DISEÑOS DE EXPERIMENTOS

“Un experimento diseñado 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” Montgomery 2004. Actualmente los métodos de diseño experimental tienen
una amplia aplicación en muchas disciplinas. Ejemplos: la Agricultura y el Diseño
Técnico.
 Y  f X 1 , X 2 , , X k   
y Vector Respuesta X 1 , X 2 , , X k Variables Controlables
;
Es un plan usado en la distribución de los tratamientos a las unidades experimentales, teniendo
en cuenta ciertas restricciones, como la aleatorización, con fines de disminuir el error
experimental.
Clases de diseño experimental: Se clasifica según el objetivo del diseño, “estudiar uno o más
factores (variables independientes).

Experimentos simples: (de un solo factor)

Diseño completamente al azar (DCA)
Diseño en bloque completamente al azar (DBCA)
Diseño cuadrado latino (DCL)
Diseño cuadrado grecolatino, etc
CONCEPTOS BÁSICOS.
Factor:
Es una variable independiente que afecta los resultados del experimento. El
factor en estudio es controlado por el investigador y es de interés estudiarlo.
A los distintos valores que puede tomar el factor se le denomina niveles del
factor. En un experimento se puede evaluar un solo factor o más factores.
Ejemplo:
 Factor: Métodos de enseñanza en cuanto a la relación profesor
alumno
Niveles: Individual, Recíproco, Colectivo
 Factor: Razas de perros
Niveles: Pastor Alemán, Labrador, Doberman, Dálmata.
Tratamiento:
Corresponde a cada nivel de un factor o también es la combinación de
los niveles de varios factores considerados en el experimento.
Ejemplo:
 Factor1: Turno de trabajo de un empleado
Niveles o Tratamientos: mañana, tarde, noche
 Factor 2: Categoría de experiencia de un empleado
Niveles o Tratamientos: junior, senior
Unidad Experimental:
Es el elemento al cual se le aplica un tratamiento. Al conjunto de
unidades experimentales se le denomina material experimental. Cada
unidad experimental contiene una o mas unidades muestrales.
Variable respuesta (Y):
Es la característica en la cual se desea evaluar los efectos de los tratamientos.
Las variables respuestas que proporcionan las mediciones del experimento, las
cuales varían debido a la diversidad presente entre las unidades experimentales
Ejemplo:
 Puntuaciones obtenidas por un alumno en un examen.
 Ganancia de peso (en kg.) de un ternero.
 Tiempo (en minutos) de ensamblaje de una computadora portátil.
Dato u observación:
Es el registro numérico obtenido después de la aplicación del tratamiento a la
unidad experimental.
 15 puntos.
 1.3 kg.
 18.5 minutos.
Diseño Experimental
Es la distribución de los tratamientos (niveles de un factor o
combinación de los niveles de varios factores) a las unidades
experimentales. Así, también involucra la elección del tamaño
muestral y la disposición de las unidades experimentales.
El uso del diseño experimental adecuado permite minimizar el error
experimental.
 1. DISEÑO COMPLETAMENTE
ALEATORIZADO
 El diseño Completamente Aleatorizado
(DCA) tienen muchas aplicaciones en la
investigación agronómica, sobre todo en
experimentos de laboratorio e invernadero.

 Resulta especialmente útil, para

experimentos en donde se pueden
controlar artificialmente las condiciones
ambientales o bien se presenta muy poca
variabilidad entre las unidades
experimentales

 De esta forma, se puede manejar un gran

numero de tratamientos y repeticiones, e
inclusive se pueden manejar diferente
numero de repeticiones entre tratamientos.
7
1.1 CARACTERÍSTICAS GENERALES
La principal característica que distingue
al Diseño Completamente Aleatorizado
(DCA) es que la asignación de los
tratamientos a las unidades
experimentales se hace sin ninguna
restricción en la aleatorización. Es decir
de forma “Completamente Aleatoria”.
1 2 3 4 5
Debido a que no se forman bloques, la T1 T4 T3 T3 T2
variación total de las observaciones o 6 7 8 9 10
datos únicamente puede dividirse en dos T3 T2 T1 T1 T3
partes: 11 12 13 14 15
 1) las diferencias entre las medias de los T3 T4 T1 T2 T1
tratamientos
16 17 18 19 20
 2) las diferencias entre unidades T3 T4 T4 T2 T2
experimentales que recibieron un mismo
tratamiento (Error experimental) Esquema de aleatorización de un DCA con
8
cuatro tratamientos y cuatro repeticiones
 1.2 MODELO LINEAL

