Está en la página 1de 41

DISEO EXPERIMENTAL.

-
PREPARADO POR
MSc Mario Gaete Madariaga
UNIVERSIDAD DE LA SERENA
Introduccin.-

La tcnica de diseo experimental a pesar de ser antigua
se introduce en Chile slo a fines de la dcada del 60, siendo su
mayor uso en el campo de la metalurgia y agricultura.


Su campo de aplicacin, sin embargo es ilimitada, por
cuanto todo fenmeno o proceso en la naturaleza, tiene cual ms
cual menos, parmetros (variables) o interacciones de estos que
afecta su comportamiento, medido a travs de una variable
dependiente o respuesta. Mirado as se puede visualizar que esta
tcnica es una herramienta valiosa en el campo de la
investigacin por cuanto su empleo, no solo permite planificar los
experimentos en cantidad y condiciones, si no que adems,
permite escalar a travs de pasos secuenciales hasta lograr la o
las respuestas mximas u ptimas, definiendo as el valor ptimo
de cada parmetro que la afecta.
As toda respuesta se ve ligada a un conjunto de parmetros, propios
indudablemente del fenmeno, que matemticamente puede escribirse
como
R = f {x
i
}
Donde: R = Respuesta
{x
i
}= Conjunto de variables que afectan a la respuesta
Otra manera de graficar esta situacin es mediante la siguiente figura:
X
A
= Conjunto de variables independiente controlables que afectan al fenmeno
X
B
= Conjunto de variables independientes incontrolables que afectan al fenmeno
Y
A
= Variables dependientes o respuestas que el investigador puede cuantificar
numricamente
Y
B
= Variables dependientes o respuestas que el investigador no podr cuantificar,
pero si denotar alguna cualidad fsica
Antecedentes de Estadstica Bsica

Introduccin.-

La estadstica se puede definir como un conjunto de procedimientos basados en
leyes de probabilidades y sirven para: recolectar, presentar, analizar e interpretar
resultados.

Entendido as, su objetivo ser:

Coleccin y compendio de datos

Diseo de experimentos y reconocimientos

Medicin de la variacin, ya sea de datos experimentales como de reconocimientos.

Estimacin de parmetros de poblaciones y suministro de varias medidas de
exactitud y precisin de estas estimaciones.

Ensayo de hiptesis

Estudio de la relacin entre dos o ms variables

Definiciones bsicas.-

Universo : Conjunto especfico con caractersticas comunes observables

Poblacin : Subconjunto del universo con una caracterstica particular

Muestra : Parte de una poblacin, seleccionada de acuerdo a una regla o plan.
Medidas estadsticas de valor central
_
* Media Aritmtica: X = xi
N

n
* Media Geomtrica: MG = \(x1 * x2 * .....* xn)

* Medio Armnico: MA = N
(1/xi)

* Mediana: Md = n + 1
2
* Modo: Observacin con mayor frecuencia
Medidas de dispersin.


* Amplitud o rango: R = x
max
- x
min

_
* Desviacin media: Dm = |xi - X|
N


_
* Varianza: S
2
= (xi - X)
2
N 1


S
2
= |xi
2
- (xi)
2
| / N 1
N

_
* Desviacin Estndar: S =\ (xi - X)
2
N - 1

Errores.
_
-Relativos: Igual probabilidad de ser mayor o menor que X; ocurre cuando se repiten
experimentos.

-Sistemticos: Producto de error en el patrn de medida o estndar tomado.

-Errores propiamente tal: Error cometido por descuido o falta de precauciones.


Intervalo y lmite de confianza.-

Es el intervalo dentro del cual a una probabilidad dada (nivel de confianza), se encuentra el
valor verdadero del parmetro estadstico. Los lmites de este intervalo son llamados lmites de
confianza



Inferencia Estadstica.-

Es la parte de la estadstica cuyo uso nos proporciona el procedimiento para la toma de
decisiones.
A menudo en los estudios metalrgicos o de cualquier naturaleza se obtienen resultados frente
a los cuales se requiere tomar cual o tal decisin. Para ello se utiliza la prueba de Hiptesis o Docima de
Significancia, construida bsicamente en funcin de promedios o varianzas asociadas a los resultados.


Hiptesis Nula o Primaria (Ho).-

Bsicamente el procedimiento consiste en contrastar 2 parmetros; uno calculado y otro
extrado de tablas de distribucin, en funcin desde luego de la distribucin usada, as luego de comparar
los resultados se puede concluir.

