UNIVERISIDAD TECNOLÓGICA DE HONDURAS.

Catedrática:

Ing. Ina Brenda Flores Reyes.

Presentado por:

Jonathan Monje Hernández

Número de cuenta:

201710120088.

Asignatura:

Diseño y Experimentación.

Asunto:

Guía de preguntas de análisis capítulo 1, 2 y 3.

12 de marzo 2023.
 1. Explique las ventajas que tiene el diseño de experimentos

sobre una estrategia de prueba y error.

El diseño de experimentación se sabe que es una estrategia y planificada para

investigar y analizar un proceso, en comparación con una estrategia de prueba y error, que

por lo tanto implica realizar ajustes aleatorios hasta encontrar una solución satisfactoria, el

diseño de experimentos tiene varias ventajas como ser la eficiencia, la precisión control

esto nos ayuda a llegar a dicho experimento.

2. ¿Qué es un experimento y qué es diseñar un experimento?

Un experimento es una prueba o estudio sistemático en el que se manipulan uno o

más variables independientes para ser observado que efecto contiene en una variable

dependiente. Y diseñar un experimento implica planificar cuidadosamente la manera en

que se llevara a cabo el experimento para obtener resultados confiables y válidos.

3. En el contexto de un diseño de experimentos, ¿qué es una

variable de respuesta?, ¿qué es un factor estudiado? y ¿qué

relación se esperaría que haya entre la variable y los factores?

En un diseño de experimentos, una variable de respuesta es una variable que se

mide o evalúa para determinar si ha sido afectada por los factores estudiados. La variable

de respuesta puede ser cualquier medida de interés, como la cantidad de producto

producido, el tiempo de respuesta, el rendimiento, la calidad, la satisfacción del cliente, etc.

 4. ¿En un experimento sólo es posible estudiar los factores que

actualmente se controlan en la operación normal del

proceso?

No necesariamente. En un experimento, es posible estudiar cualquier factor que se

considere relevante para el proceso o sistema que se está investigando, incluso aquellos

que actualmente no se controlan en la operación normal del proceso. De hecho, uno de los

objetivos de muchos experimentos es precisamente evaluar el efecto de la manipulación de

ciertos factores que normalmente no se controlan o no se consideran relevantes.

5. ¿Es posible estudiar cómo influye un factor sobre la variable de

respuesta, si el factor se mantiene fijo en todas las corridas o

pruebas experimentales? Explique.

Si un factor se mantiene fijo en todas las corridas o pruebas experimentales, no es

posible estudiar cómo influye este factor sobre la variable de respuesta. Esto se debe a que

el objetivo principal de un diseño de experimentos es evaluar el efecto de los factores que

se manipulan en el experimento sobre la variable de respuesta. Si un factor se mantiene

fijo en todas las corridas, entonces su efecto no está siendo evaluado, y por lo tanto no se

puede determinar cómo influye este factor en la variable de respuestas.

6. ¿Qué es el error aleatorio y qué es el error experimental?

El error aleatorio se refiere a la variabilidad natural que ocurre en cualquier

proceso de medición, y que puede deberse a factores como la variabilidad la variabilidad

de los instrumentos de medición o la variabilidad de los operadores

que realizan las mediciones. El error experimental, por otro lado, se refiere a errores

sistemáticos que ocurren en el diseño o la ejecución del experimento, y que pueden afectar

los resultados de manera sistemática y predecible.

7. ¿Por qué es importante aleatorizar el orden en que se corren

los diferentes tratamientos en un diseño de experimentos?

La aleatorización del orden en que se corren los diferentes tratamientos en un

diseño de experimentos es importante para reducir el impacto del sesgo en los resultados

del experimento. El sesgo se refiere a la influencia que factores no controlados pueden

tener sobre los resultados del experimento, y puede afectar la validez y la fiabilidad de los

resultados.

8. Señale las etapas en el diseño de un experimento, así

como algunos aspectos clave de cada una de ellas.

