
niveles Elementos importantes en el Diseño de Experimentos:

Aplicar los distintos Unidades experimentales: Variable de interés: Variable Tamaño del experimento:
niveles, o combinaciones (personas, elementos Respuesta número total de
de niveles cuando hay físicos, etc.) observaciones.
presentes más de un
factor, a distintas Factor: Variable controlable Error experimental o
unidades experimentales por el experimentador perturbación: Variables no
(Niveles del factor o controlables por el
y se observa el valor de
tratamientos) experimentador
la variable respuesta.

:
CUALITATIVAS: Aquellas cuyos valores son de carácter
Variables según la nominal, que solo pueden ser comparados como diferentes
Característica de un posibilidad de entre si.
Variable

objeto que puede medida CONTINUAS:Adquierenvaloresde carácter numérico, permiten

ser observada y que
puede tomar
✓ realizar un mayor número de comparaciones. En teoría
permite un número infinito de valores entre dos valores
diferentes valores, consecutivos
tanto en el mismo Variables según el
objeto como entre tipo de contenido Es el factor (Causa) que suponemos
diferentes objetos. > Independiente >
influye sobre la característica que
conceptual, o papel
en el experimento: medimos (defecto, Error).
Para comprobar su influencia el
investigador la manipulará durante el
experimento, en el sentido que se
✓
< V
asignará valores diferentes a cada
Variables Extrañas: Variable de bloqueo:
observación.
✓ ✓
Son todas aquellas que el Es una variable que sabemos que Variable llamada también
investigador no puede manipular, puede intervenir en los niveles tratamiento y cada valor asignado
pero influyen en la variable nivel de tratamiento.
dependiente.
de la variable dependiente y
decidimos eliminar su influencia ✓
✓
Son la causa de que las mediante el control de la misma, Dependiente: Es aquella que se mide en cada
observaciones en un mismo nivel creando bloques observaciones, observación del experimento, para
>
de tratamiento no en los que esta variable asume establecer si la variable independiente
necesariamente arrojen el un valor respectivamente un efectivamente influye sobre sus
mismo valor de medida valor constante. valores.
Se denomina generalmente en
el diseño y análisis de
experimentos ruido o error
experimental.

Elementos importantes en el Diseño de Experimentos:

Diseño Experimental

Unidades
Error Tamaño del experimental
experimental o experimento:
perturbación: es:
Variables no
número total (personas,
Factor: Variable controlables por de elementos
el experimentador observaciones físicos, etc.)
controlable por el .
experimentador
(Niveles del
factor o
tratamientos) Variable de
interés:
Variable
Respuesta
 Se desea conocer las causas por
las cuales ha incrementado en
un 5% la merma de tapa roscas
de la presentación 600 ml de
Refrescos Sprite. Como datos
importantes el proceso es
completamente automatizado.
Identifica las variables de
entrada, el proceso, las variables
independientes (controlables o
factores) variables no
controlables y la variable de
salida.

Actividad

Factores y sus niveles Ejemplos de factores cuantitativos son los siguientes:

Se denomina factor tratamiento a cualquier variable de 1 3
interés para el experimentador cuyo posible efecto sobre la Temperatura
respuesta se quiere estudiar. Los niveles de un factor Conjuntos de Medicamento
tratamiento son los tipos o grados específicos del factor temperaturas 2 Distintas cantidades
que se tendrán en cuenta en la realización del experimento. seleccionadas en de medicamento
unos rangos de Tamaño de
Los factores tratamiento pueden ser cualitativos o interés memoria
cuantitativos. Diferentes tamaños
de memoria de
Ejemplos de factores cualitativos y sus niveles respectivos son los ordenadores
siguientes:

Diferentes
proveedores de Los trabajadores
una materia encargados de Los procesadores
prima Diferentes tipos o hacer una tarea de los que se un número
marcas de quiere comparar Hombre y mujer determinado de
máquinas su velocidad de Diferentes tipos métodos de
ejecución de aditivos enseñanza cuyos
químicos resultados se
Proveedor Trabajador quieren comparar

