Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis y Diseño de Experimentos
Analisis y Diseño de Experimentos
Analisis y Diseño de Experimentos
de
Experimentos
UNIDAD #
1
Clase #2
Un
Un experimento
experimento es es un
un estudio
estudio de de
investigación
investigación en en donde
donde el
el investigador
investigador
establece
establece relaciones
relaciones causa-efecto,
causa-efecto,
manipulando
manipulando intencionalmente
intencionalmente lala variable
variable
oo variables
variables independientes.
independientes.
Todo experimento
Todo experimento comienza
comienza con
con el
el
planteamiento de
planteamiento de un
un problema
problema acerca
acerca
de cuya
de cuya solución
solución no
no tenemos
tenemos certeza.
certeza.
Análisis y Diseño de Experimentos (DOE o DAE)
Es una prueba o serie de pruebas en las cuales se inducen cambios deliberados en las
variables de entrada de un proceso o sistema, de manera que sea posible observar e identificar
las causas de los cambios en la respuesta de salida.
Importancia y Propósito del diseño Experimental
Info
r
prod mación
e n tal en siste uctos
ma
que
p
fu ndam rrollo. (un y proce ermita
n papel y el desa r anal
opti í ti
proc
e s
sos,
c
desa
rr
j ue ga u gación ob t ene c o
miz o) y to o indus mpren ollar nu
ión investi n es a rl o m t d e
n t a c
rime os de la eriment ad. a ci ó y m ar dec rial, un er mejo vos
x pe hipó ejorar isione proce r un
La e los camp e la exp de calid tesis su ss di
s d
todo objetivo formació
n cien calida obre co miento
tífic d m
El in as, e , comp o
t c. roba
r
Fisher(1996) define el
diseño como “la
estructura lógica del
experimento”. Dicha
estructura, que está en
función del problema, la
hipótesis y las condiciones
en las cuales trabaje el
investigador, puede
representarse
gráficamente.
Objetivos del Diseño
Experimental
S
¿En qué situaciones se aplica el Diseño
Estadístico de Experimentos?
Las situaciones en las que se puede aplicar el DEE son muy
numerosas. De forma general, se aplica a sistemas como el
mostrado en la ilustración, en los cuales se observan una o más
variables experimentales dependientes o respuestas (y) cuyo
valor depende de los valores de una o más variables
independientes (x) controlables llamadas factores. Las
respuestas además pueden estar influidas por otras variables que
no son controladas por el experimentador. La relación entre x e
y no tiene porqué ser conocida
Ejemplos de sistemas experimentales son:
- Una reacción química, cuyo rendimiento (y) puede ser función, entre otros, del tiempo de reacción
(x1), la temperatura de la reacción (x2) y el tipo de catalizador (x3) utilizado. Otras variables que
pueden influir son, por ejemplo, la pureza de los reactivos, la limpieza del material, la velocidad de
agitación,....
- Un alimento, producido por mezcla en distintas proporciones (x) de sus ingredientes, lo cual da
lugar a diferentes olores y sabores (y)
Estos son sólo algunos ejemplos del amplio campo de aplicación del DEE, que abarca, en la
industria, desde el laboratorio hasta proceso de producción. Al facilitar el desarrollo más
rápido de productos, y a más bajo coste, el DEE juega un papel fundamental desde el punto de
vista industrial y proporciona una ventaja competitiva importante para la empresa que lo usa.
Aunque el DEE se puede aplicar cuando se estudia un solo factor (como por ejemplo en la
elección de los patrones más adecuados para construir una recta de calibrado), sin duda sus
ventajas se aprecian mejor cuando se debe estudiar más de un factor.
¿Qué es el Diseño Experimental?
Dicha planificación debe considerar dos aspectos importantes relacionados con toda experimentación:
1. La experimentación es normalmente cara. La capacidad de experimentar está limitada por el coste en tiempo y en
recursos (personal, productos de partida, etc...). Por tanto, una organización óptima de la experimentación deberá
contemplar el menor número de experimentos que permita obtener la información buscada.
