Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CHIMBORAZO
FACULTAD DE MECÁNICA
CARRERA DE INGENIERÍA INDUSTRIAL
DISEÑO EXPERIMENTAL
PAO: 9
PERIODO ACADÉMICO
ABRIL – SEPTIEMBRE 2022
PRINCIPIOS BÁSICOS DE LOS DISEÑOS EXPERIMENTALES
Algunos principios básicos del diseño experimental tienen que ver con la formulación del
problema bajo investigación, la escogencia del diseño experimental, la ejecución del experimento,
el análisis de los datos y la interpretación de los resultados. Estos principios se discutirán en forma
general, dejando los detalles específicos referentes a los diseños experimentales para sesiones
posteriores.
La replicación
Por esta se entiende que cada tratamiento (o alguno de los tratamientos) debe ser aplicado a varias
unidades experimentales. La replicación sirve para:
La Aleatorización
Consiste en que tanto la asignación del material experimental como el orden en que se realizan
las pruebas individuales o ensayos se determinan aleatoriamente y sirve para:
Garantizar la independencia de los errores o que las observaciones sean variables aleatorias
independientes. Esto es necesario para obtener pruebas de significancia válidas y estimados de
intervalos.
Eliminar el sesgo de tal manera que no se desfavorezca o discrimine a los tratamientos y permite
cancelar los efectos de factores extraños que pudieran estar presentes.
Existen varias formas prácticas para la asignación aleatoria de los tratamientos a las unidades
experimentales; una es la numeración de los tratamientos, que luego a manera de sorteo se extraen
de una urna de fichas rotuladas con dicha numeración; el orden en que aparecen los números
corresponde al orden de asignación de los tratamientos. También existen tablas que contienen
números aleatorios y programas de computadora que los generan. El proceso de asignar
aleatoriamente las unidades experimentales y los tratamientos se puede hacer de la siguiente
manera:
Marque las unidades experimentales 1, 2, …, N. Luego marque unos papelitos con los
números k= 1, 2, …, N. Coloque los papelitos en una bolsa. Seleccione un papelito y márquelo
por el reverso de donde está marcado con el número (11), deje este papelito fuera de la bolsa.
Proceda nuevamente a seleccionar otro papelito y márquelo ahora con el número (12). Continúe
este proceso hasta que queden marcados todos los papelitos como11, 12, …, 1r, 21, 22, …, 2r, …,
t1, t2, …, tr. Ahora si el papelito k, y por consiguiente la unidad experimental k, está asociada con
la marca (ij), se aplica el tratamiento i a esta unidad experimental.
También se puede hacer el anterior proceso usando la tabla de números aleatorios. Como ejemplo
suponga que N=24, t=6y, r=4. Usted puede marcar las UE con números de dos dígitos01, 02, …,
24. Luego asocie los números 1, 2, 3 y 4 con la UE 1 y ubicándose en cualquier lugar de la tabla
se empieza a recorrerla en cualquier sentido para localizar los números anteriores. (Mendoza,
2019)
En el cual la idea básica es particionar el conjunto total de las UE en subconjuntos (bloques) que
sean lo más homogéneo posible, eliminando de esta forma los efectos de factores extraños que
contribuyen a la variación sistemática de las diferencias entre las unidades experimentales.
Existen varias razones para bloquear en un diseño experimental:
SUPUESTO DE NORMALIDAD
Procedimiento gráfico para verificar el cumplimiento del supuesto de normalidad de los
residuos consiste en graficar los residuos en papel o en la gráfica de probabilidad normal que se
incluye casi en todos los paquetes estadísticos. Esta gráfica del tipo X-Y tiene las escalas de tal
manera que, si los residuos siguen una distribución normal, al graficarlos tienden a quedar
alineados en una línea recta; por lo tanto, si claramente no se alinean se concluye que el supuesto
de normalidad no es correcto. Cabe enfatizar el hecho de que el ajuste de los puntos a una recta
no tiene que ser perfecto, dado que el análisis de varianza resiste pequeñas y moderadas
desviaciones al supuesto de normalidad. En las figuras 3.6a y 3.6b se representan, en la gráfica
de probabilidad normal, dos aspectos de los residuos, en los cuales el supuesto de normalidad no
se cumple.
Si la distribución de los errores es normal, esta gráfica parecerá una línea recta.