Tipo de máquina Tipo de procesador El sexo

un método de
Un aditivo químico
enseñanza
 Debe tenerse en cuenta que en el tratamiento matemático de los
modelos de diseño de experimento los factores cuantitativos son
Factor bloque: es un factor en el tratados como cualitativos y sus niveles son elegidos equiespaciados o
que no se está interesado en se codifican. Por lo general, un factor no suele tener más de cuatro
conocer su influencia en la niveles.
respuesta pero se supone que Cuando en un experimento se trabaja con más de un factor, se denomina:
ésta existe y se quiere controlar
para disminuir la variabilidad V
L
residual. Tratamiento, a y
Experimento factorial,
cada una de las Observación, es es el diseño de
combinaciones una medida en las experimentos en que
de niveles de los condiciones existen observaciones
distintos determinadas por de todos los posibles
factores. uno de los tratamientos
tratamientos.

La utilización de los modelos de diseño de experimentos se basa en la experimentación y en el análisis de los

resultados que se obtienen en un experimento bien planificado. En muy pocas ocasiones es posible utilizar estos
métodos a partir de datos disponibles o datos históricos, en el análisis estadístico de datos históricos se pueden
cometer diferentes errores, los más comunes son los siguientes:
Inconsistencia de Variables con El rango de las
variables
los datos: fu!te c"relación: controladas es limitado:
Esto suele ocurrir cuando se
Los procesos cambian con el Puede ocurrir que en el utilizan los datos recogidos al
tiempo, se producen proceso existan dos o más trabajar el proceso en
cambios en el personal, variables altamente condiciones normales y no se
cambios en las máquinas, correlacionadas que pueden experimenta (cambiando las
producto, materia prima, llevar a situaciones confusas. condiciones de
etc. funcionamiento) para observar
el comportamiento del proceso
en situaciones nuevas.

Caráctisiticas Del Diseño De Expimentos

Observación Aleatorización

Es una toma de medida de una Previene la existencia de sesgo.

variable y consta entonces de un
valor de la misma. Dependiendo del
Aleatorización
tipo de Diseño, las observaciones
pueden tomarse a diferentes sujetos
o al mismo sujeto de manera Consiste en asignar los sujetos
secuencial. a los distintos niveles de
tratamiento al azar, con la
esperanza de que los efectos
extraños se contrarresten entre
los distintos sujetos y
observaciones que componen
cada nivel de tratamiento
Evita la dependencia entre
observaciones.
Confirma la adecuación de los
procedimientos estadísticos para el
análisis de los resultados del
experimento.
Repetibilidad
Reiteración de una observación o
medida al mismo nivel de
tratamiento. Proporciona una
oportunidad para que los
efectos de las variables
extrañas, incontroladas se
compensen y permite, además,
medir el error experimental.
Tipos de Modelo de Experimentos: Principios básicos en el diseño
Modelo equilibrado o balanceado: Todas las v
de experimentos
muestras del mismo tamaño. Al planificar un experimento hay tres tres principios
Modelo no-equilibrado o no-balanceado: Los básicos que se deben tener siempre en cuenta:
tamaños, ni, de las muestras son distintos. V

Por el contrario, la
Los dos primeros (aleatorizar y
bloquear) son estrategias eficientes factorización del
Ventajas de aleatorizar los factores no para asignar los tratamientos a las diseño define una
unidades experimentales sin preocuparse estrategia
controlados: de qué tratamientos considerar. eficiente para
elegir los
Transforma la variabilidad sistemática Principios básicos en el diseño de
tratamientos sin
no planificada en variabilidad no considerar en
experimentos
planificada o ruido aleatorio. Dicho de absoluto como
otra forma, aleatorizar previene asignarlos después
contra la introducción de sesgos en el a las unidades
experimento. experimentales
La
El principio de factorización
Evita la dependencia aleatorización El bloqueo del diseño
<

