ESTADÍSTICA APLICADA 2 – CE87

Diseños Experimentales
 Logro de la sesión

Al finalizar la sesión, el estudiante realiza

comparaciones de más de dos medias poblacionales
mediante el análisis de varianza, valorando su
aplicación en el área industrial.
 Temario

Diseño completamente al azar (DCA)

Conceptos generales

Análisis estadístico de un DCA

Verificación de supuestos
Análisis de varianza de un factor
Comparaciones múltiples: Prueba de Tukey
 Entrenamiento para empleados nuevos

El director de entrenamiento de una compañía está

tratando de evaluar tres diferentes métodos de ¿Los tres
entrenamiento para empleados nuevos, estos son: métodos serán
igualmente
Método 1: Asignar un empleado nuevo con un trabajador efectivos?
experimentado.
Método 2: Ubicar a todos los empleados nuevos en un
salón de entrenamiento separado de la fábrica.
Método 3: Utilizar películas de entrenamiento y materiales
de aprendizaje programado.

El director está considerando la siguiente propuesta para

seleccionar la muestra:

Propuesta: Seleccionar a 15 empleados nuevos, y se le

asigna al azar un método de entrenamiento.

Luego el director medirá la producción diaria después del

entrenamiento. ¿Alguno de los
métodos será
más efectivo
que otro?
 Propuestas de diseños experimentales

El director está considerando la propuesta:

Propuesta:
Seleccionar a 15 empleados nuevos, y se le asigna al azar un método de entrenamiento.

Luego el director medirá la producción diaria después del entrenamiento.

Diseño experimental
con un solo factor

DCA
Diseño experimental
Introducción

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 cuál o cuáles de las
variables de entrada produce
cambios en la respuesta de salida.

PRINCIOS BÁSICOS REPETICIÓN

DEL DISEÑO ALEATORIZACIÓN
EXPERIMENTAL
CONTROL
 Conceptos generales
Variable independiente que afecta los resultados del
Factor experimento: controlables o no controlables. En un
experimento se puede evaluar uno o más factores.
• Susceptible a la manipulación.
• Sus valores son controlados.
• Sus efectos son evaluados en los resultados del
experimento (variable dependiente).

Tratamiento Es el nivel de un factor o a la combinación de los niveles

de dos o más factores.

Variable Es la variable en la cual se evaluarán los efectos de los

respuesta tratamientos. También se denomina variable dependiente.

Unidad Es la unidad (sujeto u objeto) sobre el cual se le aplica un

Experimental tratamiento.
 Ejemplo de aplicación
El director de entrenamiento de una compañía está tratando de evaluar tres diferentes métodos de
entrenamiento para empleados nuevos:

Método 1: Asignar un empleado nuevo con un trabajador experimentado.

Método 2: Ubicar a todos los empleados nuevos en un salón de entrenamiento separado de la
fábrica.
Método 3: Utilizar películas de entrenamiento y materiales de aprendizaje programado.

Alguno de los tres métodos de

HIPÓTESIS DE
entrenamiento, será más
INVESTIGACIÓN efectivo.

Factor en estudio Método de entrenamiento

Tratamientos Método1, Método2 y Método3

Variable respuesta Producción diaria (unidades producidas)

Unidad experimental Empleado nuevo

 Tema 1

Diseño completamente al azar

(DCA)
DCA
Medir el efecto del factor en estudio (variable
independiente de naturaleza cualitativa o cuantitativa)
Objetivo sobre la variable respuesta (variable dependiente de
naturaleza cuantitativa).

Modelo yij     i   ij i  1, 2, . .., k ; j  1, 2, ..., n

media Efecto de i-ésimo Error experimental asociado a la

poblacional tratamiento observación yij.

Este diseño consiste en la asignación de los

Definición tratamientos en forma completamente aleatoria a las
unidades experimentales (individuos, grupos, parcelas,
animales, áreas, etc.). Debido a su aleatorización es
conveniente que se utilicen unidades experimentales lo
más homogéneas posibles: personas de la misma
edad, del mismo peso, parcelas de igual tamaño, etc., de
manera tal que permita disminuir la magnitud del error
experimental. 
 Supuestos del modelo DCA
NORMALIDAD DE LOS Se debe verificar si los residuos o
RESIDUOS errores siguen una distribución normal

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

Estadístico de prueba: Anderson Darling

Si P-valor > alfa No se rechaza H0
Se cumple el supuesto de Normalidad de errores.