Y= h + e
donde h es el resultado “verdadero” (desconocido) del experimento y e es una contribución aleatoria, que varía cada vez que se
repite el experimento.
Por ello, la Estadística, disciplina que proporciona las herramientas para trabajar en ambientes de incertidumbre, juega un
papel fundamental en el diseño de los experimentos y en la evaluación de los resultados experimentales.
El análisis de los resultados experimentales permitirá obtener
conclusiones sobre el sistema en estudio y decidir
actuaciones futuras.
Cuasi-experimento
Se acercan mucho a los experimentos
verdaderos.
La línea de
investigación
• Según la línea de investigación
que se esté utilizando, existen
dos tipos de diseño: diseños
estadísticos y diseños no
estadísticos.
La técnica de control
• Este criterio de clasificación se
fija en la técnica de control
específica que se utiliza en los
distintos diseños.
Clase #4
Estos y otros elementos deben ser tenidos en cuenta a la hora de intentar explicar algún tipo de hipótesis
con respecto al ser humano o algún tipo de problema.
Y es que en todo lo que existe y sucede a nuestro alrededor participan innumerables tipos de variables que
pueden tener un papel más o menos relevante en los diferentes fenómenos que ocurren. Va a ser necesario
analizar y tener en cuenta qué variables influyen y cómo lo hacen si queremos obtener una explicación
generalizable.
¿Qué es una variable?
Se entiende como variable un constructo abstracto que hace referencia a una propiedad, característica o elemento
estudiado que puede o no tener un papel concreto sobre aquello que se esté analizando y que se presenta de tal
manera que puede poseer distintos valores. Dichos valores, pues, pueden variar en diferentes medidas en función
tanto de la variable como de la situación que se esté analizando o los límites que los investigadores quieran tener en
cuenta.
El concepto anterior puede parecer complejo de entender teóricamente, pero resulta mucho más comprensible si
pensamos que algunas variables pueden ser las citadas en la introducción: el peso o el sexo de una persona serían
ejemplos sencillos de variables que pueden o no afectar en diferentes condiciones (por ejemplo, en la diabetes o en
las cardiopatías).
Las variables pueden ser clasificadas de muy diferentes maneras y en base a numerosos criterios diferenciados,
tales como su nivel de operatividad, su relación con otras variables o incluso la escala en la que se miden. Es
importante tener en cuenta que un mismo elemento puede tener diversos papeles y ser clasificado como diferentes
tipos de variable en función de su papel en una determinada situación o contexto experimental.
Tipos de variables según su operatividad
No hay que olvidar que la investigación científica siempre requiere simplificar en mayor o menor medida
elementos de aquello que se quiere estudiar. Identificar los elementos importantes para centrarse en ellos,
dejando fuera del foco todo lo demás, es un requisito indispensable, porque de otro modo no podríamos analizar
nada al no saber por qué tipo de datos empezar.
Así pues, los diferentes tipos de variables dan cuenta de la diversidad de elementos en los que podemos fijarnos
para estudiar parcelas de la realidad. Eso sí, esta diversidad hace que sea imprescindible elegir bien las variables
para poder fijarnos en aquello que nos permita llegar a conclusiones válidas acerca de nuestro objeto de estudio.
Tal y como hemos mencionado, una de las maneras más conocidas y clásicas de dividir y clasificar las diferentes
variables es en relación a su operatividad, es decir a la posibilidad de numeralizar sus valores y operar con ellos.
Teniendo este aspecto en cuenta podemos encontrar tres grandes tipos de variables.