entre observaciones al
aleatorizar los instantes
de recogida muestral.
Bloqueo
Valida muchos de los
procedimientos estadísticos
más comunes. Se deben dividir o
particionar las unidades
experimentales en grupos
La factorización del diseño: llamados bloques de modo
Un diseño factorial es una estrategia que las observaciones
experimental que consiste en cruzar los niveles realizadas en cada bloque se
de todos los factores tratamiento en todas las realicen bajo condiciones
combinaciones posibles. experimentales lo más A diferencia de lo que
parecidas posibles ocurre con los factores
Ejemplo de estrategias de tratamiento, el
aleatorizar y bloquear: experimentador no está
interesado en investigar las
Se desea investigar las posibles diferencias en la producción posibles diferencias de la
respuesta entre los niveles
diaria de dos máquinas, cada una de las cuales debe ser Bloquear es una buena de los factores bloque.
manejada por un operario. estrategia siempre y
cuando sea posible
Variable respuesta: >
Producción diaria de cada máquina dividir las unidades
Factor de tratamiento: > Tipo de máquina experimentales en
Factor de bloque: > Operario que maneja la grupos de unidades
máquina similares.
Niveles o números de
tratamientos: > 2

Aleatorizar: se seleccionan al azar dos grupos de operarios y se asigna al azar cada grupo de operarios a cada una
de las dos máquinas. Finalmente se evalúa la producción de las mismas.
Bloquear: se introduce el factor bloque operario. Se elige un único grupo de operarios y todos ellos utilizan las dos
máquinas.
Diseño de Experimentos completamente aleatorizado

Sus características principales son:

INTERÉS: Un solo factor con varios niveles o tratamientos
TÉCNICA ESTADÍSTICA: Análisis de la Varianza de un factor
OBJETIVO: Comparar ente sí varios grupos o tratamientos
MÉTODO: Descomposición de la variabilidad total de un
experimento en componentes independientes
Una compañía algodonera que emplea
diversos fertilizantes desea comprobar si éstos
tienen efectos diferentes sobre el rendimiento
de la semilla de algodón.
Factores de perturbación o error experimental:
Pequeñas variaciones en la cantidad de
riego, en la pureza de los insecticidas
suministrados, etc.

Una profesora de estadística que imparte en

grupos experimentales de alumnos, en los que
explica la misma materia pero siguiendo
distintos métodos de enseñanza, desea
comprobar si el método de enseñanza
utilizado influye en las calificaciones de los
alumnos.
Factores de perturbación o error experimental:
El nivel cultural del alumno, el grado de
atención y de interés del alumno, etc.

a) Planteamiento general del problema y de los objetivos

Etapas
a
que se persiguen.

b b) Selección y definición de la variable respuesta.

Diseñar un experimento con una

estructura lo más adecuada posible a la c) Elección de los factores y niveles que han de
situación que se desea estudiar y a los C
intervenir en el experimento.
medios disponibles.

d) Determinación del conjunto de unidades

de
Realizar la experimentación de experimentales incluidas en el estudio.
acuerdo con el plan previamente
establecido en el diseño.
e) Determinación de los procedimientos por los cuales los
tratamientos se asignan a las unidades experimentales.
Analizar estadísticamente los
resultados obtenidos y comprobar
si las hipótesis establecidas y el
modelo de diseño elegido se
adecuan a la situación estudiada.

Realizar las modificaciones

oportunas para ampliar o
modificar el diseño.