HOMOGENEIDAD DE Se debe verificar la homogeneidad de

VARIANZAS las varianzas

H0: ==
H1: Al menos una varianza es diferente

Estadístico de prueba: Bartlett

Si P-valor > alfa No se rechaza H0
Se cumple el supuesto de Homocedasticidad u
homogeneidad.
 Prueba de hipótesis DCA

• Hipótesis:
Ho: i = 0 (Todos los tratamientos producen el mismo efecto sobre la variable en
estudio)
( Ho: µ1 = µ2 = … = µi = µ (Todos los tratamientos tienen la misma media) )
H1: i  0 (Al menos uno de los tratamientos produce un efecto diferente sobre la
variable en estudio)
( H1: Al menos un µi es diferente a los demás )

• Estadístico de prueba:
𝐶𝑀 (𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜)
𝐹 𝑐= 𝐹 (𝑘− 1 ,𝑛− 𝑘)
𝐶𝑀 (𝐸𝑟𝑟𝑜𝑟 )
• Supuestos: Normalidad en los residuos, homogeneidad de varianzas.
• Decisión: Si P-valor  , se rechaza Ho
Nota: El P-valor se obtiene de las salidas del MINITAB
Disposición de los datos DCA

Tratamientos
Repeticiones 1 2 … i … k
1 Y11 Y21 … Yi1 … Yk1
2 Y12 Y22 … Yi2 … Yk2
3 Y13 Y23 … Yi3 … Yk3
… … … … … …
j Y1j Y2j … Yij … Ykj
… … … … … … …
ni Y1 n1 Y2 n2 … Yi ni … Yk nk
Total Y1. Y2. … Yi. … Yk.
 Cuadro de análisis de varianza (ANVA)

Fuente de Grados de Suma de Cuadrado

F
variación libertad cuadrados medio
 
Tratamientos k–1

Error n–k

 
n– 1  
Total

Variabilidad entre grupos Mide el efecto de los tratamientos

Variabilidad dentro de los grupos Mide la variabilidad del error experimental

 Comparaciones múltiples: Prueba de Tukey
Las comparaciones múltiples se usan cuando en el ANVA se produce
el rechazo de H0 y permite evaluar si existen diferencias significativas
entre las medias de cada “par de tratamientos”.

Hipótesis:
H0:
H1: , para todo i diferente de j

Se realiza el análisis utilizando el método de Tukey.

 Ejemplo de aplicación
El director de entrenamiento de una compañía está tratando de evaluar tres diferentes
métodos de entrenamiento para empleados nuevos, estos son :
Método 1: Asignar un empleado nuevo con un trabajador experimentado.
Método 2: Ubicar a todos los empleados nuevos en un salón de entrenamiento separado de la fábrica.
Método 3: Utilizar películas de entrenamiento y materiales de aprendizaje programado.
Selecciona a 15 empleados nuevos, y se le asigna al azar un método de entrenamiento
donde se medirá la producción diaria después del entrenamiento.

Repetición Método 1 Método 2 Método 3

1 28 18 22
2 27 17 18
3 25 19 19
4 21 16 22
5 23 22 17
Situación:
El director de entrenamiento debe preparar un informe estadístico donde sustente la
recomendación por el método de entrenamiento más efectivo de los empleados nuevos.
 Solución del ejemplo de aplicación
Interpretación:
Determinar cual es el método de entrenamiento más efectivo para los
empleados nuevos.
Representación:
Factor: Método de entrenamiento.
Conceptos Tratamientos: Método 1, Método 2 y Método 3.
generales: Variable respuesta: Producción diaria (unidades producidas).
Unidad experimental: Un empleado nuevo.

Se utilizará la prueba de análisis de varianza de un factor.

Verificación de supuestos
Hipótesis a resolver:
Ho: El método de entrenamiento no afecta la producción diaria.
H1: El método de entrenamiento afecta la producción diaria.
Nivel de significación: 0.05
 Solución del ejemplo de aplicación
Verificación de supuestos:
NORMALIDAD DE LOS ERRORES
Hipótesis:
H0: Los errores se distribuyen
normalmente
H1: Los errores no se distribuyen
normalmente
Estadístico de prueba: AD=0.333
Probabilidad: P-valor = 0.466 > 0.05
Decisión: No se rechaza H0
Conclusión: A un nivel de
significación del 5%, los errores se
distribuyen normalmente.
Se cumple el supuesto de Normalidad de errores.
 Solución del ejemplo de aplicación
HOMOGENEIDAD DE VARIANZAS
Hipótesis:
H0: = =
H1: Al menos una varianza
es diferente
Estadístico de prueba:
Bartlett=0.24
Probabilidad: P-valor = 0.888 > 0.05

Decisión: No se rechaza H0
Conclusión: A un nivel de
significación del 5%, existe
homogeneidad de varianzas.
Se cumple el supuesto de homogeneidad de varianzas.
 Solución del ejemplo de aplicación
Cálculo:
Estadístico de prueba: F=9.23
P-valor: 0.004
Decisión: Se rechaza H0.

Modelo lineal general: Producción vs. Métodos

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Métodos 2 115.73 57.867 9.23 0.004
Error 12 75.20 6.267
Total 14 190.93

Análisis:
Conclusión: Con un nivel de significancia del 5%, se puede afirmar el método
de entrenamiento de los empleados nuevos sí afecta su producción diaria.
(Al menos con un método de entrenamiento la producción promedio diaria
que obtiene un empleado nuevo es diferente).
 Solución del ejemplo de aplicación
Comunicación/Argumentación:
En vista de los resultados, el director de entrenamiento desea identificar el método de
entrenamiento más efectivo. ¿Qué método(s) de entrenamiento para empleados
nuevos es más efectivo?
Agrupar información utilizando el método de Tukey

HIPÓTESIS: N Media Agrupación

M1 5 24.800 A
H0: M3 5 19.600 B
, para i diferente de j M2 5 18.400 B
H1:
Las medias que no comparten una letra
son significativamente diferentes.

