Diseo Experimental

Industrias Alimentarias

Principios del diseo Experimental

EL Diseo de Experimentos
Est relacionado bsicamente con el planeamiento de la
recoleccin de los datos.

Un Experimento
Es la Muestra en base a la cual se estimarn los parmetros
Poblacionales, y se tomarn decisiones con respecto a la
comparacin de las poblaciones en estudio.
Cada experimento es una pregunta que se hace a la naturaleza,
por lo tanto, para que las respuestas no sean confusas o
contradictorias, es necesario que el mismo sea:

1) Tcnicamente planeado
2) Cuidadadosamente conducido
3) Adecuadamente analizado
4) Cautelosamente interpretado

Razones
Por lo general, un experimento es realizado por
una o varias de las razones siguientes:
Identificar las principales causas de variacin en la
respuesta
Encontrar las condiciones que permitan alcanzar
un valor ideal en la respuesta
Comparar las respuestas a diferentes niveles de
factores controlados por el investigador
Construir modelos que permitan obtener
predicciones de la respuesta.
3

Definiciones Bsicas
Variable Respuesta: es la variable en estudio, aquella cuyos
cambios se desean estudiar. Es la variable dependiente.
Factor: es la variable independiente. Es la variable que manipula el
investigador, para estudiar sus efectos sobre la variable dependiente.
Nivel Del Factor: es cada una de las categoras, valores o formas
especficas del factor.
Factor Cualitativo: sus niveles se clasifican por atributos cualitativos.
Factor Cuantitativo: sus niveles son cantidad numrica en una
escala.
Factores Observacionales: El investigador registra los datos pero no
interfiere en el proceso que observa.
Factores Experimentales: El investigador intenta controlar
completamente la situacin experimental.
4

Experimento Unifactorial: es aquel en el se estudia un

solo factor.
Experimento Multifactorial: es aquel en el que se
estudia simultneamente ms de un factor.
Tratamientos: Conjunto de condiciones experimentales
que sern impuestas a una unidad experimental en un
diseo elegido.
En experimentos unifactoriales, un tratamiento
corresponde a un nivel de factor.
En experimentos multifactoriales, un tratamiento
corresponde a la combinacin de niveles de factores.
Unidad Experimental: es la parte ms pequea de
material experimental expuesta al tratamiento,
independientemente de otras unidades.

Error Experimental: Describe la variacin entre las unidades

experimentales tratadas de forma idntica e independiente.
Orgenes del error experimental:
Variacin natural entre unidades experimentales
Variabilidad en la medicin de la respuesta
Imposibilidad de reproducir idnticas condiciones del
tratamiento de una unidad a otra
Interaccin de tratamientos con unidad experimental
Cualquier factor externo
Tratamiento Control: Un control al que no se le aplica
tratamiento revelar las condiciones en que se realiza el
experimento.
Mediciones: Son los valores de la variable dependiente,
obtenidos de las unidades experimentales luego de la aplicacin
de tratamientos.
6

Elementos Del Diseo De Experimentos

El diseo de experimentos se refiere a la estructura del
experimento considerando:
i) El conjunto de tratamientos incluidos en el estudio.
ii) El conjunto de unidades experimentales utilizadas en el
estudio.
iii) Las reglas y procedimientos por
tratamientos
son asignados
a
experimentales (o viceversa).

los cuales los

las
unidades

iv) Las medidas o evaluaciones que se hacen a las unidades

experimentales luego de aplicar los tratamientos.
7

PRINCIPIOS BSICOS DEL DISEO DE EXPERIMENTOS

1) Control Local: son las acciones empleadas por el
investigador para disminuir o controlar el error experimental
Tcnica
Seleccin De Unidades Experimentales Homogneas
Bloqueo
Seleccin del Diseo Experimental Adecuado
Utilizacin De Covariables

2) Replicacin como un medio para estimar la variancia del

error experimental

Proporciona medias para estimar la variancia del error

experimental
Permite aumentar la precisin para estimar las medias de
los tratamientos.
Da seguridad contra resultados anormales por accidentes
8
no previstos.