Para cualquier distribucin se cumplir:



Si Ho no se cumple se cumplir la Hiptesis alternativa H
1
.
Comparacin de Promedios.-
_ _
Ho : X
1
= X
2
plantea que dos promedios no difieren

Ho se cumplir si Z-o s Z
1
s Z+o

Donde Zo sern los lmites del intervalo que comprende la zona de
aceptacin de Ho

o es el nivel de significancia relacionado con la probabilidad elegida para
la hiptesis

Z se designar cuando la distribucin usada es la normal y N > 30

En este caso el elemento de contraste ser:
_ _
Z
1
= X
1
- X
2
o
x
/\N

Zo valor que se debe encontrar en tabla de distribucin normal.
Ejemplo 1.-

La recuperacin media obtenida en un proceso es de 80 % con una desviacin
de un 7 %, se realizan 50 pruebas en otras condiciones con la misma muestra,
obtenindose una recuperacin media de 82 %. Existe razn para asegurar que a un
nivel de confianza de un 95 % que el nuevo procedimiento mejora la recuperacin?.
_ _
Ho : X
1
= X
2
80 % = 82 %

Z
1
= 80 82 = -2.02
7/\5

TABLA
Z = 1 0.05 = 0.475 Z = 1.96
2
Nota: (100 95 )% = 5 % 0.05 o = 0.05 P = 1 - o

Luego se rechaza Ho, aceptndose H1, es decir X1 = X2, luego el nuevo proceso en
verdad es mejorado.

Anlogamente, cuando el N de observaciones es pequeo (N < 30) se usa la
distribucin de Student (t), cuyo procedimiento es anlogo.
_ _
Ho : X
1
= X
2

_
t
1
: X
1
- X
2
; t
( |, o)

valor encontrado en tabla de distribucin

S / \N
o : Nivel de significancia, relacionado con la probabilidad
elegida para la hiptesis


| : grados de libertad (N 1)

Ejemplo 2:

Un proceso esta entregando una ley media de 28 % en cobre; se cambia el
circuito, se toman 20 muestras y se analizan obtenindose una ley media de 29 % y una
desviacin de un 2 %. El cambio del circuito es acertado a un nivel de confianza de un
95 %?.

Usando contraste unilateral
_ _
Ho : X
1
= X
2
t
1
: 28 29 = 2.236
2 / \20


t
(19, 0.005)
= t
(19, 0.95)
= 1.73 Se rechaza Ho el cambio es acertado

Error Probable o Indice Error Personal.-

Asociado a la distribucin t; definiremos error probable o ndice de error personal:
Ep = t
(|, o)
S/\
N

_

As X Ep nos permite obtener el intervalo de confianza en el cual a una
probabilidad se encontrara el valor verdadero de X.

Contraste Hiptesis usando medias de 2 poblaciones.-

Supongamos dos muestras de 2 poblaciones diferentes y deseamos conocer si las
medias son iguales, considerando que las desviaciones son iguales.





_ _
M
A
; X
A
M
B
; X
B

_ _
Ho : X
A
= X
B
z
-o
s

z
1
s z
+o

_ _

z
1
= X
A
X
B
pero se est suponiendo que o
A
2
= o
B
2
= o
2

\(o
A
2
/N
1
+ o
B
2
/N
2
)

_ _
As z
1
= X
A
X
B
z
o
extrado de tabla
o\(1/N
1
+ 1/N
2
)
Ejemplo 3.-

De una muestra general se parte en 2 fracciones; M
A
y M
B
, las cuales son preparadas
y estudiadas independientemente por separado por 2 investigadores, bajo las mismas
condiciones experimentales, as:

El investigador A realiza 12 pruebas obteniendo una recuperacin mnima de 84 %.
La desviacin de ambos es de un 2%, se pregunta, Las diferencias obtenidas son aceptadas,
como para considerar reproduccin de resultados, a un nivel de confianza de un 95 %?.
_ _
Ho : X
A
= X
B


z
1
= 84 - 82 = 3.098
o\1/12 + 1/8

P = 1 0.05 = 0.475 z
o
=

1.96
2


z
-o
s

z
1
s z
+o


Las diferencias no son aceptadas y los experimentos en sus resultados no pueden
considerarse como reproducidos.
Anlogo al caso interior :


Se puede plantear el caso en que se estima o
A
2
= o
B
2
pero es desconocido o
2

_ _
En este caso: Ho : X
A
= X
B


_ _
t1 = X
A
X
B
; t(|, o)
Sp\(1/N
1
+ 1/N
2
)


donde Sp = \|x
2
1i
1/N
1
(x
1i
)
2
+ x
2
2i
1/N
2
(x
2i
)
2
|
N
1
+ N
2
- 2

Se debe tener presente que en estos 2 ltimos casos se puede usar t o z
dependiendo de N.