Pasos a seguir:
1. Después de haber realizado el análisis ANOVA de un factor, en el botón de “guardar
resultados”, le pediremos que nos guarde los residuos (RESIDUALS). Aparecerá en la
hoja de datos una nueva columna con los residuos.
2. Vamos a hacer un análisis unidimensional de los residuos: Menú Descripción>Datos
Numéricos>Análisis unidimensional y metemos los residuos (RESIDUALS) en Datos.
3. En las opciones gráficas del análisis unidimensional pedimos que nos represente el
gráfico de probabilidad normal. (Molanes, 2019)
Consideremos una muestra aleatoria de datos X 1, X2, …, Xn que proceden de cierta distribución
desconocida denotada por F(x). Se quiere verificar si dichos datos fueron generados por un
proceso normal, mediante las hipótesis estadísticas:
H0: Los datos proceden de una distribución normal (F(x) es normal).
Los pasos para la prueba de Shapiro-Wilks son: 1) Se ordenan los datos de menor a mayor.
Denotemos los datos ordenados por X(1), X(2), …, X(n). 2) De la tabla dada en el apéndice para este
procedimiento se obtienen los coeficientes a1, a2, …, ak, donde k es aproximadamente n/2. 3) Se
calcula el estadístico W definido como:
donde S2 es la varianza muestral. 4) Por último, si el valor del estadístico es mayor que su valor
crítico al nivel a seleccionado en la tabla del apéndice, se rechaza la normalidad de los datos.
Para ilustrar la prueba de Shapiro-Wilks consideremos otra vez los mismos datos de las gráficas
de probabilidad normal. De acuerdo con los datos ordenados, parte del procedimiento posterior
al paso 2 para calcular el estadístico W se resume en la tabla que se presenta más adelante.
Con el tamaño de muestra n = 10, en la tabla de valores críticos dada en el apéndice se lee que
el cuantil 95 es W1 – 0.05 = 0.987. Como W es menor que W1-a se acepta que los datos proceden
de una distribución normal, que concuerda con lo que se observó en las gráficas de
probabilidad. (Vara, 2008)
SUPUESTO DE HOMOCEDASTICIDAD
Método Analítico
En este caso graficar los residuos contra el orden del tiempo en el que se recopilaron los datos es
también útil para detectar falta de homogeneidad de varianzas (Heteroscedasticidad). Una gráfica
que presente una mayor dispersión en un extremo que el otro es un indicio de falta de
homogeneidad de varianzas.
Método Analítico
El Test de Durbin-Watson permite evaluar si existe autocorrelación en una Regresión lineal, sea
simple o múltiple. Con ello se pretende ver si los valores presentan algún tipo de dependencia en
cuanto al orden de obtención.
Para comprobar la suposición de independencia de los datos, es interesante graficar los residuos
frente al orden temporal en el que éstos han sido recopilados. Si en este gráfico se detecta una
tendencia a tener rachas con residuos positivos y negativos, esto nos indicará que los datos no son
independientes. No hay ninguna adaptación ni transformación para superar la falta de
independencia de los errores. Por lo tanto, debe cambiarse el diseño del experimento o la forma
en que se ha realizado.
SUPUESTO DE LINEALIDAD
La ecuación de regresión, posee una forma particular que responde a una recta. A partir de ello,
se dan como característica que la variable dependiente constituye la suma de un conjunto de
elementos que son: el origen de la recta, una combinación lineal de variables independientes o
predictoras y los residuos. (Madrid, 2021)
Mendoza, Henry. 2019. Diseño Experimental. [En línea] 21 de 02 de 2019. [Citado el: 05 de 05
de 2022.] http://red.unal.edu.co/cursos/ciencias/2000352/html/un1/cont_116-
16.html#:~:text=Algunos%20principios%20b%C3%A1sicos%20del%20dise%C3%B1o,la%20inter
pretaci%C3%B3n%20de%20los%20resultados..
Molanes, Elisa. 2019. Diseño de Experimentos: Anova. [En línea] 23 de 04 de 2019. [Citado el:
14 de 04 de 2022.]
http://halweb.uc3m.es/esp/personal/personas/emolanes/esp/archivos/estii/anova.pdf.
Vara, Humberto Gutierrez y Roman de la. 2008. Analisis y diseño de experimentos. México :
Ricardo A., 2008.