PRINCIPIOS BSICOS DEL DISEO DE EXPERIMENTOS

3) Aleatorizacin para validar la estimacin de la variancia
del error experimental.
Consiste en aplicar en forma aleatoria los tratamientos a las
unidades experimentales.
La aleatorizacin tiende a promediar entre los tratamientos
cualquier efecto sistemtico presente de forma que las
comparaciones entre tratamientos midan slo los efectos de
los tratamientos mismos.

10

Los Tipos de Modelos.

Los modelos experimentales de clasifican en tres tipos:
De efectos fijos MODELO I
De efectos Aleatorios Modelo II
Mixtos.(Factores fijos y aleatorios)
Cuando el investigador tiene control sobre el material
experimental aplicando slo los niveles de los factores que le
interesan en el modelo, es de efectos fijos.
Cuando se investiga un factor pero no se tiene control sobre
tratamientos, por ejemplo en los estudios por muestreo, dnde los
niveles que se aplican son una muestra extrada al azar de una
poblacin de niveles, los modelos son de efectos aleatorios. 10

Modelo I o de efectos fijos

Yij .. . j ij

i= 1,..,k y j=1,..,n

Modelo II o de efectos aleatorios

En este modelo se asume que las k muestras son muestras
aleatorias de k situaciones distintas y aleatorias. De modo
que un valor aislado Yij se puede escribir como:

Yij .. A.. jj ij

i= 1,..,k y j=1,..,n
11

Cules son los supuestos y cules los

elementos bsicos del modelo I de
ANOVA?
Los Supuestos de Validez del modelo ANOVA son:

Observaciones Independientes.
Datos distribuidos Normalmente ( ; 2).
Variancias Homogneas.
12

Los elementos bsicos del modelo II

de ANOVA

Supone que las k muestras independientes

son muestras de k poblaciones distintas y
fijas.

13

Diseo Completamente
Aleatorizado
DCA

14

Introduccin
En el caso de un nico Factor (Experimento Unifactorial)
y a Efectos Fijos ( Modelo I) El modelo de Anlisis de la
Varianza
En donde:

Yij .. . j ij

Yij es la variable aleatoria que mide la respuesta del sujeto

experimentado en el i-simo individuo que recibi el j-simo
tratamiento;
.. Es el promedio general;
.j El efecto del j-simo tratamiento;
ij Es la cantidad de variacin no explicada por el Factor, tambin
se conocer como Error del Experimento, Variacin Residual.15

La Planificacin del Experimento

En la experimentacin planificada no es el modelo ms recomendable,
pues requiere que el desarrollo de la experiencia se haga en condiciones
muy controladas. Por esto resulta apropiado cuando se estudian
experimentos de laboratorio.
En otros casos, las circunstancias del material experimental obligan a
usar este experimento como es el caso de las pruebas progenie en
estudios genticos.
La planificacin del experimento es muy simple pues nicamente se
requiere que los sujetos que van a ser experimentados se elijan al azar
de la poblacin y que adems, los sujetos experimentados que recibirn
un nivel del factor o Tratamiento son elegidos al azar del grupo
previamente seleccionado.
Es muy conveniente que los grupos que recibirn un tratamiento tengan
la misma cantidad de individuos pero no es indispensable.
16

Anova Un Criterio
Determina si la discrepancia entre las medias
entre los tratamientos es mayor de lo que debera
esperarse de las variaciones que ocurren dentro
de los tratamientos.
Divide la Variacin Total de los datos de la
muestra en dos componentes.
17

