Diseño de Experimentos

Maestría en Diseño y Gestión de Procesos

Semana 1

M.Cs. Adrián Alberto Santana Alfonso

9 de septiembre de 2023
Universidad de La Sabana
adrian.santana@unisabana.edu.co

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 1 / 34

Objetivo
Objetivos

• El objetivo principal en un curso de diseño de experimentos es enseñar a los estudiantes cómo

planificar, diseñar y llevar a cabo experimentos de manera efectiva y eficiente. El diseño de
experimentos es una metodología que permite controlar variables y obtener conclusiones
confiables y significativas a partir de los datos recopilados.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 2 / 34

Objetivos

• Los estudiantes aprenderán a identificar las variables clave, establecer hipótesis, seleccionar
métodos de muestreo, determinar el tamaño de la muestra, diseñar los tratamientos o condiciones
experimentales, y analizar los resultados obtenidos. También se les enseñará a interpretar los
resultados y a tomar decisiones basadas en ellos.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 3 / 34

Contenidos
Contenidos del Curso

1. Preliminares
• Introducción a R
• Inferencia Estadística
• Estimación Puntual e Intervalos de Confianza.
• Pruebas de Hipótesis

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 4 / 34

Contenidos del Curso

2. Diseño con un Solo Factor

• Diseño Completamente Aleatorizado.
• Comparaciones Múltiples.
• Validación de Supuestos.
• Tamaños de Muestra.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 5 / 34

Contenidos del Curso

3. Diseños por Bloques

• Diseños por Bloques Completamente Aleatorizados.
• Diseño en Cuadrado Latino
• Diseño en Cuadrado Grecolatino

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 6 / 34

Contenidos del Curso

4. Diseños Factoriales
• Diseños con dos Factores.
• Diseños con tres factores.
• Diseño factorial general.
• Diseños 2k
• Diseños 3k

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 7 / 34

Contenidos del Curso

5. Diseños Factoriales Fraccionados

• Diseños 2k−p .
• Diseños Plackett-Burman.
• Diseños de Cribado.
• Superficie de Respuesta.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 8 / 34

Bibliografía

• Box G. E. P, Hunter J. S. Hunter W. G., Statistics for Experimenters: Design, Innovation, and
Discovery. Limusa Wiley.
• Montgomery D. C., Diseño y análisis de experimentos. Limusa Wiley. Routledge.
• Maxwell S. E., Delaney H. D. Kelley K. Designing Experiments and Analyzing Data: A Model
Comparison Perspective.
• Lawson J. Design and Analysis of Experiments with R. Chapman Hall.
• Gutiérrez H. Análisis y Diseño de Experimentos. McGrawHill.
• Mason R., Gunts R. Hess J. Statistical Design and Analysis of Experiments, with Applications to
Engineering and Science. Wiley-Interscience

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 9 / 34

 Objetivo

Contenidos

Notas

Introducción

Preliminares

Aplicación 1 en Software R
Intervalos de Confianza
Pruebas de Hipótesis

Pruebas de hipótesis para dos poblaciones

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 10 / 34

Notas
Notas

• Parcial 40 %
• Actividades Intermedias 60 %:
• Quices.
• Talleres.
• Tareas.
• Retos.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 11 / 34

Competencias

• Definir reglas y procedimientos a seguir para el diseño, la realización y análisis de experimentos,

resaltando las situaciones en que puede o debe ser utilizado.
• Comprender las herramientas disponibles para aumentar la precisión de experimentos, y estimar la
variabilidad del material experimental.
• Determinar las principales causas de variación en la respuesta.
• Formular, calibrar e interpretar modelos estadístico-matemáticos que permita hacer predicciones
de respuestas futuras.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 12 / 34

Introducción
Introducción

Aplicaciones
En el contexto de la maestría en diseño y gestión de procesos, el diseño de experimentos es una
herramienta fundamental para optimizar y mejorar los procesos productivos y de servicios.