Planeación y realización: Es la etapa más importante y a la que se le debe dedicar

mayor tiempo, se compone de seis conceptos que se mencionan a continuación:

1. Entender y delimitar el problema u objeto de estudio.

2. Elegir la(s) variable(s) de respuesta que será medida en cada punto del diseño

y verificar que se mide de manera confiable.

3. Determinar cuáles factores deben estudiarse o investigarse, de acuerdo a la

supuesta influencia que tienen sobre la respuesta.

4. Seleccionar los niveles de cada factor, así como el diseño experimental

adecuado a los factores que se tienen y al objetivo del experimento.

 5. Planear y organizar el trabajo experimental.

9. ¿Por qué se considera la planeación del experimento como la etapa

más importante? Describa cinco actividades que se realizan en esta etapa.

La planeación del experimento se considera la etapa más importante porque es el

momento en el que se define el objetivo del experimento, se seleccionan los factores y

niveles a estudiar, se determina el tamaño de la muestra y se decide sobre el diseño

experimental adecuado. Una planeación cuidadosa puede garantizar que el experimento

sea válido, confiable y que se obtengan resultados útiles y significativos.

A continuación, se describen cinco actividades que se realizan en la etapa de

planeación del experimento:

1. Definición del objetivo: En esta actividad se define el objetivo del

experimento, es decir, lo que se espera lograr con él. Por ejemplo, puede ser la

evaluación del efecto de un tratamiento sobre una variable de respuesta, la

determinación de los factores que más influyen en una variable, o la

comparación de dos o más métodos.

2. Selección de factores y niveles: Se seleccionan los factores y los niveles que se

van a estudiar en el experimento. Los factores son las variables independientes

que se consideran importantes para la variable de respuesta, y los niveles son

los diferentes valores que se toman para cada factor.

3. Diseño experimental: En esta actividad se decide sobre el diseño experimental

adecuado para el estudio, como el diseño completamente

 al azar, el diseño en bloques aleatorizados, el diseño factorial completo, entre

otros.

4. Determinación del tamaño de muestra: Se determina el tamaño de muestra

necesario para el experimento, es decir, el número de observaciones que se

necesitan para obtener resultados significativos. Esto depende de factores

como el nivel de confianza, la magnitud del efecto que se espera detectar y la

variabilidad de los datos.

5. Planificación del análisis de datos: En esta actividad se define cómo se van a

analizar los datos obtenidos en el experimento, incluyendo las técnicas

estadísticas que se van a utilizar, las hipótesis que se van a probar y la forma

en que se van a presentar los resultados.

10. Describa de manera breve los tres principios básicos del diseño

de experimentos.

Repetición: El principio de repetición se refiere a la necesidad de repetir el

experimento varias veces, con el fin de obtener una estimación precisa del efecto de los

factores sobre la variable de respuesta. La repetición también ayuda a reducir la

variabilidad experimental y a detectar cualquier efecto aleatorio que pueda estar presente.

Aleatorización: El principio de aleatorización se refiere a la necesidad de aleatorizar

la asignación de los tratamientos a las unidades experimentales, con el fin de reducir la

influencia del sesgo y de la variabilidad experimental en los resultados del experimento. La

aleatorización también ayuda a garantizar que

cualquier efecto observado sea atribuible únicamente a los factores estudiados y no a otros

factores no controlados.

Control: El principio de control se refiere a la necesidad de controlar las variables

que pueden afectar la variable de respuesta. Esto se logra mediante la selección cuidadosa de

los factores que se estudian en el experimento, la manipulación de los niveles.

11. Explique la diferencia entre significancia práctica y significancia

estadística. Proponga un ejemplo donde se tenga la segunda pero

no la primera.

En ocasiones, un experimentador puede concluir que dos tratamientos son diferentes

estadísticamente, pero que tales diferencias, aunque sean significativas, no necesariamente

representan una diferencia que en la práctica sea importante. Un ejemplo donde se tenga la

segunda, pero no la primera es tener recetas de pasteles hechas a prueba y error.

