DISEÑO EXPERIMENTAL

CURSO: SEMINARIO DE TESIS

BLAS ROJAS, Magaly

 DISEÑO EXPERIMENTAL
• DISEÑO EXPERIMENTAL
• Spector (1993) describe el diseño experimental como una
combinación entre conceptos constancia, comparación,
aleatorización y control, en este tipo de estructuras de
investigación algunas variables de comparar entre sí, otras se
mantienen constantes a un determinado nivel y por tanto, se
controlan y otras pueden variar sin restricción alguna bajo el
supuesto de que sus posibles efectos perturbadores son
promediados gracias al azar. El diseño experimental típico se
aplica en el laboratorio.
 TIPOS DE DISEÑO EXPERIMENTAL
Según mohammad (2005) señala “que los diseños experimentales se clasifican de
acuerdo con la manera como manejan los factores internos y externos ya
analizados .hay tres tipos de diseño experimental (p.100):
• El diseño experimental clásico es el más poderoso. Permite comparación,
control, manipulación y, normalmente, generalización.
• El cuasi-experimental típicamente excluye la manipulación y aleatorización.
• Los pre-experimental son los más débiles.
 Diseño Salomón de 4 grupos

Es una variante del diseño experimental clásico, se

agregan dos grupos no pre-probados a fin de
eliminar el efecto reactivo del experimento, tiene
mayor generalización y permite medir el efecto
relativo, sin embargo, muchas veces es impráctico
y costoso.
 Diseño de grupos de control de
Post-pruebas:
• En ingles post-test control group desing.es una
variación del diseño clásico y del salomón.
Omite los grupos de pre-prueba.
• Control todos los factores internos de error.
Con la omisión de la pre-prueba, los errores de
reactividad e instrumentación son irrelevantes,
los dos grupos son afectados por los mismos
factores externos y maduran simultáneamente.
Diseño experimental para efectos
de larga duración:
• En los diseños anteriores se supone que el
efecto del tratamiento se puede observar en un
periodo corto. En muchas ocasiones no es así
por ejemplo, el efecto de programas
educacionales en los países en desarrollo. Una
solución es hacer varias post-pruebas. Esto es
fácil en instituciones educativas.
 Diseño factorial:

• En los diseño anteriores se consideró solo una variable independiente .el

diseño factorial permite considerar dos o más variables independientes
actuando conjuntamente.
• Se considera más grupos experimentales: uno para cada combinación de
valores de las variables independientes. Por ejemplo ,si se desea medir de
alguna manera la moral de los empleados(Y, la variable dependiente) en
empresas grandes o pequeñas (X ,unas variable independiente) con
estructuras centralizada o descentralizada(Z,otra variable independiente)
entonces se requiere cuatro tratamientos:
 Diseño completamente al azar

• El diseño completamente al azar es el tipo más

simple de diseño experimental.se usa cuando
interesa investigar el impacto de una sola
variable. La variable se puede examinar en una o
más diferentes.
• Es el arreglo en el cual los tratamientos están
asignados completamente al azar a las unidades
experimentales.
Este diseño tiene varias ventajas:

• Permite flexibilidad completa. Puede usarse

cualquier número de tratamientos y de
repeticiones, puede variarse a voluntad el
número de repeticiones de un tratamiento a
otro.
• El análisis Estadístico es fácil, aún si el número
de repeticiones no es el mismo para todos los
tratamientos o si los errores experimentales
difieren de un tratamiento a otro.
• El método de análisis sigue siendo sencillo aún sí los
datos de algunas de las unidades o algunos tratamientos
completos se hayan perdido y la perdida relativa de
información debida a los datos faltantes, es de menor
importancia que en cualquier otro diseño. La completa
aleatorización parece ser procedimiento obvio para
muchos experimentos de laboratorio, esos diseños rara
vez se utilizan en experimentos de campo, siendo el
método de bloques al azar el de mayor precisión; la
aleatorización completa proporciona el máximo
número de grados de libertada para estimación del
error.
 Tiene inconvenientes:

• Cuando el número de unidades experimentales

es muy grande es difícil encontrar lugares
grandes que presenten la homogeneidad
requerida
• Debido a que las fuentes de variación no
asociadas a los tratamientos o a los niveles del
factor en estudio, están incluidos en el residuo
como variación al azar, la buena precisión de los
análisis se ve comprometida.
 Análisis estadístico:

• A continuación se muestra la representación de

las observaciones de un experimento, con un
factor con t tratamientos (o niveles) y
repeticiones.
 Hipótesis:

• 𝐻𝑜 = 𝜏=𝜏1 (todos los tratamientos

producen el mismo efecto)
• 𝐻𝑎 = 𝜏 ≠ 𝜏1 para al menos un i=1,2,……..i (al
menos uno de los tratamientos produce efectos
distintos)
 Modelo estadístico:

• Modelo estadístico:
𝒊 = 𝟏, 𝟐 …
• 𝒀𝒊𝒋 − 𝝁 + 𝝉𝒊𝒋
𝒋 = 𝟏, 𝟐 …
• Siendo:
• 𝑌𝑖𝑗 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑟𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑖𝑗 −
𝑒𝑛𝑒𝑠𝑖𝑚𝑎 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑙
• 𝜇=𝑀𝑒𝑑𝑖𝑑𝑎𝑠 𝑔𝑒𝑛𝑒𝑟𝑎𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑟𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎
• 𝜏1 =Efecto del i-ésimo tratamiento (nivel del factor) en la
variable dependiente.
• 𝜀𝑖𝑗 =Error experimental asociado a la ij-ésima unidad
experimental
 Descomposición de la suma de
cuadro total
• El análisis de varianza es un proceso aritmético de
variacion.por y estadístico ,que consiste en
descomponer la variación total en fuentes o causas de
variacion.por variación total se entiende ,la variación
entre las unidades variación de las observaciones 𝑌𝑖𝑗
,cuando no se considera la información acerca de los
tratatameintos,es medida en términos dela desviación
total de cada observación ,esto es ,la desviación de los
𝑌𝑖𝑗 alrededor de la medida general :
 Por ejemplo

• Un silvicultor quiso comparar los efectos de

cinco tratamientos de preparación de terreno
sobre el crecimiento inicial en alturas de
plántulas de pino maximinoii.dispuso de 25
parcelas y aplico cada tratamiento de cinco años,
se midió la altura de todos los pinos y se calculó
la altura promedio de cada parcela. Las medidas
de las parcelas (en pies) fueron las siguientes:
 Tratamientos
A B C D E
15 16 13 11 14
14 14 12 13 12
12 13 11 10 12
13 15 12 12 10
13 14 10 11 11

a. Primero formulamos las hipótesis

𝐻𝑜
= 𝑇𝑜𝑑𝑜 𝑙𝑜𝑠 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 𝑠𝑜𝑛 𝑖𝑔𝑢𝑎𝑙𝑒𝑠

𝐻1
= 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑠𝑜𝑛 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙

a. Luego hallamos la tabla de ANOVA

 Tratamientos
A B C D E
15 16 13 11 14
14 14 12 13 12
12 13 11 10 12
13 15 12 12 10
13 14 10 11 11
Yi 67 72 58 57 59 313

ഥ𝑖
𝑌 13.4 14.4 11.6 11.4 11.8 12.52