Obtener las conclusiones

apropiadas.
UNIVERSIDAD DEL VALLE
DE MÉXICO
CAMPUS VERACRUZ
De la Cruz Flores Larissa
Corona Arévalo Karina
Flores Beltrán Lizbeth
Ing. Industrial y de Sistemas
7mo. Semestre
Cadena de suministro
25 de agosto de 2021
 Variable de Variable
respuesta independiente

Efecto que produce

EJEMPLO: RESPUESTA, Es la característica del
sobre el aspecto que se
imposibilidad de producto cuyo valor
interesa modificar. Niveles
reproducir las interesa mejorar
condiciones del <
Error
tratamiento,
Interacción de los experimental ^ Es el número de
alternativas o
tratamientos, ETC ^ ajustes para cada
Es la variación entre las factor.
unidades
experimentales.
r >
Tamaño del
experimento
Elementos
Elementos de
de
EJEMPLO DE FACTOR DE
TRATAMIENTO: una diseño
diseño >
Es el número total de
observaciones recogidas
< Factor de
marca de fertilizante,
una cantidad de tratamiento
experimental
experimental en el diseño.

fertilizante, una
combinación de los dos
<
Es un factor del que
anteriores. interesa conocer su
influencia en la Aleatoriedad
respuesta.
S
La aleatoriedad es
comúnmente utilizada
en pruebas controladas
Factor de L V V aleatorias en la
bloqueo investigación
L Es un factor en el que no Tratamiento Unidad experimental. En el caso de ese
se está interesado en experimental ejemplo
EJEMPLO DEL BLOQUEO: conocer su influencia en la
En el rendimiento de respuesta pero se supone Es la muestra de en particular se
que ésta existe y se Conjunto de acciones
un determinado tipo que se aplican sobre
unidades que es tienen dos niveles
quiere controlar para
necesario producir en para cada uno de
de máquina (unidades disminuir la variabilidad
residual.
las unidades una condición para > los factores.
producidas por día experimentales y que obtener una medición o
son objeto de dato representativo
comparación.
 Ejemplo: Se diseña un experimento con el fin de comprobar si el uso de tres métodos de enseñanza
produce resultados diferentes que son estadísticamente significativos en el rendimiento de una cierta
asignatura. Sean tres grupos de estudiantes seleccionados al azar, con las puntuaciones obtenidas
después de que cada uno de ellos fue enseñado por el método que se indica. .
Para iniciar el procedimiento es necesario elevar al cuadrado cada
uno de los valores que conforman los grupos así como las
sumatorias de cada columna

N=12

K=métodos=3
N_1= muestra por grupo =4

Pasos para la prueba de significación

1. Hipótesis nula. H_0: No hay diferencia en los tres métodos de enseñanza.
Hipótesis alternativa: Existe diferencia estadísticamente significativa entre las medias de los tres grupos de
enseñanza.
2. Nivel de significación. Se utiliza un nivel de significación de 0,05, con prueba de una cola.
3. Distribución de muestreo. Se emplea la distribución F.
4. Cálculo del estadístico F.

a) Suma total de cuadrados (STC). Se calcula, en primer lugar, la suma de cuadrados de las puntuaciones
de los tres grupos, con la siguiente fórmula:
(36+30+17)
( EX ) ' ( 6889/2=649-47.958,321 =
qq.ge/=y-g
2 64g
[✗
= _

gjc =
12 12
n

(338+2301-81) 112 )

b) Suma de cuadrados dentro La suma de cuadrados c) Suma de cuadrados entre los

de los grupos (SCD). Utilizamos dentro de los grupos es así: grupos (SCE).
la misma fórmula anterior, pero
ahora referida a cada uno de SCDi-SCDrts.CAT SCE -

-
STC -

SCD
los tres grupos:
. . .

KX)
' d) Grados de libertad. Los e) Estimaciones de la varianza:
SCD [ ✗
2-
-
-
grados de libertad para Al dividir la suma de cuadrados
n
las diferentes sumas de dentro de los grupos entre sus
cada grupo cuadrados son: correspondientes grados de
por o

tratamiento suma total libertad, se tiene una estimación

n -

1 de la varianza (mean square)

común de la población o
Suma dentro universo que es independiente
de la variación de los medios de
kln -1 1) -

los grupos.
entre
suma entre Est .
=
Sumadecuad grupos
.