12. Describa cinco aspectos que son relevantes al momento de

seleccionar el diseño experimental.

 Objetivos del experimento

 Factores y niveles

 Tamaño de la muestra

 Disponibilidad de recursos

 Complejidad del proceso

 13. Suponga que se quiere estudiar el desempeño de un automóvil, y

lo que se desea es encontrar los factores que más influyen en su

rendimiento. ¿Cuáles podrían ser las variables de respuesta?,

¿cuáles los factores a estudiar?, ¿cuáles los factores no

controlables o de ruido.

Las variables de respuesta en este caso serían aquellas que miden el rendimiento del

automóvil, como por ejemplo la velocidad promedio alcanzada, el consumo de combustible,

la aceleración, la potencia del motor, el tiempo de respuesta del motor, entre otros.

Capitulo 2.

1. En un estudio estadístico, ¿qué es una población y para qué

se toma una muestra?

En un estudio estadístico, la población es el conjunto completo de individuos,

objetos, eventos, etc. que se desea estudiar. La población puede ser finita o infinita,

dependiendo del caso específico. Tomar una muestra permite hacer inferencias sobre la

población a partir de los datos obtenidos de la muestra.

2. ¿Qué es probar una hipótesis?

Probar una hipótesis en estadística es un proceso mediante el cual se evalúa la

validez de una afirmación o suposición sobre una población o un fenómeno en particular.

Una hipótesis es una afirmación que se hace sobre una población o una muestra, y que se

puede contrastar con los datos observados.

 3. ¿Qué es hacer una estimación puntual y en qué consiste hacer una

estimación por intervalo para la media, por ejemplo?

Hacer una estimación puntual es un proceso mediante el cual se calcula un único

valor que se espera sea cercano al verdadero valor del parámetro de interés en la población.

Por ejemplo, si se desea conocer la media de una variable en una población, se puede

calcular la media de una muestra y utilizarla como estimación puntual de la media

poblacional.

4. ¿Por qué no es suficiente la estimación puntual y por qué se tiene

que recurrir a la estimación por intervalo?

La estimación puntual proporciona solo un valor como estimación del parámetro

de interés en la población, lo que significa que no proporciona información sobre la

precisión de la estimación. Además, la estimación puntual puede estar sesgada debido a

la variación aleatoria de la muestra, lo que puede llevar a una sobreestimación o

subestimación del verdadero valor del parámetro en la población.

Por lo tanto, la estimación por intervalo se utiliza para proporcionar información

sobre la precisión de la estimación y para tener en cuenta la variabilidad aleatoria de la

muestra.
 5. Explique el papel que desempeñan las distribuciones de

probabilidad en la inferencia estadística.

Las distribuciones de probabilidad juegan un papel fundamental en la inferencia

estadística, ya que proporcionan un marco teórico para entender la variabilidad de los

datos y las muestras. La inferencia estadística se basa en la idea de que la información

contenida en una muestra de datos se puede utilizar para hacer inferencias sobre la

población de la cual se extrajo la muestra.

6. Explique qué es un estadístico de prueba y señale su relación

con los intervalos de aceptación y rechazo.

Un estadístico de prueba es un valor calculado a partir de una muestra de datos que

se utiliza para tomar una decisión sobre una hipótesis nula. El estadístico de prueba se

compara con un valor crítico o un intervalo de aceptación y rechazo para determinar si se

acepta o se rechaza la hipótesis nula. El intervalo de aceptación y rechazo se define en

términos de la distribución de probabilidad del estadístico de prueba.

7. ¿Qué son los errores tipo I y II en pruebas de hipótesis?