A través del diseño de experimentos, se pueden identificar las variables críticas del proceso y establecer
niveles óptimos para cada una de ellas, lo que permite reducir costos, mejorar la calidad y aumentar la
eficiencia.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 13 / 34

Introducción

Ejemplo de Aplicación
Un ejemplo de aplicación del diseño de experimentos para la maestría en diseño y gestión de
procesos podría ser en la optimización de un proceso de producción en una empresa. Suponga-
mos que la empresa fabrica un producto y desea mejorar su proceso de producción para reducir
los costos y mejorar la calidad del producto.

En este caso, se podría aplicar el diseño de experimentos para identificar los factores clave que afectan
la calidad del producto y los costos del proceso de producción. Por ejemplo, se podrían evaluar
diferentes:

• niveles de temperatura,
• tiempo de producción,
• tipo de materiales,

entre otros factores, para determinar cuál combinación de estos produce el mejor resultado.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 14 / 34

Introducción

Diseño de
Experimentos

Variable
Factores Variables
Respuesta

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 15 / 34

Diseño de Experimentos

Diseño de Experimentos

Diseño de
Controlar Factores Identificación de Factores Planificación del Experimento
Muestras

Mejor
Combinación ANOVA
de Factores

Análisis de Datos
M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 16 / 34
Introducción

Definición:
El diseño de experimentos es una rama de la estadística que se enfoca en el proceso de:

• planificar,
• diseñar,
• ejecutar y
• analizar

experimentos para obtener la mayor cantidad de información posible de manera eficiente y precisa.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 17 / 34

Preliminares
Introducción

Inferencia Estadística
En el análisis de datos experimentales, es común que los investigadores necesiten realizar inferencias
sobre la población a partir de una muestra.

En este sentido, los intervalos de confianza y las pruebas de hipótesis son herramientas fundamentales
para el análisis estadístico de datos.
Estas técnicas permiten estimar el valor de un parámetro poblacional y determinar si una afirma-
ción sobre la población es consistente con los datos observados en la muestra.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 18 / 34

Estadística Inferencial

Población Muestra

• Estimación puntual e
Intervalos de
Confianza Distribución de Muestreo

• Pruebas de Hipótesis

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 19 / 34

Mapa conceptual-Preliminares

Estadística Inferencial

Pruebas de Intervalos de
Hipótesis Confianza

• Para la media y
varianzas.
• Para dos medias.
• Igualdad de Varianzas.
• Poblaciones pareadas

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 20 / 34

Preliminares

El objetivo de la inferencia estadística es hacer Elementos clave en la inferencia estadística:

afirmaciones válidas acerca de la población o • Parámetro.
proceso con base en la información contenida en
• Estimador puntual.
una muestra. Estas afirmaciones tienen por
objetivo coadyuvar en la toma de decisiones. • Muestreo
• Estadístico.
• Distribución Muestral

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 21 / 34

Preliminares
Ejemplo:
Tres parámetros que usualmente son usados para
hacer inferencia son:
• La media (poblacional) µ del proceso.
• La desviación estándar (poblacional) σ del
proceso.
• La proporción ρ de artículos defectuosos.
M.Cs. Adrián Alberto Santana Alfonso
y sus respectivos estimadores son:
• La media muestral µ̂ = x̄
• La desviación estándar muestral σ = s
• La proporción de defectuosos en la muestra
p̂ = x /n donde x es el número de artículos
defectuosos en una muestra de tamaño n.
Diseño de Experimentos 22 / 34
Preliminares

• Distribución muestral de la media.

• Teorema del Limite Central

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 23 / 34

Aplicación 1 en Software R
Intervalos de Confianza

Un intervalo de confianza es una estimación del rango de valores en el que se encuentra el verdadero
valor de una variable de interés con cierto nivel de confianza. En otras palabras, es un rango de valores
dentro del cual se espera que esté la verdadera media poblacional de la variable que se está estudiando.

