Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo 1 - Introdcción Al Diseño de Experimentos II-2020
Capítulo 1 - Introdcción Al Diseño de Experimentos II-2020
Alberto Bazán
alberto.bazan@unapiquitos.edu.pe
1
Diseño de Experimentos
2.5.3. Intervalo de confianza para una media poblacional con varianza desconocida ....... 18
2.6.5. Procedimiento para realizar una prueba de hipótesis referente a un parámetro ... 26
En muchas ocasiones, estas pruebas o experimentos se hacen con base en el ensayo y error,
recurriendo a la experiencia y a la intuición, en lugar de aplicar un plan experimental adecuado que
garantice una buena respuesta a las interrogantes planteadas. Por otra parte, el análisis de los datos
experimentales se hace de una manera informal en lugar de hacer un análisis riguroso de toda la
información obtenida y tomar en cuenta la variación. A pesar de ello, algunas veces se puede lograr
mejoras, pero, en situaciones de mayor complejidad no es suficiente aplicar este tipo de
experimentación. Por ello es recomendable aplicar el diseño estadístico de experimentos a fin de obtener
de forma eficaz, en un corto tiempo y utilizando menos recursos, respuestas a las interrogantes
planteadas por el experimentador (Gutiérrez y de la Vara, 2012).
El diseño experimental (DE) se inicia a partir de 1935 por el matemático inglés Sir Ronald Aymer
Fisher (1890 - 1962), quien desde 1919 hasta 1933, trabajó para la Estación Agrícola Experimental de
Rothamsted, en Inglaterra, en la aplicación de un exhaustivo análisis estadístico a los datos de
investigaciones agrícolas que el personal había recolectado. Este ejercicio le permitió desarrollar y
consolidar los principios básicos del diseño y análisis
experimental que hasta la fecha son prácticas necesarias
para llegar a resultados de investigación válidos.
Analizando estadísticamente, experimentó con cultivos de
trigo, introdujo el concepto de aleatorización y el análisis de
varianza. A lo largo de varias décadas, la teoría del diseño
de experimentos y sus aplicaciones se consolidaron y
expandieron, y en años recientes, recibieron un fuerte
impulso por las contribuciones de Genichi Taguchi, un
estadístico japonés ampliamente conocido en Occidente.
....
Entradas Salidas
Proceso/Sistema
y
....
z1 z2 zn
Factores no controlables
1. Determinar cuáles son las variables que tienen mayor influencia sobre la variable de respuesta
y.
2. Caracterizar las variables explicativas o factores x de mayor influencia para que la variable de
respuesta y esté casi siempre próximo al valor nominal deseado.
3. Caracterizar las variables explicativas o factores x de mayor influencia para que la variabilidad
de y sea reducida.
4. Caracterizar las variables explicativas o factores x de mayor influencia para que los efectos de
las variables no controlables z1, z2, …zn (covariables) sean mínimos.
1. Repetición o replicas
Que viene a ser la reproducción del experimento básico (asignación de un tratamiento a una
unidad experimental).
Las réplicas permiten estimar el error experimental, teniendo que a medida que aumenta el
número de repeticiones tal estimación es más confiable además permite estimaciones más
precisas del tratamiento en estudio.
2. Aleatorización
Consiste en la asignación al azar de los tratamientos a las unidades experimentales.
Los modelos estadísticos del diseño de experimentos tienen como requisito que las
observaciones o los errores estén distribuidos independientemente, lo que se consigue aplicando
la aleatorización.
3. Control local
Es el proceso de clasificación de las unidades experimentales en grupos homogéneos. Es decir,
son técnicas de diseño utilizadas para mejorar la precisión de las comparaciones que se hacen
entre los factores de interés, con frecuencia, para reducir o eliminar el error experimental o la
variabilidad transmitida por factores perturbadores; es decir, algunos factores que pueden tener
influencia en la respuesta experimental, pero en los que no hay un interés específico. Por
ejemplo, en un experimento con frutas pueden requerirse dos lotes de materia prima. Pero,
podría haber diferencias entre los lotes debido a sus diferentes grados de madurez o tamaño de
las frutas, etc. El control local comprende:
a. Agrupamiento
Es la unión de un conjunto de unidades experimentales homogéneas, las cuales formaran
grupos, de modo que las diferencias se presentan entre los grupos. A cada grupo se le
aplicará los diferentes tratamientos planteados en el experimento.
b. Bloqueo
Es la distribución de las unidades experimentales en bloques, de tal manera que las unidades
dentro de cada bloque sean relativamente homogéneas, de esta manera, la mayor parte de
la variación predecible entre las unidades queda confundida con el efecto de los bloques.
Para alcanzar la máxima eficiencia con el bloqueo, es necesario el conocimiento relacionado
con los factores extraños que afectan las unidades experimentales.
c. Balanceo
Es la aplicación de los tratamientos a un número igual de unidades experimentales de tal
modo que cualquier tratamiento pueda compararse con la misma precisión.