" "
µ .

, entre Grados delibentregru .

 Si se divide la suma de cuadrados entre los Estas estimaciones de la varianza
grupos entre sus correspondientes grados de poblacional reciben el nombre de
libertad, se tiene una segunda estimación de “cuadrados medios”.
la varianza que, a su vez, es independiente de
la variación dentro de los grupos. f- =
Estimación
"
Estimación "
dentro
Estim =
Suma decuad " dentro "
.

" "

dentro Grados delib .

"
dentro
"

5. Decisión. Si las varianzas correspondientes a

una misma población fueran sensiblemente
iguales, varían dentro de los límites del error de
muestreo y, por tanto, F tendría un valor
cercano a 1. Para tomar la decisión de rechazar
la Ho se realiza el siguiente procedimiento. En la
tabla de F se localizan los valores de grados de
libertad “entre grupos” y “dentro de los grupos”
para el nivel de significación de 0.05 (5%).

gl entre -2
-

gl dentro q
-
-

t critica -4.26-

1- =
76621
F calculada F crítica
7.6621 Z 4.26

" " "" " "

la fonética .

O .
 Unidad 2
Definición del concepto de análisis
de varianza en la ingeniería La comparación entre variables se realiza con una variable independiente
industrial de tipo categórica (nominal o razón) y una variable dependiente con un
nivel de medición por intervalos o razón.
El análisis de varianza de un
factor es un aprueba estadística El análisis paramétrico de la varianza se realiza con los siguientes supuestos:
para analizar si más de dos
grupos difieren
significativamente entre sí en Varianzas iguales en las poblaciones.
cuanto a sus medias y varianzas.

Poblaciones normales Nivel de medición

para cada grupo. intervalos o de razón.

ANOVA de un factor (también

llamada ANOVA unifactorial) es
una técnica estadística que señala
si dos variables (una
independiente y otra
dependiente) están relacionadas
en base a si las medias de la
variable dependiente son
diferentes en las categorías o
grupos de la variable
independiente. Es decir, señala si
las medias entre dos o más grupos
son si milares o diferentes.
¿Cuándo usar ANOVA de un factor?
Muestreo aleatorio independiente.
El ANOVA de un factor sólo puede utilizarse cuando se investiga
un solo factor y una sola variable dependiente. Cuando se
comparan las medias de tres o más grupos, puede indicar si al
menos un par de medias es significativamente diferente, pero
no puede indicar qué par.
Usamos ANOVA de un factor cuando
queremos saber si las medias de una
variable son diferentes entre los niveles o
grupos de otra variable. Por ejemplo, si
comparamos el número de hijos entre los
grupos o niveles de clase social: los que son
clase baja, clase trabajadora, clase media-
baja, clase media-alta y clase alta. Es decir,
vamos a comprobar mediante ANOVA si la
variable “número de hijos” está relacionada
con la variable “clase social”. Concretamente,
se analizará si la media del número de hijos
varía según el nivel de clase social a la que
pertenece la persona.
 En ANOVA de un factor
solo se relacionan dos
variables: una variable
dependiente (o a
:
explicar) y una variable
independiente (que en
esta técnica se suele
llamar factor)
Se pide que las variables
sigan la
distribución normal, aunque
como siempre esto es difícil
> conoce como
de cumplir en
investigaciones sociales.
Suma de cuadrados de los tratamientos
La suma de cuadrados representa una
medida de variación o desviación con
respecto a la media. Se calcula como
una suma de los cuadrados de las
diferencias con respecto a la media. El
cálculo de la suma total de los
cuadrados considera tanto la suma de
los cuadrados de los factores como la
de aleatoriedad o error. Para iniciar el
procedimiento es necesario elevar al
cuadrado cada uno de los valores que
conforman los tratamientos.
Suma total de cuadrados
La suma total de cuadrados (STC) nos
permite medir la variabilidad total de
una variable dependiente, es decir,
mide tanto la parte explicada por el
modelo como la parte no explicada
por este. Se calcula, en primer lugar, la
suma de cuadrados de las
puntuaciones de los tratamientos, con
la siguiente fórmula:
SCD
La variable dependiente es
cuantitativa (escalar) y
la variable independiente
Condiciones
es categórica (nominal u
ordinal)..
También que las varianzas (es
decir, las desviaciones típicas al
cuadrado) de cada grupo de la
variable independiente sean
similares (fenómeno que se
homocedasticidad). Aunque
esto es lo ideal, en la realidad
cuesta de cumplir, e igualmente
se puede aplicar ANOVA
Donde:
SST= Suma de cuadrados debido
al tratamiento
" " X= Valores de las observaciones
SSTITÍ -
I n= Número total de muestras
Tc = Total de cada tratamiento
nc = Número de observaciones
de cada tratamiento
Donde:
( )'
STC -2×2 Y
_
SCT= Suma total de cuadrados
X= Valores de las observaciones
n= Número total de muestras
Después se Suma de cuadrados dentro de los grupos (SCD). Utilizamos
la misma fórmula anterior, pero ahora referida a cada uno de los
tratamientos:
Donde:
?
KX ) SCD= Suma de cuadrados dentro de los grupos
-2×2 n
X= Valores de las observaciones
n= Número total de muestras
La suma de cuadrados dentro de los grupos es así:
SCD , + SCDZTSCD> +
SCDN