Ejemplo 4.-

2 solventes son usados en una lixiviacin para una misma muestra, as se obtiene:

Muestra A: 31, 34, 29, 26, 32, 35, 38, 34, 30, 29, 32, 31 que son las
concentraciones finales en g/L usando sulfato frrico

Muestra B: 26, 24, 28, 29, 30, 29, 32, 26, 31, 29, 32, 28 las concentraciones finales
en g/L usando solucin de cido sulfrico al 5 % p/v.
Que lixiviante es ms eficiente a un 95 % de nivel de confianza?
_ _
Ho : X
A
= X
B

_ _
t
1
= X
A
X
B
; t
(|, o)

t(22, 0.05)
= 1.717

Sp\(1/N1 + 1/N2)
_ _
Sp = 2.85 ; XA = 31.75 ; XB = 28.67 ; t1 = 2.65


El lixiviante ms eficiente es el usado en la muestra A, en este caso sulfato frrico.
Comparacin de Varianzas.-


Es anlogo al caso anterior, pero en este caso se comparan las varianzas
asociadas o
1
2
y o
2
2



Ho : o
1
2
= o
2
2


donde F
1
= o
1
2
; F = F(|
1
, |
2
, o)
o
2
2

|
1
: grados de libertad asociados a la varianza del numerador

|
2
: grados de libertad asociados a la varianza del denominador

o : Nivel de significancia

Ho se cumple F
1
s F



Principios Preliminares.-


Las etapas de una investigacin se pueden dividir en 5 partes:

1.- Planteamiento del Problema.-

Es habitual que una industria tenga la necesidad de modificar las
condiciones de tratamiento para lograr mejores resultados en su proceso, o bien
en sus inicios una empresa desea conocer la frmula que le permitir lograr los
mejores resultados en el proceso de tratamiento a usar, o quizs un investigador
por propia inquietud desea conocer que parmetros inciden y en que magnitud en
un fenmeno que es de su inters. Todas las situaciones anteriores llevan a un
planteamiento del problema y un estudio de l nos llevar principalmente a
pensar que variables gobiernan el fenmeno en estudio y al compenetrarse ms
de la situacin, a definir un rango particular de estudio para estas variables
(definicin de niveles).

As definidas las variables, es conveniente observar algunas limitaciones
cuando aparecen variables cuyo control no puede ser controlado ya sea por su
alto costo o bien porque su naturaleza lo impide, ejemplo: La ley del concentrado
de flotacin depende de la especie mineralgica, depende de la calidad del agua
usada, de la temperatura, etc., sin embargo ser difcil su control.

Continuando es conveniente definir los niveles de cada variable controlable, para
lo cual existen varios puntos de apoyo, tales como:

* Antecedentes prcticos obtenidos de antiguos informes.

* Antecedentes bibliogrficos.

* Estudios mineralgicos y qumicos.

* Resultados de pruebas preliminares y de tanteo.

Por lo tanto este punto esta definido cuando estn conocidas y seleccionadas las
variables y ubicados sus niveles de experimentacin.

2.- Experimentacin.-

La experimentacin corresponde al trabajo de laboratorio o de terreno
propiamente tal y se puede subdividir en:
2.1.- Pruebas Preliminares: Sern todas las pruebas que ayuden o faciliten el desarrollo
experimental, ejemplo de ello podra ser la confeccin de curvas de molienda, curvas de pH,
etc., para el caso de flotacin. De esta manera se trabaja una variable real, mediante su
relacin con otra variable auxiliar, as:
Ley = f(granulometra (% malla lmite) = f(tiempo de molienda laboratorio)
De esta manera se trabajar en laboratorio con la funcin
Ley = f(tiempo de molienda)
Lo anterior se ilustra en la figura siguiente:

