Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEÑOS EXPERIMENTALES
Diseñar estadísticamente un experimento, es realizar una prueba o una serie de pruebas, buscando
caracterizar las variables explicativas o factores Xi de mayor influencia en un ensayo de interés,
evaluado a través de varias variables respuesta tal que, si deliberada o sistemáticamente se
introducen cambios controlados en algunas de las variables explicativas del proceso, siempre sea
posible observar o cuantificar los cambios que éstos generan en las variables respuesta buscando
adicionalmente, minimizar el efecto de las variables no controlables (covariables), procurando con
ello estabilizar y minimizar la variabilidad de las respuestas.
Aunque la aplicación o uso del diseño experimental se da en cualquier área del conocimiento, este
debe cumplir las siguientes fases:
1. Caracterización de un proceso. En esta fase, se busca determinar los rangos de las variables o
factores controlables de mayor influencia en las variables respuesta que a la vez minimizan el
efecto de las variables no controlables (factores o covariables).
2. Depuración y optimización de un proceso ya caracterizado. En esta fase se hallan los niveles de
los factores estudiados que proporcionan la respuesta óptima a la solución del proceso
caracterizado en la fase anterior.
Es una interrogante planeada para obtener nuevos factores o para confirmar o denegar los
resultados de experimentos previos o anteriores donde tal interrogante ayudará a una decisión tal
como recomendación de una variedad de fruta, tipo de conservante, condiciones de
almacenamiento.
Diseño y análisis son inseparables para un experimento dado, pueda que exista otro método
igualmente para analizar los datos del experimento y en esta parte se esta trabajando y cada día
aparece técnicas más amplias para hacer frente a situaciones complicadas. El experimentador no
tiene que eliminar datos con fin que se ajusta a su experimento. Los estadísticos están desarrollando
nuevas técnicas, pero el experimentador deberá conocer las que podría utilizar, esta barrera
constituye los límites a la libertad de diseñar sus experimentos. Hay buenos y malos diseños, los
análisis pueden ser simples o complicados, el experimentador está obligado a considerar el diseño
de su experimento y sus consecuencias estadísticas.
Diseño de un experimento
Diseñar significa planear un experimento de manera que reúna la información que sea pertinente al
problema bajo investigación.
El diseño de un experimento es una función importante, dado que ninguna técnica estadística puede
revelar información no implícita inicialmente en los datos. Para cualquier grupo de datos, el
análisis apropiado de los mismos es determinado por el diseño de experimentos. La habilidad, por
lo tanto, de obtener un análisis significativo se basa inicialmente en la forma en que se han
recolectado los datos. Un buen diseño experimental, es aquel que proporciona la información
requerida con el mínimo esfuerzo experimental.
Conceptos generales
1. Factor.-Un factor es una variable independiente controlada cuyo efecto será evaluado en los
resultados del experimento. A los distintos valores que son estudiados se les llama niveles del
factor.
Ejm:
Factor: Dosis de vitamina B12 en la alimentación de animales (cerdos).
Niveles: 5, 10, 15 g/kg de ración.
Fuentes de variación
Una fuente de variación es cualquier “cosa” que pueda generar variabilidad en la respuesta. Se
distinguen dos tipos:
- Aquellas cuyo efecto sobre la respuesta es de particular interés para el experimentador (factores
tratamiento).
- Aquellas que no son de interés directo pero que se contemplan en el diseño para reducir la
variabilidad no planificada (factores “nuisance” o bloques).
Ejm:
En un experimento en el que se desean evaluar distintos niveles de abono nitrogenado en sorgo, los
niveles de nitrógeno y la disposición de los surcos en el terreno generan variabilidad en el
rendimiento. El interés del investigador está en evaluar el efecto de los niveles del nitrógeno y no el
efecto de la ubicación de los surcos, sin embargo, ambos factores deben ser controlados. El primero
es un factor tratamiento y el segundo un factor “nuisance”.
Error experimental
Ejm:
Es un experimento en nutrición con ratas, las ratas tendrán constitución genética diferente; ésta
variabilidad es inherente al material experimental. Por otra parte, las ratas se colocarán en jaulas
sujetas a diferencias de calor, luz y otros factores; esto constituye una falta de uniformidad en la
realización física del experimento.