El modelo lineal aditivo que define a un diseño de completamente

aleatorizado es el siguiente:

yij=m+ti+eij

Donde:
yij = respuesta observada con el tratamiento i en la repetición j
m = media general
ti = efecto del tratamiento i; i=1,2,…,t
eij = termino de error asociado al tratamiento i la repetición j
9
 1.3. PASOS PARA LA REALIZACIÓN DEL
ANÁLISIS DE VARIANZA

1. Obtener el Factor de Corrección (F.C)

2
( 𝑌 .. ) 𝑡 𝑟
;𝑌 ..=∑ ∑ 𝑌
❑
𝐹 . 𝐶 .= 𝑖𝑗
𝑟 ×𝑡 𝑖=1 𝑗=1

2. Obtener la Suma de Cuadrados Total SC Total

t r
SCTotal   yij2  F .C.
i 1 j 1
10
3. Obtener Suma de Cuadrados de Tratamientos
t

 (Y ) i.
2

SCTratamie ntos  i 1
 F .C.
r

4. Obtener Suma de Cuadrados del Error

SC Error= SC Total – SC Tratamientos

5. Obtener Grados de Libertad

g .l.Tratamient os  t  1
g .l.Error  t (r  1)
g .l.Total  t  r   1 11
6. Obtener Cuadrados Medios

𝑆𝐶𝑇𝑟𝑎𝑡 𝑆𝐶 𝐸𝑟𝑟𝑜𝑟
𝐶𝑀𝑇𝑟𝑎𝑡 = 𝐶𝑀𝐸𝑟𝑟𝑜𝑟 =
𝑔.𝑙 .𝑇𝑟𝑎𝑡 𝑔. 𝑙. 𝐸𝑟𝑟𝑜𝑟
7. Obtener Valores de F

𝐶𝑀 𝑡𝑟𝑎𝑡
𝐹𝑡𝑟𝑎𝑡=
𝐶𝑀 𝐸𝑟𝑟𝑜𝑟
8. Obtener el Coeficiente de Variación

𝐶𝑉 (%)=
√
(𝐶𝑀 𝐸𝑟𝑟𝑜𝑟
𝑌 .. )
×100 𝑌 ..=𝑀𝑒𝑑𝑖𝑎 𝑔𝑒𝑛𝑒𝑟𝑎𝑙
12
9. Obtener el coeficiente de determinación R2

2 SCTratamie ntos
R 
SCTotal

R2 indica la proporción de la suma de cuadrados total que es explicada por la

variación entre tratamientos.

Conforme el valor de R2 se aproxima a 1.0 esto indicará que los datos analizados
tuvieron un mejor ajuste del modelo lineal aditivo
13
10. Construir la tabla de Análisis de Varianza

Fuente de Grados de Suma de Cuadrados F

Variación libertad cuadrados medios
Tratamientos g.l. tratamientos SC Tratamientos CM Tratamientos F trat

Error g.l. Error SC Error CM Error  

Total g.l. Total      

1 1. DETERMINAR LA SIGNIFICANCIA ESTADÍSTICA DE LOS VALORES

DE F

Prueba de hipótesis para Tratamientos

Hipótesis nula : ti=tj “No hay diferencias entre las medias de los tratamientos”

Hipótesis alternativa: ti ≠ tj “Existen diferencias al menos para un par de 14

tratamientos”

Rechazar la hipótesis nula, si F Tratamientos > F [a; (t-1), (t)(r-1) g.l.]