1. Variables cualitativas
• Variables cualitativas dicotómicas
• Variables cualitativas politómicas
VARIABLES SEGÚN
2. Variables cuasi-cuantitativas SU OPERATIVIDAD
3. Variables cuantitativas
• Variables cuantitativas discretas
• Variables cuantitativas continuas
Clase #5
1. Variables cualitativas
Se considera como variable cualitativa toda aquella variable que permiten la expresión e identificación de una
característica concreta, pero que no permiten cuantificarlas. Este tipo de variable únicamente nos informaría
de la existencia o inexistencia de dicha característica o la presencia de alternativas. Son meramente
nominales, expresando igualdad y/o desigualdad. El sexo o la nacionalidad serían ejemplos de ello. Sin
embargo, ello no quiere decir que no puedan observarse o que no resulten elementos altamente relevantes en la
investigación.
Se trata de aquellas variables con las que no es posible realizar operaciones matemáticas, pero que resultan más
avanzadas que las meramente cualitativas. Expresan una cualidad y a la vez permiten organizarla y establecer un
orden o jerarquía, aunque no de manera exacta.
Un ejemplo de ello es el nivel de estudios, pudiendo determinar si alguien tiene más o menos de dicha cualidad.
Sin embargo, no existe una constancia en las diferencias entre una categoría y la que la precede y la que la
sigue (una persona que tiene estudios de posgrado no sabe más que una con licenciatura de la misma manera en la
que una con estudios secundarios sabe más que otra que solo tiene la primaria).
3. Variables cuantitativas
Las variables cuantitativas son todas aquellas que, este vez sí, permiten la operativización de sus valores. Es posible asignar
diferentes números a los valores de la variable, pudiendo realizar diferentes procedimientos matemáticos con ellos de tal
manera que se pueden establecer distintas relaciones entre sus valores.
En este tipo de variables podemos encontrar dos grandes grupos de gran relevancia, las variables continuas y discretas.
Por ejemplo, no es posible tener 2,5 hijos. Suelen referirse a variables que emplean escalas de razón.
Por ejemplo, si estamos investigando el papel de la edad en el Alzheimer, la edad del sujeto será una variable
independiente mientras que la presencia o ausencia de proteína tau y placas de beta-amiloide será una variable
dependiente en nuestra investigación (independientemente del papel que tenga cada variable en la enfermedad).
Según su relación con otras variables
1. Variables independientes
Se entienden por variables independientes a aquellas variables que en el momento de la
investigación se tienen en cuenta y que pueden o no ser posibles de modificar por parte del
experimentador. Es la variable de la cual se parte para observar los efectos que determina
cualidad, característica o situación puede tener sobre diferentes elementos. El sexo, la edad o el
nivel de ansiedad base son ejemplos de variable independiente.
2. Variables dependientes
La variable dependiente hace referencia al elemento que resulta modificado por la variación
existente en la variable independiente. En la investigación, la variable dependiente va a ser
escogida y generada a partir de la independiente. Por ejemplo, si medimos el nivel de ansiedad
según el sexo, sexo será variable independiente cuya modificación va a generar alteraciones en la
dependiente, en este caso la ansiedad.
Según su relación con otras variables
3. Variables moderadoras
Entendemos por variables moderadoras al conjunto de variables que alteran la relación existente entre variable
dependiente e independiente. Ejemplo de ello se da si relacionamos horas de estudio con resultados académicos,
siendo variables moderadoras el estado emocional o la capacidad intelectual.
4. Variables extrañas
Esta etiqueta hace referencia a todas aquellas variables que no se han tenido en cuenta pero que tienen un efecto
sobre los resultados obtenidos.
Así pues, son todo aquel conjunto de variables no controladas y tenidas en cuenta en la situación estudiada,
aunque es posible identificarlas tras ella o incluso durante un experimento o contexto investigado. Se diferencian
de las moderadoras en el hecho de que las extrañas no son tenidas en cuenta, no siendo este el caso de las
moderadoras.
Dicho de otro modo, las variables extrañas son aquellas que pueden llevarnos a conclusiones erróneas al
interpretar los resultados de una investigación, y el impacto de su presencia depende de la calidad del diseño de
los estudios realizados para investigar algo.