De esta forma interpolando o extrapolando en la curva, se puede conocer la
granulometra, mtodo que agiliza y simplifica el trabajo experimental. Desde luego debe
considerarse que el molino, carga moledora, carga slida y dilucin de molienda sean
constantes.
2.2.- Pruebas de Tanteo: Las pruebas de tanteo se inician con un conjunto de pruebas
repetidas en condiciones preestablecidas de manera de determinar el ndice de error
experimental del operador, donde:
I
E
= tc * S/\N

I
E
= ndice error probable experimental
tc = Estadstico extrado de la tabla de distribucin de Student y depende del nivel de
significancia y del nmero de experimentos.
S = Desviacin estndar obtenido de los experimentos repetidos
N = Nmero de pruebas debiendo ser N s 30

El objetivo de realizar estas pruebas repetidas es medir el error probable que el
operador tendr al ejecutar un experimento.

Las pruebas de tanteo cumplen 2 objetivos bsicos:

Tomar decisin frente ha alternativas que aparecen al experimentar. Ej: Calidad de un
reactivo.

Encontrar el rango de estudio, es decir, definir los niveles que se asignan.

En ambos casos un criterio muy usado es el conocido como Criterio de Simple Flotacin,
que consiste en realizar experimentos variando solamente una variable, dentro de un
rango en que se supone dar una buena respuesta, la respuesta usada habitualmente es
la recuperacin y que servir como valor de comparacin.

Ejemplo: Supongamos que para flotar una determinada mena,
existen 3 colectores seleccionados, sean estos A, B y C. Por
otra parte el rango de uso habitual para ellos esta entre (a, a,
a), (b, b, b) y (c, c, c) g/Ton, respectivamente.

Luego como se ve en la figura se obtienen recuperaciones mximas, las cuales se
comparan y la decisin ser elegir aquel colector que aporte mayor recuperacin, es
indudable que al obtener respuestas de recuperacin similares, deber usarse una segunda
respuesta de comparacin, habitualmente es la ley.
2.3.- Pruebas de Diseo:

Definidas las variables y los rangos de cada variable,
se inicia el desarrollo de las pruebas segn el diseo experimental
seleccionado, sin embargo, es conveniente y recomendable
iniciarlo con diseos fraccionales en la primera fase; diseos
detallados en una segunda fase, para finalizar con diseos
compuestos, de esta manera paso a paso se ira aproximando a
la optimizacin.

2.4.- Tabulacin de Resultados y Clculos.-

Consiste en la ordenacin de los resultados en cada fase, calcular los parmetros
que interesan de manera de tener toda la informacin procesada, como tambin confeccionar
todas las grficas que permitan visualizar mejor los resultados.

2.5.- Anlisis de Resultados.-

Consiste en correlacionar informacin, analizar la forma que cada variable afecta
los resultados, aclarando en algunos casos estas situaciones con las observaciones
cualitativas realizadas en los experimentos.

2.6.- Conclusiones y Sugerencias.-

Es la culminacin del trabajo, en que se debe proporcionar la informacin con los
comentarios pertinentes de los resultados logrados y en base a ello hacer las sugerencias
que el investigador encuentre pertinentes a la luz de los resultados logrados.
2.7.- Conceptos Elementales Usados en Diseo.-

2.7.1.- Variable Independiente Controlable: Es toda variable que de algn modo puede o
no afectar una respuesta de un proceso y que el hombre econmicamente puede manejar a
voluntad.

2.7.2.- Variable Independiente Incontrolable: Es similar a la anterior, pero por razones
econmicas o por su naturaleza, el hombre no puede variarla.

2.7.3.- Variables Dependientes: Es toda respuesta o resultado logrado al finalizar el
experimento, pudiendo ser cuantitativa (cuantificable numricamente) o cualitativa (denota
una cualidad fsica nicamente).


2.7.4.- Niveles de una Variable: Son los valores numricos asignados a una variable, en
diseo se hablar de: Nivel Bajo (NB) que es el valor mnimo asignado; Nivel Alto (NA)
que es el nivel mximo asignado y Nivel Central (NC) que corresponde al promedio
aritmtico entre el NB y NA, as el NC, ser siempre un punto simtrico respecto a los
niveles bajo y alto.