Los errores de experimentación, observación y medición, así como las fallas en la determinación
del diseño experimental adecuado, también formará parte del error experimental.
a. Formas de disminuir el error experimental: Se debe realizar todo el esfuerzo posible por
disminuir el error experimental ya que de esta manera se ignorará el poder de la prueba
(probabilidad de detectar diferencias existentes entre los tratamientos). Para lograr disminuir el
error experimental se debe tener en cuenta lo siguiente:
- Seleccionar minuciosamente el material experimental a usar. Esto permitirá reducir los efectos
debidos a la variabilidad inherente.
- Refinar la técnica experimental. Esto permitirá reducir los efectos debidos a la variabilidad
correspondiente a las condiciones del experimento.
- Utilizar el diseño experimental apropiado.
- Aumentar tanto como sea posible el número de repeticiones en el experimento.
- Utilizar observaciones concomitantes cuando sea necesario.
Principios básicos del diseño experimental
Son tres:
Tres tipos de raciones aplicados a cuatro grupos de conejos. Se dispone de tres conejos por
cada grupo y cada uno recibe una ración diferente.
* La función del control local es hacer más eficiente el diseño, los procedimientos en la prueba son
más consistentes estadísticamente. El uso adecuado del control local reduce el error experimental.
Modelo estadístico
Es una formulación matemática de las relaciones existentes entre los diversos factores o
componentes considerados en un diseño experimental.
Dependiendo de la forma en que son elegidos los tratamientos, los modelos son:
1. Modelo I (Efectos fijos): Se presenta cuando los tratamientos son fijados por el
experimentador. En este caso las conclusiones del experimento solamente son válidas para los
tratamientos evaluados.
3. Modelo III (Efectos mixtos): Se presenta cuando se tiene una combinación de los dos modelos
anteriores, es decir, cuando se tienen algunos factores con efectos fijos y algunos factores con
efectos aleatorios.
Hipótesis estadísticas
Se denomina hipótesis, a una suposición o conjetura que se formula con el propósito de ser
verificada.
Es una hipótesis que afirma lo contrario a lo que se quiere probar. A la hipótesis nula, se lo
representa con el símbolo Ho, y se formula con la intensión de rechazarla.
Representa la hipótesis que mantendremos cierta a no ser que los datos indiquen su falsedad. Esta
hipótesis nunca se considera aceptada, en realidad lo que se quiere decir es que no hay suficiente
evidencia estadística para rechazarla por lo que aceptar Ho no garantiza que Ho sea cierta.
La hipótesis nula Ho se refiere siempre a un valor especificado del parámetro de población, no a
una estadística de muestra. El planteamiento de la hipótesis nula, en la mayoría de casos, siempre
contiene un signo de igualdad (=) con respecto al valor especificado del parámetro.
Ejemplo
Ho: El contenido de provitamina A del aguaymanto es igual a 3000 I.U. de caroteno por 100 g de
fruto.
Ho: µ = 3000 I.U
Ho: Las hamburguesas elaboradas a partir de la carne de cuy presenta igual sabor que las
hamburguesas de carne de bovino
Ho: µhamb.cuy = µhamb.bovino
Hipótesis alternativa
Es una hipótesis que expresa lo que realmente creemos es factible, es decir, constituye la hipótesis
de investigación. Se lo designa con el símbolo H1 o Ha.
Ejemplo
H1: El contenido de provitamina A del aguaymanto es menor a 3000 I.U. de caroteno por 100 g de
fruto.
H1: µ < 3000 I.U.
H1: Las hamburguesas elaboradas a partir de la carne de cuy presentan diferente sabor que las
hamburguesas de carne de bovino
H1: µhamb.cuy ≠ µhamb.bovino
En el ejemplo pudo establecerse también, que el atributo sabor de las hamburguesas de carne de cuy
es menor o es mayor que de las hamburguesas de carne bovina, eso dependerá de lo que se quiere
probar en la investigación.
Como resultado de una prueba de hipótesis, aceptamos o rechazamos la Ho. Si aceptamos la Ho,
convenimos en que el error de muestreo (el azar), por sí solo, puede dar lugar al valor estadístico
que origina la diferencia entre éste y el parámetro. Si rechazamos la Ho, convenimos que la
diferencia es tan grande, que no es fruto de muestreo (el azar) y concluimos que el
estadístico de la muestra no proviene de una población que tenga el parámetro estudiado
Ejemplo:
Recuerde: El inferir sobre una población a partir de una muestra, de por sí solo, implica un error
fruto del muestreo (el azar)
Cuando se toma la decisión de rechazar o aceptar la hipótesis nula Ho, se corre el riesgo de
equivocarse; es decir de cometer errores. Estos posibles errores son:
Consiste en rechazar la hipótesis Ho, cuando en realidad no debería ser rechazada, por ser
verdadera. La probabilidad de cometer el error tipo I se llama α.