Clase #6
Otra posible clasificación de variables puede realizarse en función de las escalas y medidas que se emplean. Sin
embargo, hay que tener en cuenta que más que de la variable se estaría hablando de la escala en cuestión como
elemento distintivo. También hay que tener en cuenta que en cuenta que según va ascendiendo el nivel de
operatividad de las escalas empleadas, se van incorporando nuevas posibilidades además de las propias de las
escalas anteriores. Así, una variable de razón posee también las propiedades de la nominal, la ordinal y la de
intervalo. En este sentido nos podemos encontrar con los siguientes tipos.
1. Variable nominal
Hablamos de variables nominales cuando los valores que dicha variable puede alcanzar únicamente permiten distinguir la existencia de
una cualidad concreta, sin permitir estos valores realizar una ordenación u operaciones matemáticas con ellos. Se trata de un tipo de
variable cualitativa.
2. Variable ordinal
Si bien no se puede operar con ellas, es posible establecer una ordenación entre los diferentes valores. Sin embargo, dicho orden no
permite el establecimiento de relaciones matemáticas entre sus valores. Se trata de variables fundamentalmente cualitativas. Ejemplos
de ello son el estatus socioeconómico o el nivel de estudios.
3. Variable de intervalo
Además de las características anteriores, las variables en escala de intervalo permiten establecer relaciones numéricas entre las
variables, si bien generalmente dichas relaciones se ven limitadas a la proporcionalidad. No existe un cero absoluto o punto cero
totalmente identificable, algo que no permite realizar transformaciones directas de los valores en otros. Miden rangos, más que valores
concretos, algo que complica su operatividad pero que ayuda a cubrir una gran cantidad de valores.
4. Variable de razón
Las variables de razón se miden en una escala tal que es posible su total operativización, pudiendo realizarse diversas transformaciones
a los resultados obtenidos y estableciendo relaciones numéricas complejas entre sí. Existe un punto de origen que supone la ausencia
total de lo medido.
¿Qué es una variable
extrañ a?
Es aquella que resulta ajena al
control experimental, a pesar de
que se tiene conocimiento de ella.
Este tipo de variables hacen variar
los resultados obtenidos.
No hay que olvidar
Los diferentes tipos de variables son siempre una simplificación de la realidad, una manera
de dividirla en parámetros simples y fáciles de medir aislándolos del resto de componentes
de la naturaleza o de la sociedad.
Por eso, no podemos limitarnos a creer que conocer estas variables es comprender
totalmente lo que está ocurriendo. Adoptar una mirada crítica sobre los resultados
obtenidos a partir de los estudios de variables resulta necesario para no llegar a
conclusiones erróneas y no cerrarnos a explicaciones más completas y realistas de lo que
ocurre a nuestro alrededor.
Clase #7
Tipos de variabilidad
Uno de los principales objetivos de los modelos de diseño de experimentos, es controlar la variabilidad.
Existen dos estrategias básicas para tratar de evitar la presencia de este tipo de variabilidad: la
aleatorización y la técnica de bloques.
Clase #8
Existe un patrón de comportamiento, todas las medidas tienen a fluctuar en torno a un valor
central y siguiendo un modelo probabilístico que podemos estimar. Es una variabilidad que va
a estar siempre presente pero que es tolerable.
Contra la variabilidad
Para controlar la variabilidad existen tres
técnicas:
• Replicados
• Aleatorización
• Formación de bloques
Clase #9
Planificación de un experimento
La forma tradicional que se utilizaba en la experimentación se basaba en estudiar los
factores uno a uno. Los inconvenientes de esta metodología son:
Definir las preguntas concretas y objetivos. Esquematizar el tipo de respuestas que se esperan obtener
Esta lista se puede refinar según avanza el experimento
- Factores “nuisance”: son aquellas fuentes que no son de interés directo pero que se contemplan en
el diseño para reducir la variabilidad no planificada.
Factores y sus niveles.
Se denomina factor tratamiento a cualquier variable de interés para el experimentador cuyo posible efecto sobre la
respuesta se quiere estudiar.