Se concluye que no hay diferencias significativas entre los métodos 3 y 2, pero si hay
diferencias significativas de ambos con respecto al método 1.

Con un nivel de significancia del 5%, el método 1: Asignar un empleado nuevo con un
trabajador experimentado es más efectivo. Es decir, la producción promedio por día es
mayor para esté método con respecto a los métodos 2 y 3.
 Ejercicio propuesto 1
BLOCK S.A. es una compañía dedicada a la producción de ladrillos refractarios a nivel
semi industrial (con una producción menor a 10000 ladrillos/día).
El dueño de la compañía desea mejorar la calidad y productividad de su negocio. Por
ello, encarga al ingeniero Díaz aplicar cierta técnica estadística que ayude a determinar
la temperatura de cocción ( °F) a utilizar en la producción de los ladrillos. Para tal fin, el
ingeniero realiza un experimento con cinco réplicas en los cuatro niveles de
temperatura utilizados y estudia la resistencia a la compresión en los ladrillos (en
Mpa). Los resultados registrados son los siguientes:
Resistencia a la compresión de los ladrillos
Situación:
Réplicas 800°F 850°F 900°F 950°F
El ingeniero Díaz debe preparar un 26.8 31.7 20.9 21
1
informe estadístico donde sustente
la recomendación por algún método 2 28.1 34.4 22.8 19.7
de curado que mejore los resultados 3 29.9 35.5 26.8 19.8
de la resistencia del concreto. 4 30 30.5 23.6 19.7
5 31 33.4 27.4 22
 Ejercicio propuesto (salidas de minitab)

Gráfica de probabilidad de los Residuos Prueba de varianzas iguales: Residuos vs. Temperatura
99 Prueba de Bartlett
Media -1.77636E-16
Desv.Est. 1.806 800F Valor p 0.357

95 N 20
AD 0.204
90 Valor p 0.853

80 850F

Temperatura
70
Porcentaje

60
50
40 900F
30
20

10
950F
5

0 2 4 6 8 10 12
1
-4 -3 -2 -1 0 1 2 3 4 5 Intervalos de confianza de Bonferroni de 95% para Desv.Est.
RESID1= Residuos

Pruebas Estadística
Método de prueba Valor p
Bartlett 3.24 0.357
 Ejercicio propuesto (salidas de Minitab)

Modelo lineal general: Resistencia vs. Temperatura

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Temperatura 3 459.746 153.249 39.546 0.000
Error 16 62.004 3.875
Total 19 521.750

Agrupar información utilizando el método de Tukey

Temperatura N Media Agrupación
850F 5 33.100 A
800F 5 29.160 B
900F 5 24.300 C
950F 5 20.440 D
Las medias que no comparten una letra son significativamente
diferentes.
 Ejercicio propuesto 2
AGROINDUSTRIAS S.A. es una empresa agroindustrial de la selva del país cuenta con
tres tipos de sistemas de enfriamiento para conservar en óptimas condiciones los
espárragos. Para el ello, el jefe de control de calidad asigna de forma aleatoria los
sistemas de enfriamiento a 15 lotes de espárragos y registra la duración (días) de
conservas de los espárragos
SISTEMA DE ENFRIAMIENTO
Pro - frio Mega - frio Súper - frio
45.3 33.4 60.5
44.8 36.6 50.8
40.8 36.1 52.8
43.6 35.3 46.7
36.9 35.4 50.5
Situación:
Con un nivel de significancia del 1%. ¿al menos un sistema de enfriamiento es
diferente en evaluar la duración de conserva de los espárragos? ¿Con qué sistema(s)
de enfriamiento debe de quedarse la empresa, si se busca obtener un mayor
promedio de duración de conserva de los espárragos?
Importante

Para validar un DCA se utiliza la distribución F.

 Reflexiona un momento

Indique V o F según corresponda en los siguientes enunciados:

1. En un experimento se puede evaluar uno o más factores. V

2. Repetición y aleatorización son los principios básicos en un DCA. V

3. En homocedasticidad verificamos la heterogeneidad de las varianzas. V

4. Tukey sirve para probar todas las diferencias entre medias de V

tratamientos.
 Bibliografía

• Montgomery, D. y Runger, G. (2006). Probabilidad y estadística aplicadas

a la ingeniería. México, D.F. : Limusa Wiley.
• Anderson, D., Sweeney, D., Williams T., Camm, J. y Cochran, J. (2016).
Estadística para negocios y economía. México, D.F.: Cengage Learning.
• Triola, M. (2013). Estadística. México, D.F.: Pearson Educación.
Material producido por la Universidad Peruana de Ciencias Aplicadas
Autor: Equipo de profesores – CE87
COPYRIGHT ©UPC 2016 - Todos los derechos reservados.