Cuando los tratamientos no tienen la misma cantidad de unidades experimentales se les
denomina experimentos desbalanceados.
b. Unidad Experimental
Es la unidad a la cual se le aplica un sólo tratamiento (que puede ser una combinación de
muchos factores) en una reproducción del experimento. En cada diseño de experimentos es
importante definir de manera cuidadosa la unidad experimental, ya que ésta puede ser una
pieza o muestra de una sustancia o un conjunto de piezas producidas, dependiendo del proceso
que se estudia.
Ejemplos:
Se quiere investigar alternativas para reducir el porcentaje de piezas defectuosas, en un
proceso que produce muchas piezas en un lapso corto de tiempo, es claro que no sería muy
confiable que la unidad experimental fuera una sola pieza, en la cual se vea si en una
condición experimental estaba defectuosa o no. Aquí, la unidad experimental deberá ser
cierta cantidad de piezas que se producen en las mismas condiciones experimentales, y al
final se analizará cuántas de ellas están defectuosas y cuántas no.
5
En un experimento agrícola para evaluar el rendimiento de algunas variedades de maíz, la
unidad experimental puede ser una porción de terreno de tamaño óptimo establecido,
usualmente denominada parcela o un número de plantas o un número de mazorcas.
En un estudio clínico, un paciente sometido a un tratamiento terapéutico puede ser
considerado como una unidad experimental.
En un trabajo de investigación de entomología la unidad experimental puede ser un insecto,
una colonia o toda una especie.
c. Error aleatorio
Es la variabilidad observada que no se puede explicar por los factores estudiados; y resulta del
pequeño efecto de los factores no estudiados y del error experimental.
d. Error Experimental
Describe la situación de no llegar a resultados idénticos con dos unidades experimentales
tratadas de igual forma y refleja:
Errores de experimentación
Errores de observación
Errores de medición
Variación del material experimental (entre unidades experimentales)
Efectos combinados de factores extraños que pudieran influir las características en
estudio, pero respecto a los cuales no se tiene interés en la investigación.
e. Factor
Es una variable independiente que tiene influencia sobre la respuesta de salida. Generalmente,
se trabaja con más de una variable independiente y con los cambios que ocurren en la variable
dependiente, cuando ocurren variaciones en una o más variables independientes.
Factores controlables
Son variables de proceso o características de los materiales experimentales que se pueden
fijar en un nivel dado. Algunos factores o características que por lo general se controlan
son: temperatura, tiempo de residencia, cantidad de cierto reactivo o insumo, tipo de
reactivo, método de operación, velocidad, presión, etc. A los factores controlables también
se les llama variables de entrada, condiciones de proceso, variables de diseño, parámetros
del proceso, las x de un proceso o simplemente factores.
Factores no controlables o de ruido
Son variables o características de materiales y métodos que no se pueden controlar durante
el experimento o la operación normal del proceso. Por ejemplo, algunos factores que suelen
ser no controlables son las variables ambientales (luz, humedad, temperatura, partículas,
ruido, etc.), el ánimo de los operadores, la calidad del material que se recibe del proveedor
(interno o externo). Un factor que ahora es no controlable puede convertirse en controlable
cuando se cuenta con el mecanismo o la tecnología para ello.
f. Tratamiento
Conjunto particular de condiciones experimentales que deben aplicarse a una unidad
experimental dentro del diseño seleccionado. Corresponde a los niveles de un factor o también
a la combinación de los niveles de varios factores considerados en el experimento.
Ejemplo:
Si en un experimento se estudia la influencia de la velocidad y la temperatura, y se decide
probar cada una en dos niveles, entonces cada combinación de niveles (velocidad, temperatura)
es un tratamiento. En este caso habría cuatro tratamientos, como se muestra en la tabla 1.1. Es
necesario probar cada tratamiento y obtener el correspondiente valor de y.
Tabla 1.1 Puntos de diseño o tratamientos
7
4. Diseños para la optimización de una mezcla.
5. Diseños para hacer el producto o proceso insensible a factores no controlables.
En la figura 1.2 se muestra la clasificación general de los diseños experimentales de acuerdo con su
objetivo. Dentro de cada rama se pueden clasificar de acuerdo al número de factores, al tipo de efectos
que se pretende estudiar y según las restricciones existentes. En la misma figura se listan los diseños
particulares más representativos de cada rama.
Nótese que los diseños factoriales completos y fraccionados ocupan más de un lugar en la figura 1.2;
la razón es que estos diseños son eficaces en diversas situaciones prácticas. De hecho, varios de los otros
diseños que se mencionan en esta figura son casos particulares o generalizaciones de los diseños
factoriales.
1.5. Etapas en el diseño de experimentos
Un aspecto fundamental del diseño de experimentos es decidir cuáles pruebas o tratamientos se van a
realizar y cuántas repeticiones de cada uno se requieren, de manera que se obtenga la máxima
información al mínimo costo posible. El arreglo formado por los diferentes tratamientos que serán
corridos, incluyendo las repeticiones, recibe el nombre de matriz de diseño o sólo diseño.