Supuestos Anova
1. Observaciones se distribuyen Normal
e Independiente y con la misma
varianza para cada tratamiento
2. Y .. .
ij

ij

3. ij ~ N (0, )
2

18

Modelos E Hipotesis
Modelo a efectos fijos
H0 : 1 = 2 ..= k= 0
H1 : i 0 al menos para una i
Modelo a efectos aleatorios
H0 : = 0
H1 : 0
19

Diseo Completamente
Aleatorizado
Diseo aleatorio, en condiciones homogneas
(tiempo, materias primas, procedimientos
operativos, etc.) .
Ejemplo con tres tratamientos:
N 1; 2; 3; 4; 5; 6; 7; 8; 9;10;11;12;13; 14; 15
Tr. A; A;C; B; B; A; C; B; B; C; B; C; C; A; A
Res.y,y,y3, y4 ,y5,y6, y7, y8, y9,y10,y11,y12, y13, y14, y15
Anlisis: ANOVA a Un criterio
20

Tabla Anlisis
1

Promedi
o

YA1

YA2

YA3

YA4

YA5

YA.

YB1

YB2

YB3

YB4

YB5

YB.

YC1

YC2

YC3

YC4

YC5

YC.

Rep
Trat

Y..
21

Anova A Un Criterio

Identidad de la suma de cuadrados

j1

(y ij y..) 2 n

i 1

(y.j y.. )

j1

j1

t 1

(y ij y.j ) 2

Esperanza de la suma de cuadrado tratamiento

E (CM trat ) (k 1) 2 n

2j

j1

Cuadrado medio del tratamiento

CM trat

SCtrat

k 1

Cuadrado medio del error

CM error

SCEE

k (n 1)

22

Cuadro Anova Un
Criterio
Fuentes
Variacin

Sumas
Cuadrados

g.l

Cuadrados
Medios

Entre
Tratamiento
s
Dentro Trat.
(Error)

SCTrat.

k-1

SCTrat/ g.l
(I)

SCError

k(n-1)

SCError/ g.l
(II)

Total

SCTotal

n1

Fo= I/II

23

Anova Un Criterio

Fo F ((k-1) y k(n-1))
Si Fo > F ((k-1) y k(n-1)) Rechazo la Hipotesis Nula

24

Analis Residual Y Verificacin Del

Modelo
Anlisis Residual (Diferencia entre el valor
observado y el estimado por el modelo)
Normalidad (mediante Grficos de Pr.Normal y
Kolmogorof, Shaphiro Wilks)
Igualdad de Varianzas (Diagrama de Dispersin
de residuos contra los promedios de tratamientos
y prueba de homogeneidad de variancia de
Cochran y Barttlet)
25

Comparaciones Sobre Los Promedios

Si rechazo la Hiptesis Nula en el Modelo a
Efectos Fijos

Prueba de Dunnet
Prueba Duncan
Prueba de Tukey
Prueba de Bonferroni
Intervalos de confianza
Pruebas en caso de violaciones de los supuestos
Otras
26

Estimaciones En Modelos A Efectos

Aleatorios

Si rechazo la Hiptesis Nula en el Modelo a Efectos

Aleatorios

Anlisis de componentes de la Varianza

27

Ventajas Y Desventajas
La mayor ventaja de experimentar bajo un
esquema Completamente al Azar, esto es, sin
restricciones, es la simpleza del anlisis y el
recurso que significa aplicarlo cuando no hay
otra posibilidad de anlisis.
Es el paso consecutivo en uso de la regresin
lineal en el anlisis de modelos lineales.
Se presta por igual a estudios mediante tcnicas
de muestreo o en experimentos planificados.
28

Ventajas Y Desventajas
Cuando ocurren accidentes en la operacin del experimento
como la prdida de una cantidad de unidades
experimentales que no pueda contrarrestarse mediante
tcnicas de extrapolacin, el Modelo Completo al Azar
permite el anlisis con las unidades remanentes sin importar
que haya diferente nmero por tratamiento.
La facilidad de clculo y manejo no compensan la baja
precisin del diseo. Esto significa que es el modelo
experimental menos eficiente. O dicho de otra manera: el
diseo que mayor variacin presenta. Prefirindose otros
con mayor precisin en el anlisis.
29