Un error tipo I se produce cuando se rechaza la hipótesis nula cuando en realidad es

verdadera. En otras palabras, se llega a la conclusión de que hay una diferencia significativa

entre las muestras cuando en realidad no la hay. Por otro lado, un error tipo II se produce

cuando se acepta la hipótesis nula cuando en realidad es falsa. En otras palabras, se llega a la

conclusión de que no hay diferencia significativa entre las muestras cuando en realidad sí la

hay.
 8. Señale y describa de manera breve los tres criterios

equivalentes de rechazo de una hipótesis.

1. Criterio basado en la región de rechazo.

2. Criterio basado en el valor p.

3. Criterio basado en el intervalo de confianza.

9. Señale un ejemplo de datos o muestras pareadas.

Un ejemplo de datos pareados es cuando se realizan mediciones antes y después de

una intervención o tratamiento en el mismo individuo o grupo de individuos. Por ejemplo,

se puede medir la presión arterial de un paciente antes y después de administrarle un

medicamento para ver si hay una reducción significativa en la presión arterial. En este

caso, las mediciones de presión arterial antes y después del tratamiento están pareadas

porque ambas mediciones corresponden al mismo individuo. Otro ejemplo puede ser

medir el rendimiento de los estudiantes en un examen antes y después de una intervención

educativa específica.
 CAPITULO 3.

1. Explique en qué consiste y cuándo se debe aplicar el diseño

completamente al azar con un solo criterio de clasificación.

El diseño completamente al azar con un solo criterio de clasificación es un diseño

experimental en el que los sujetos se asignan aleatoriamente a un tratamiento o grupo de

tratamiento en un solo factor o criterio de clasificación.

2. Supongamos que se desea probar la igualdad entre sí de cinco

medias. Una alternativa para hacer esto sería comparar de dos en

dos las medias, utilizando la prueba T de Student y al final tomar

una decisión. Explique por qué esto aumenta el error tipo I.

Comparar de dos en dos las medias utilizando la prueba T de Student y luego tomar

una decisión sobre la igualdad de las cinco medias aumenta el error tipo I debido al

aumento en la probabilidad de cometer un error de tipo I en cada una de las pruebas

individuales de comparación de medias. La probabilidad de cometer un error tipo I

(rechazar una hipótesis nula verdadera) en una prueba de hipótesis depende del nivel de

significancia elegido. Si se utiliza un nivel de significancia del 5%, por ejemplo, hay una

probabilidad del 5% de cometer un error tipo I. Sin embargo, cuando se realizan múltiples

pruebas de hipótesis, como en el caso de comparar de dos en dos las medias, la probabilidad

de cometer al menos un error tipo I en cualquier una de las pruebas individuales aumenta.
 3. ¿Qué mide el cuadrado medio del error en el ANOVA de

un experimento?

En el ANOVA, que se utiliza para evaluar si hay diferencias significativas entre los

grupos. Es la suma de los cuadrados divididos entre sus respectivos grados de Libertad.

4. Qué son los grados de libertad para una suma de cuadrados en un

análisis de varianza?

Los grados de libertad se calculan como el número total de observaciones menos uno

(n-1), y representan la cantidad de "libertad" que hay en los datos para estimar la

variabilidad total en los datos.

5. Describa en qué consiste cada uno de los supuestos del modelo en

un análisis de varianza, y explique la forma típica en que estos

supuestos se verifican.

 Normalidad: Los residuos del modelo deben seguir una distribución

normal. Esto significa que los valores observados deben estar distribuidos

normalmente dentro de cada grupo.

 Varianza Constante: Los residuos del modelo deben tener una varianza

constante en todos los grupos. Esto significa que la varianza de los

valores observados debe ser la misma en todos los grupos.

 Independencia: Los valores observados dentro de cada grupo deben ser

independientes entre sí. Esto significa que los valores

 observados en un grupo no deben estar relacionados con los valores

observados en otro grupo.

6. ¿Qué son y cuándo se aplican las pruebas para comparar

medias?

Las pruebas para comparar medias son un conjunto de técnicas estadísticas que se

utilizan para comparar la media de una variable continua en dos o más grupos o

poblaciones.