Consiste en no rechazar la hipótesis Ho, cuando debería ser rechazada por ser falsa. La
probabilidad de cometer el error tipo II se llama β.
Al tomar la decisión de aceptar o rechazar la hipótesis nula en base a los resultados obtenidos de una
muestra aleatoria seleccionada de la población en estudio; hay cuatro posibles situaciones que
determinan la decisión tomada es correcta o incorrecta, como se muestra en la tabla 1.
Se debe procurar que la probabilidad de los errores tipo I y tipo II, sean las más pequeñas posibles,
sin embargo, para un tamaño de muestra dado, el querer disminuir un tipo de error, trae consigo,
incrementar el otro tipo de error. La única forma de disminuir ambos errores, es aumentar el
tamaño de la muestra, lo cual puede ser o no ser posible.
Los niveles de significación más usados en la práctica son α = 0,05 (5%) y α =0,01 (1%). Si para
un valor dado de α, se rechaza la hipótesis nula Ho, entonces se dice que los resultados obtenidos
en la muestra, no solo son diferentes por efectos del azar, sino que son realmente
significativamente diferentes al nivel de α; es decir, se espera que de 100 resultados muestrales en
α x 100% de las veces se rechazará la hipótesis nula Ho cuando realmente es verdadera.
1º Formular la Ho y H1
2º Determinar si la prueba es unilateral o bilateral.
3º Asumir el nivel de significación de la prueba.
4º Determinar la distribución muestral que se usará en la prueba.
5º Elaborar el esquema de la prueba.
6º Calcular el estadístico de la prueba.
7º Tomar la decisión, para esto, se comparan el esquema de la parte 5º, con el estadístico del paso 6º
Figura 1
Distribución normal
Distribución
normal
Región de aceptación
Análisis de variancia
Es una técnica estadística que permite descomponer la variabilidad total de los resultados
de un experimento en sus distintas fuentes: factores tratamiento, interacción entre factores,
covariables, error experimental, factores nuisance (otros factores que influencian), con la
finalidad de compararlas e identificar la importancia de las distintas fuentes en la
explicación de la variabilidad total.
La técnica estadística conocida con este nombre está basada fundamentalmente en el hecho de
que la variabilidad total de una población o conjunto de datos es la resultante de las variabilidades
parciales debidas a los factores de variación, y fue inicialmente desarrollada por Fisher. Es
esencialmente un procedimiento aritmético que descompone una suma total de cuadrados en
componentes asociados con fuente de variación reconocida.
La precisión de un ANVA (análisis de varianza) está en relación directa de la varianza del error
experimental, por lo que no se debe de perder de vista que las variaciones inducidas por manejos
inadecuados y heterogéneos entre las unidades de una prueba, repercutirán en un incremento de
dicha varianza. La exactitud (insesgo) depende fundamentalmente del adecuado control de las
demás fuentes de variación ajenas a la que esté en estudio.
A medida que un experimento se hace más complicado, la elección del diseño más adecuado (en
función de las variaciones del medio ambiente) es menos fácil.
Los diseños experimentales están íntimamente asociados con las unidades experimentales, o el
material experimental que usa el investigador para probar los tratamientos bajo estudio.
Censo
Experimento
¿? Transformación
Estadística paramétrica
Inversa
Logaritmica
Se transforman
Arc.Sen x
x
1 - Excelente : 7
2 - Muy buena : 6
3 - Buena : 5
Ponderar 4 - Ni bueno ni malo : 4 termino medio
5 - Regular : 3
6 - Malo : 2
7 - Pesimo : 1
1. Unidades homogéneas: da origen al D.C.A. (Diseño completamente al azar)
Tratamientos T1 T 2 T3 T4 T5 ............T10
- - - - - -
- - - - - -
Repeticiones - - - - - -
- - - - - -
Hipótesis:
H 0 : 1 2 3 .... 10
.
H a : 1 2 3 .... 10
Heterogéneo
Homogenizarlo
B1 B2 B3
Variedades de papaya
Factor: T°C
Factorial: Estudio de dos o más factores simultáneamente, cada factor con diferentes
niveles.
Ejm.
Factores: A, B
Niveles: a1, a2
b1, b2, b3
a1 b1 , a1 b2 ,a1 b3
Tratamientos (combinaciones)
a 2 b1 , a 2 b2 ,a2 b3