Aleatorizacion
Puede hacerse utilizando una tabla de nmeros al azar, por
cartas, tirando un dado, o por cualquier otra operacin que
sirva para el mismo propsito.
Como ilustracin vamos a considerar un experimento que
involucra 3 tratamientos: A, B y C cada uno replicado 4 veces.
La aleatorizacin y disposicin de las unidades experimentales
se lleva a cabo de la siguiente manera:
Se determina en nmero total de UE. Para nuestro ejemplo
3x4=12.
Se asigna una nmero a cada UE en una manera conveniente
por ejemplo consecutivamente del 1 al 12.
30

Aleatorizacion
Mediante una tabla de nmeros al azar:
1 paso: localizar el punto de comienzo en una tabla
de nmeros al azar
2 paso: Utilizando el punto de comienzo obtenido en
el 1 paso, seleccionar n nmeros de tres dgitos,
donde n es el nmero total de UE (n=12). Se prefiere
nmeros de tres dgitos porque es ms difcil
encontrar valores iguales.
31

3 paso: Se ranquean los 12 nmeros seleccionados del menor al mayor.

Nmero al azar

Secuencia

Nmero al azar

Secuencia

Rango

149

149

361

361

180

180

018

018

427

427

243

243

494

494

704

704

12

549

549

10

157

10

157

10

571

11

571

11

11

226

12

226

12

4 paso: Asignar los tratamientos a las UE. Usar el rango como nmeros de UE y
la secuencia con la cual se obtuvieron los nmeros aleatorios para referirse a los
tratamientos. Por ejemplo el tratamiento A : al 2,7,4,1, el tratamiento B, al
8,6,9,12, etc.
1
3
A 2A
C 4A
5

10

11

12

32

Ejemplo 1: Engorde de Cerdos

Una empresa de alimentos ofrece a una empresa porcina un
plan de alimentacin muy bueno. El dueo del
establecimiento aceptara comprar un nuevo alimento si
supera en aumento de peso al plan de alimentacin actual y
a otros dos que le han ofrecido.
La empresa de alimentos decide demostrar las bondades de
su producto llevando a cabo un experimento planificado.
Consulta al dueo sobre la cantidad de cerdos que podan
usar en el experimento y las facilidades de las instalaciones.
La respuesta fue: 52 cerdos que se van a engordar y los
corrales que pueden ver.
33

Cuestionario
Se trata de un experimento uni o multifactorial?
Cules son los factores?
Cules son los tratamientos?
Cul es la variable respuesta?
Cul es la unidad experimental?
Cuntas replicaciones haramos?
Cuntos animales necesitamos?
Cmo haramos el diseo?
En el caso de utilizar bloqueos indicar y justificar.
En el caso de utilizar tratamiento testigo indicar y justificar.
34

La Planificacin del Experimento

Se descartan del grupo de 52 cerdos, las hembras y
animales extremos, muy pequeos o muy grandes y algunas
cruzas, quedan 24 machos castrados de la misma raza y de
tamao similar.
El diagrama de los corrales disponibles se muestra a la
derecha con una capacidad de hasta 10 cerdos. Cmo
N
asignaran los tratamientos?
Debido a que no es posible atender a los cerdos
individualmente, se opt por usar los corrales
que miran al Norte para usar cada uno de ellos
con una de las 4 dietas por valorar.
En cada chiquero se acomodaran 6 cerdos?.
35

Consideraciones Sobre El Manejo.