Para que un estudio experimental sea exitoso es necesario realizar, por etapas, diferentes
actividades. En este sentido, la etapa más importante y a la que se le debe dedicar mayor tiempo es la
planeación. A continuación, se describen de manera breve las etapas del diseño de experimentos con
objeto de dar una visión global de lo que implica su correcta aplicación.
1.5.1. Planeación y realización
a. Entender y delimitar el problema u objeto de estudio.
En la etapa de planeación se deben hacer investigaciones preliminares que conduzcan a
entender y delimitar el problema u objeto de estudio, de tal forma que quede claro qué se va a
estudiar, por qué es importante y, si es un problema, cuál es la magnitud del mismo.
b. Elegir la(s) variable(s) de respuesta que será medida en cada punto del diseño y verificar que
se mide de manera confiable.
La elección de esta(s) variable(es) es vital, ya que en ella se refleja el resultado de las pruebas.
Por ello, se deben elegir aquellas que mejor reflejen el problema o que caractericen al objeto de
estudio. Además, se debe tener confianza en que las mediciones que se obtengan sobre esas
variables sean confiables. En otras palabras, se debe garantizar que los instrumentos y/o
métodos de medición son capaces de repetir y reproducir una medición, que tienen la precisión
(error) y exactitud (calibración) necesaria. Recordemos que los sistemas de medición son la
forma en la que percibimos la realidad, por lo que, si éstos son deficientes, las decisiones que se
tomen con base en ellos pueden ser inadecuadas.
c. Determinar cuáles factores deben estudiarse o investigarse, de acuerdo a la supuesta
influencia que tienen sobre la respuesta.
No se trata de que el experimentador tenga que saber a priori cuáles factores influyen, puesto
que precisamente para eso es el experimento, pero sí de que utilice toda la información
disponible para incluir aquellos que se considera que tienen un mayor efecto.
d. Seleccionar los niveles de cada factor, así como el diseño experimental adecuado a los
factores que se tienen y al objetivo del experimento.
Este paso también implica determinar cuántas repeticiones se harán para cada tratamiento,
tomando en cuenta el tiempo, el costo y la precisión deseada.
e. Planear y organizar el trabajo experimental.
Con base en el diseño seleccionado, organizar y planear con detalle el trabajo experimental, por
ejemplo, las personas que van a intervenir, la forma operativa en que se harán las cosas, etc.
f. Realizar el experimento.
Seguir al pie de la letra el plan previsto en la etapa anterior, y en caso de algún imprevisto,
determinar a qué persona se le reportaría y lo que se haría.
1.5.2. Análisis
En esta etapa no se debe perder de vista que los resultados experimentales son observaciones
muestrales, no poblacionales. Por ello, se debe recurrir a métodos estadísticos inferenciales para ver si
las diferencias o efectos muestrales (experimentales) son lo suficientemente grandes para que garanticen
diferencias poblacionales (o a nivel proceso). La técnica estadística central en el análisis de los
experimentos es el llamado análisis de varianza ANOVA (acrónimo en inglés).
1.5.3. Interpretación
Aquí, con el respaldo del análisis estadístico formal, se debe analizar con detalle lo que ha pasado
en el experimento, desde contrastar las conjeturas iniciales con los resultados del experimento, hasta
observar los nuevos aprendizajes que sobre el proceso se lograron, verificar supuestos y elegir el
tratamiento ganador, siempre con apoyo de las pruebas estadísticas.
1.5.4. Control y conclusiones
Para concluir el estudio experimental se recomienda decidir qué medidas implementar para
generalizar el resultado del estudio y para garantizar que las mejoras se mantengan. Además, es preciso
organizar una presentación para difundir los logros.
1.6. Consideraciones prácticas sobre el uso de métodos estadísticos.
Es importante tomar en cuenta que, aunque el uso de metodologías estadísticas por lo general ayuda a
hacer más eficiente el proceso de investigación y de solución de problemas, es necesario reconocer que
9
las metodologías estadísticas por sí solas no garantizan investigaciones exitosas, por ello es importante
considerar los siguientes puntos:
1.6.1. El conocimiento no estadístico es vital
Para utilizar los métodos estadísticos en general y los diseños de experimentos en particular, en
primer lugar, se requiere que el experimentador tenga un buen nivel de conocimiento técnico y
práctico sobre el fenómeno o proceso que estudia, de tal forma que pueda vislumbrar con cierta
facilidad cuáles son los aspectos clave del fenómeno y sea capaz de plantear conjeturas precisas,
vislumbrar el tipo de relaciones entre las variables de respuesta y los posibles factores a estudiar. Todo
esto ayudará a seleccionar mejor los factores y sus niveles, así como el diseño que es mejor aplicar.
Además, ese conocimiento permitirá sacarle un provecho real al análisis estadístico de los resultados y
obtener conclusiones que generen aprendizaje y soluciones.