P(L ≤ µ ≤ U) = 1 − α

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 24 / 34

Intervalos de Confianza

Intervalos para la media

Con σ conocido
σ σ
P(x̄ − zα/2 ∗ √ ≤ µ ≤ x̄ + zα/2 ∗ √ ) = 1 − α
n n

Con σ desconocido
s s
P(x̄ − tα/2,n−1 ∗ √ ≤ µ ≤ x̄ + tα/2,n−1 ∗ √ ) = 1 − α
n n

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 25 / 34

Pruebas de Hipótesis

Concepto
Por su parte, una prueba de hipótesis es un procedimiento estadístico que permite evaluar la
evidencia en contra de una afirmación específica sobre una variable de interés. La afirmación se
conoce como hipótesis nula y la evidencia en contra de ella se mide mediante un valor conocido
como estadístico de prueba.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 26 / 34

Pruebas de hipótesis

El razonamiento empleado en una prueba estadística de hipótesis es similar al proceso en un tribunal.

Al procesar a una persona por robo, el tribunal debe decidir entre inocencia y culpabilidad. Cuando el
juicio se inicia, se supone que la persona acusada es inocente.
El proceso recaba y presenta toda evidencia disponible en un intento para contradecir la hipótesis de
inocencia y por tanto obtener una condena. Si hay evidencia suficiente contra inocencia, el tribunal
rechazará la hipótesis de inocencia y declarará culpable al demandado.
Si el proceso no presenta suficiente evidencia para demostrar que el demandado es culpable, el tribunal
le hallará no culpable. Observe que esto no demuestra que el demandado es inocente, sino sólo que no
hubo evidencia suficiente para concluir que el demandado era culpable.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 27 / 34

Pruebas de Hipótesis

• Hipótesis Nula H0 .
• Hipótesis Alternativa Ha .
• Estadístico de Prueba.
• Región de Rechazo.
• Decisión.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 28 / 34

Pruebas de Hipótesis

Hipótesis Nula
El primer paso es definir la hipótesis nula (a menudo indicada como H0 ). Para nosotros, la hipótesis
nula siempre corresponderá a la hipótesis de no cambio; es decir, el statu quo sigue siendo válido.
Formalmente, esto se escribe como: H0 : µ = µ0 .

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 29 / 34

Pruebas de Hipótesis

Hipótesis Alternativa
En oposición a la hipótesis nula, definimos una hipótesis alternativa (a menudo indicada con H1 o
Ha ). Podemos tener tres formas diferentes de definir una hipótesis alternativa:

1. Ha : µ ̸= µ0 (prueba de dos colas)

2. Ha : µ > µ0 (prueba de una cola)
3. Ha : µ < µ0 (prueba de una cola)

La prueba estadística nos ayudará a decidir si hay suficiente evidencia para rechazar la hipótesis nula
a favor de una alternativa.

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 30 / 34

Pruebas de hipótesis para dos
poblaciones
Requisitos para realizar una prueba de hipótesis para la diferencia de medias

1. Muestra aleatoria simple

2. Independencia de las observaciones entre los grupos
3. Distribución normal o tamaño de muestra suficientemente grande
4. Igualdad de varianzas o tamaño de muestra suficientemente grande y poblaciones normalmente
distribuidas

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 31 / 34

Pruebas de hipótesis para la diferencia de medias

µ1 − µ2

Estadístico de prueba Supuestos Intervalos de confianza

t-test Z-test Normalidad de las poblaciones Igualdad de varianzas t-intervalo Z-intervalo

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 32 / 34

Bibliografía

• Box G. E. P, Hunter J. S. Hunter W. G., Statistics for Experimenters: Design, Innovation, and
Discovery. Limusa Wiley.
• Montgomery D. C., Diseño y análisis de experimentos. Limusa Wiley. Routledge.
• Maxwell S. E., Delaney H. D. Kelley K. Designing Experiments and Analyzing Data: A Model
Comparison Perspective.
• Lawson J. Design and Analysis of Experiments with R. Chapman Hall.
• Gutiérrez H. Análisis y Diseño de Experimentos. McGrawHill.
• Mason R., Gunts R. Hess J. Statistical Design and Analysis of Experiments, with Applications to
Engineering and Science. Wiley-Interscience

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 33 / 34

 Objetivo

Contenidos

Notas

Introducción

Preliminares

Aplicación 1 en Software R
Intervalos de Confianza
Pruebas de Hipótesis

Pruebas de hipótesis para dos poblaciones

M.Cs. Adrián Alberto Santana Alfonso Diseño de Experimentos 34 / 34