El proceso de asignacin aleatoria usualmente se elabora en
la oficina para no manejar a los animales de ms.
Incluso antes de su seleccin previa y numerado. De esta
forma, un cerdo se atrapa, una sola vez, se pesa y se mide
antes de ser introducido en el chiquero que le corresponda.
Este valor se define como Y1, peso Inicial.
Al final del periodo de la prueba, los cerdos se vuelven a
pesar individualmente obteniendo la variable Y2.
Finalmente, la diferencia de peso final con la inicial ser la
variable Y3 o incremento de peso.
36

Diseo en Bloques Completos

Aleatorizados
DBCA

37

Diseo De Bloques Completos

Aleatorizados

En muchos problemas de experimentos, es necesario

hacer un diseo de tal manera que la variabilidad
proveniente
de
fuentes
conocidas
pueda
ser
sistemticamente controlada.

Se pretende reducir el efecto de la variabilidad proveniente

de causas propias del experimento pero independiente del
efecto que se desea estudiar.

Para los fines del anlisis de varianza el bloqueo

introduce un efecto adicional ficticio, cuyo objetivo es
separar del error experimental, alguna fuente 38 de
variabilidad conocida.

Anlisis De La Varianza:
Clasificaciones segn dos Criterios
El Diseo en Bloque Completo al Azar es un plan en el cual
las unidades experimentales se asignan a grupos
homogneos, llamados bloques, y los tratamientos son, luego,
asignados al azar dentro de los bloques.
Objetivo del agrupamiento: lograr que las unidades dentro de
un bloque sean lo ms uniformes posible con respecto a la
variable dependiente, de modo que las diferencias observadas
se deban realmente a los tratamientos. Al controlar la variacin
dentro de los bloques reducimos la variabilidad del error
experimental.
Completo: todos los tratamientos estn incluidos en cada
39
bloque.

Diseos en Bloques Aleatorizados

Cada bloque constituye una replicacin.

Todos los tratamientos aparecen una

sola vez en cada bloque
40

Diseo En Bloques Completos

Aleatorizados
Se divide el material experimental en tantos bloques
como nmeros de replicaciones a utilizar. Cada bloque es
luego dividido en tantas UE como tratamientos haya en
estudio.
Como el DBCA especifica que todos los tratamientos
deben aparecer una vez en cada replicacin, la
aleatorizacin se hace separadamente en cada bloque.
La aleatorizacin es similar al DCA para cada bloque.
41

Ejemplo: Para el ensamble de un artculo se considera comparar 4 mquinas

diferentes. Como la operacin de las mquinas requiere cierta destreza se
anticipa que habr una diferencia entre los operarios en cuanto a la velocidad
con la cual operen la maquinaria. Se decide que se requerirn 6 operarios
diferentes en un experimento de bloques aleatorizado para comparar las
mquinas.
Entonces, el factor de inters es uno slo, pero se crea otro factor para
controlar la variabilidad extraa y excluirla as del error experimental.
Aleatorizacin: debemos asignar cada tratamiento, M1, M2, M3, y M4 a cada
bloque.
Operario 1
Bloque 2
Bloque 3
Bloque 4
Bloque 5
Bloque 6
84
75
76
22
5
16
45

31

25

51

79

44

27

70

98

10

36

29

86

85

78

95

14

M2
M4
M3
M1

M3
M1
M2
M4

M2
M1
M4
M3

M4
M2
M1
M3

M1
M3
M2
M4

M2
M4
M3
M1

42

Ventajas

Puede proveer resultados ms precisos que un DCA del mismo tamao

si los agrupamientos son efectivos.
Sirve para cualquier n de tratamientos y replicaciones.
Los tratamientos no necesitan tener tamaos de muestras iguales.
(Bloque Incompleto)
El anlisis no se complica si se debe descartar, por alguna causa, un
tratamiento o algn bloque.
Se puede introducir, deliberadamente, variabilidad en las unidades
experimentales para ampliar el rango de validez de los resultados sin
sacrificar la precisin de los resultados.