Suma de cuadrados entre los grupos (SCE)

SCÉSTC -

SCD

Suma de cuadrados del error

La suma de cuadrados del error (SCE) es un
cálculo estadístico preliminar que permite obtener Dónde:
otros valores de datos. Cuando tienes un conjunto SCÉSTC -

SST SCE= Suma de cuadrados del

de datos, es útil saber qué tan relacionados están error
esos valores entre sí. Primero tienes que organizar STC= Suma total de cuadrados
los datos en una tabla y luego realizar algunos SST= Suma de cuadrados
cálculos bastante sencillos. Una vez que tengas la debido al tratamiento
SCE para ese conjunto de datos, podrás proceder
a encontrar la varianza y la desviación estándar.
Grados de libertad
Indica el número de elementos independientes en la
suma de cuadrados. En la estadística inferencial, el
término grados de libertad se define normalmente Para la Suma total de las
como el número de observaciones que son libres de muestras:
variar, dada una o más restricciones matemáticas, gl Suma total = n -1
en un conjunto de valores utilizados para estimar (n = total de muestras
alguna característica de la población. tomadas)
Dicho de otra manera, los grados de libertad son el glSumadentro=k( –1)
número de observaciones independientes menos el k = número de grupos
número de restricciones asociado a esas = tamaño de los grupos
observaciones.
Los grados de libertad para cada componente del gl Suma entre = k – 1
modelo son:

Cuadrado medio
El cálculo del cuadrado medio del factor sigue: El cálculo del cuadrado medio del error sigue:

Faotorcntfaotorsc Error =
Error SC
factor GL Error GL

Ejemplo: Se diseña un experimento con el fin de comprobar si el uso de tres métodos de enseñanza produce
resultados diferentes que son estadísticamente significativos en el rendimiento de una cierta asignatura. Sean tres
grupos de estudiantes seleccionados al azar, con las puntuaciones obtenidas después de que cada uno de ellos fue
enseñado por el método que se índica.
1. Hipótesis nula. Ho : No hay diferencia en los tres métodos de enseñanza.
Hipótesis alternativa: Existe diferencia estadísticamente significativa entre las medias de los tres grupos de
enseñanza.
2. Nivel de significación. Se utiliza un nivel de significación de 0,05, con prueba de una cola.
3. Distribución de muestreo. Se emplea la distribución F. 4. Cálculo del estadístico F.
Suma de cuadrados entre
Estimación =
grupos
"
entre
" Grados de libertad entre grupos