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se tendrán en cuenta en la
realización del experimento.
Cuando un experimento se ejecuta sobre un período de tiempo de modo que las observaciones se recogen
secuencialmente en instantes de tiempo determinados, entonces los propios instantes de tiempo pueden considerarse
unidades experimentales.
Es muy importante que las unidades experimentales sean representativas de la población sobre la que se han fijado los
objetivos del estudio.
Por ejemplo, si se utilizan los estudiantes universitarios de un país como unidades experimentales, las conclusiones
del experimento no son extrapolables a toda la población adulta del país. La regla de asignación o diseño experimental
especifica que unidades experimentales se observarán bajo cada tratamiento. Hay diferentes posibilidades: diseño
factorial o no, anidamiento, asignación al azar en determinados niveles de observación, el orden de asignación, etc. En
la práctica, existen una serie de diseños estándar que se utilizan en la mayoría de los casos.
Factores “nuisance”:
bloques, factores ruido y covariables.
Con el fin de controlar esta influencia pueden incluirse en el diseño nuevos factores que,
atendiendo a su naturaleza, pueden ser de diversos tipos.
Además de los factores tratamiento, también influyen otros factores, de escaso interés en el estudio.
Factor bloque.- En algunos casos el factor nuisance puede ser fijado en distintos niveles, de modo que es posible
controlar su efecto a esos niveles. Entonces la forma de actuar es mantener constante el nivel del factor para un
grupo de unidades experimentales, se cambia a otro nivel para otro grupo y así sucesivamente.
Estos factores se denominan factores de bloqueo (factores-bloque) y las unidades experimentales evaluadas en un
mismo nivel del bloqueo se dice que pertenecen al mismo bloque.
Incluso cuando el factor nuisance no es medible, a veces es posible agrupar las unidades experimentales en bloques
de unidades similares: parcelas de tierra contiguas o períodos de tiempo próximos probablemente conduzcan a
unidades experimentales más parecidas que parcelas o períodos distantes.
Desde un punto de vista matemático el tratamiento que se hace de los factores-bloque es el mismo que el de los
factores-tratamiento en los que no hay interacción, pero su concepto dentro del modelo de diseño de experimentos
es diferente.
Un factor-tratamiento es un factor en el que se está interesado en conocer su influencia en la variable respuesta y un
factor-bloque es un factor en el que no se está interesado en conocer su influencia pero se incorpora al diseño del
experimento para disminuir la variabilidad residuos del modelo.
Clase #11
En la práctica, existen una serie de diseños estándar que se utilizan en la mayoría de los
casos.
Clase #12
4.- Especificar las medidas que se realizarán (la “respuesta”), el procedimiento experimental y anticiparse a
las posibles dificultades.
Variable respuesta o variable de interés. Los datos que se recogen en un experimento son medidas de una
variable denominada variable respuesta o variable de interés.
Es importante precisar de antemano cuál es la variable respuesta y en qué unidades se mide. Naturalmente, la
respuesta está condicionada por los objetivos del experimento.
Por ejemplo, si se desea detectar una diferencia de 0'05 gramos en la respuesta de dos tratamientos no es apropiado
tomar medidas con una precisión próxima al gramo.
A menudo aparecen dificultades imprevistas en la toma de datos. Es conveniente anticiparse a estos imprevistos
pensando detenidamente en los problemas que se pueden presentar o ejecutando un pequeño experimento piloto
(etapa 5). Enumerar estos problemas permite en ocasiones descubrir nuevas fuentes de variación o simplificar el
procedimiento experimental antes de comenzar.
También se debe especificar con claridad la forma en que se realizarán las mediciones: instrumentos de medida,
tiempo en el que se harán las mediciones, etc.
5.- Ejecutar un experimento piloto.
En este modelo la respuesta viene dada por una combinación lineal de términos que representan las principales fuentes de variación planificada
más un término residual debido a las fuentes de variación no planificada. Los modelos que se estudian en este texto se ajustan a esta forma general. El
experimento piloto puede ayudar a comprobar si el modelo se ajusta razonablemente bien a la realidad.