Desventajas

Las observaciones faltantes dentro de un bloque requiere clculos ms

complejos.
Los grados de libertad para el error experimental no son tantos como en
el DCA.
Se requieran ms presunciones para el modelo: no interaccin entre
tratamientos y bloques, varianza constante de bloque a bloque.

43

Si las mquinas no difieren en cuanto a la velocidad de

ensamblado de la pieza, tendran igual velocidad promedio y las
curvas se superpondran exactamente.
H0 : 1= 2 = 3= 4 H0 = 1=2=3=4=0

Pero si las mquinas difieren en cuanto a la velocidad de

ensamblado de la pieza, pensaramos que las muestras provienen de
poblaciones diferentes, e
H1: algn promedio es
distinto de los restantes

44

EL MODELO (DE EFECTOS FIJOS)

Yij = + i + j + eij
Modelo lineal aditivo: cada respuesta es la suma de los
otros trminos.
Donde Y es la variable respuesta o dependiente, tiempo medido en
segundos, e Yij es la observacin perteneciente al j-sima bloque bajo
el tratamiento i; las observaciones son independientes.
es la media general comn a todas las mquinas y a todos los
operarios.
i es el efecto del tratamiento en el nivel i, propio de cada
mquina.
j es el efecto del bloque en el nivel j, propio de cada operario.
eij es la variable aleatoria del error con distribucin normal, con
45
2
2
media = 0 y varianza N (0 ; ) e independiente.

de Velocidad
48

M edias m arginales estim adas

Cuando el
modelo es
aditivo quiere
decir que la
diferencia en
respuestas
medias entre dos
operarios es la
misma para
todas las
mquinas.

Medias marginales estimadas

BLOQUE
46
1
44

2
3

42

4
40

38

6
1

Tratamiento
46

Si aplicamos el Mtodo de los Mnimos Cuadrados, para

estimar los parmetros
.. y..

1 b t
=
y
bt i 1 j 1 ij

Donde b son los bloques y t los

tratamientos

i = i. - .. = yi. - y..
j = . j - .. = y. j - y..

eij = yij - .. - i - j = yij - yi. - y. j + y..

Cada componente del modelo contribuye a la
variabilidad total. La particin de la Suma de
Cuadrados Total involucrar tres fuentes de variacin.

47

Tabla de Anlisis de varianza para dos criterios

de clasificacin
Fuente de

Suma de

Grados de

Cuadrados

F calculada

variacin

Cuadrados

libertad

Medios

Tratamientos

SCA

t-1

CMA = SCA / t-1

CMA / CME

Bloques

SCB

b -1

CMB = SCB / b-1

CMB / CME

Error Experimental

SCE

(t - 1)(b-1)

Total

SCT

t.b -1

CME = SCE / (t-1)(b-1)

( yij y..) 2 t ( yi . y..) 2 b ( y. j y..) 2 ( yij yi. y. j y.. ) 2

i

Variacin total
SCT

Variacin debida

Variacin debida

a los tratamientos

a los bloques

SCA

SCB

Variacin propia de
las observaciones
SCE

48

Tiempo en segundos para el ensamble del producto

Operario
Mquina

Total

Medias

42,5

39,3

39,6

39,9

42,9

43,6

247,8

41,3

39,8

40,1

40,5

42,3

42,5

43,1

248,3

41,4

40,2

40,5

41,3

43,4

44,9

45,1

255,4

42,6

42,3

43,2

44,5

45,2

46,9

43,3

265,4

44,2

Total

164,8

163,1

165,9

170,8 177,2

175,1

1016,9

Medias

41,2

40,775 41,475

Fc =

42,7

44,3

43,775 254,225

42,4

Yij 2
Factor de Correccin =

b.t

1
2
Suma de Cuadrados Tratamientos = Ti. Fc
b i
1
2
T. j Fc
Suma de Cuadrados de Bloques =

t j
Yij2 Fc

Suma de Cuadrados Total = i j

Suma de Cuadrados del Error = SCTotal SCTratamiento - SCBloque

49