Los modelos de diseño de experimentos, según sean los factores incluídos en el mismo, se pueden clasificar en: modelo de efectos fijos, modelo de
efectos aleatorios y modelos mixtos. A continuación se precisan estas definiciones.
Factor de efectos fijos es un factor en el que los niveles han sido seleccionados por el experimentador. Es apropiado cuando el interés se centra en
comparar el efecto sobre la respuesta de esos niveles específicos.
Ejemplo: un empresario está interesado en comparar el rendimiento de tres máquinas del mismo tipo que tiene en su empresa.
Factor de efectos aleatorios es un factor del que sólo se incluyen en el experimento una muestra aleatoria simple de todos los posibles niveles del
mismo. Evidentemente se utilizan estos factores cuando tienen un número muy grande de niveles y no es razonable o posible trabajar con todos ellos.
En este caso se está interesado en examinar la variabilidad de la respuesta debida a la población entera de niveles del factor.
Ejemplo: una cadena de hipermercados que tiene en plantilla 300 trabajadores de caja está interesada en estudiar la influencia del factor trabajador
en la variable “tiempo en el cobro a un cliente”.
Modelo de efectos fijos es un modelo en el que todos los factores son factores de efectos fijos.
Modelo de efectos aleatorios es un modelo en el que todos los factores son factores de efectos aleatorios.
Modelo mixto es un modelo en el que hay factores de efectos fijos y factores de efectos aleatorios.
7.- Esquematizar los pasos del análisis estadístico.
El análisis estadístico a realizar depende de:
— los objetivos indicados en el paso 1,
— el diseño seleccionado en el paso 3,
— el modelo asociado que se especificó en el paso 5.
Se deben esquematizar los pasos del análisis a realizar que deben incluir:
— estimaciones que hay que calcular,
— contrastes a realizar,
— intervalos de confianza que se calcularán
— diagnosis y crítica del grado de ajuste del modelo a la realidad.
8.- Determinar el tamaño muestral.
De todas las etapas enumeradas, el proceso de recogida de datos suele ser la tarea que mayor
tiempo consume, pero es importante realizar una planificación previa, detallando los pasos
anteriores, lo que garantizará que los datos sean utilizados de la forma más eficiente posible.
Es fundamental tener en cuenta que
“Ningún método de análisis estadístico, por sofisticado que sea, permite extraer
conclusiones correctas en un diseño de experimentos mal planificado”.
Recíprocamente, debe quedar claro que el análisis estadístico es una etapa más que está
completamente integrado en el proceso de planificación.
“El análisis estadístico no es un segundo paso independiente de la tarea de planificación. Es
necesario comprender la totalidad de objetivos propuestos antes de comenzar con el análisis.
Si no se hace así, tratar que el experimento responda a otras cuestiones a posteriori puede ser
(lo será casi siempre) imposible”
Pero no sólo los objetivos están presentes al inicio del análisis sino también la técnica
experimental empleada. Una regla de oro en la experimentación y que debe utilizarse
es la siguiente:
Finalmente indicar que todas las personas que trabajan en el experimento se deben
implicar en el mismo, esto es:
• Historia
• Maduración
Factores que • Prueba
Validez • Instrumentación
disminuyen la validez • Regresión Estadística
Interna • Selección
• Mortalidad Experimental
interna y externa de los • Interacción de los factores
anteriores
experimentos en
Educación
Validez • El efecto reactivo producido
por una prueba inicial
Externa • Efectos de la interacción
• Efectos reactivos del
ambiente experimental
• Interferencia de tratamientos
múltiples
CO
NC Se concluye que el diseño experimental en psicología
dependerá de nuestro propósito de investigación.
LU
SI
ON
ES No existe un modelo específico a seguir, sino la
adecuación de modelos existentes según los criterios y
las decisiones que tome el investigador.
EXPOSICION
ES