Se cumple que NB + NA = NC o NC NB = NA NC
2
2.7.5.- Rango de una Variable: Es el valor del intervalo
acotado por el NB y NA de una variable.
Rango = R = NA - NB

As, Rango Medio = R = NA NB = NC NB = NA NC
2 2
2.7.6.- Errores: Habitualmente cuando se realiza un experimento, por mucho que el
experimentador se esmere en ser cuidadoso y preciso, siempre la medicin llevar asociada
un error experimental. Estos errores experimentales pueden clasificarse en:

a)Errores Relativos: Estn identificados por la distribucin gaussiana de frecuencia y se
caracterizan por tomar un valor cercano al promedio, teniendo igual probabilidad de ser
mayor o menor que este promedio. Se aprecia este error cuando los experimentos se
repiten.

b)Error Sistemtico: Es el error cometido a causa de un estndar mal tomado, se
caracteriza por tener el mismo signo algebraico, y slo se puede eliminar chequeando el
estndar tomado como referencia.

c)Errores: Son errores cometidos por simple descuido, como ser anotar mal una lectura,
cambio de muestra, etc. Se puede eliminar haciendo mediciones dobles, siendo ordenado y
finalmente ser meticuloso en acciones que encierren riesgo de cometer este tipo de error.
2.7.7.- Media Aritmtica: Es un termino estadstico de valor central definido como:
_
X = xi
N

2.7.8.- Varianza: Es un termino estadstico de dispersin definido por:
_
o
2
= (xi xi)
2
N 1

o
2
= (xi)
2
1/N(xi)
2
= (SBC FC) = STC
N 1 N 1 N 1

Para el segundo caso se define:

Suma Bruta de Cuadrados SBC = (xi)
2
Grados de Libertad = N

Factor de Correccin FC = 1/N (xi)
2
Grados de Libertad = 1

Suma Total de Cuadrados STC = SBC FC
N - 1
2.7.9.- Desviacin Estndar:

Se conoce como la raz cuadrada de la varianza.
_
o = \ |(xi xi)
2
|
N 1

o = \|(xi)
2
1/N(xi)
2
|
N 1


2.7.10.- Lmite de Confianza:

Cuando se repite un experimento a menudo las respuestas no son idnticas, en
este caso no solo se debe informar el promedio de los resultados, sino tambin la
precisin de la estimacin. Una forma de hacerlo es especificar los lmites del
intervalo que a una probabilidad dada incluye el valor verdadero. Dichos lmites se
denominan lmites de confianza, es decir son los lmites que abarcan un intervalo
dentro del cual se puede decir que con un cierto grado de confianza se encuentra el
valor verdadero.

2.7.11.- Hiptesis de Significancia.-


a) Docimas de Significancia: Es parte del captulo de inferencia estadstica y su
aplicacin es permitir tomar decisin. Para entender esto vale el siguiente ejemplo:


Supngase que al tratar un cierto mineral se obtiene una ley promedio de sus concentrados
X
a
y una desviacin estndar o
A
, posteriormente se cambia el colector logrando una ley
promedio de concentrados X
b
y una desviacin estndar o
B
. Cabe preguntar si la varianza de
la ley del concentrado es debido al cambio de colector o simplemente debido al error
experimental o en ltima instancia al azar. As para tomar una decisin se recurrir a una
docima de significancia.


El procedimiento consiste en plantearse una hiptesis y luego comprobarla. Tal hiptesis se
conoce como Hiptesis Nula (Ho) y al cumplirse significa que el parmetro medido no difiere
de un valor particular determinado. En s se trata de calcular la probabilidad de encontrar una
desviacin tan grande como la observada en el supuesto de que la hiptesis nula sea cierta.
Si esta probabilidad es suficientemente pequea, se debe rechazar la hiptesis nula (Ho),
aceptndose su alternativa (H1).
b) Forma de Proceder:

* Establecer la hiptesis y su alternativa.
* Establecer el nivel de significancia de la docima o test.
* Calcular el parmetro de contraste.
* Usar la distribucin que corresponda.
Comprobar la hiptesis.

c) Nivel de Significancia o Significacin.- Al aplicar una docima, se calcula la
probabilidad P de que se presente un resultado dado si la hiptesis nula (Ho) es cierta. Si
esta probabilidad es igual o menor que un valor dado, se dice que el resultado es
significativo al nivel obtenido. El nivel adecuado depender de la importancia del problema.
Por lo general el valor o = 0.05 proporciona seguridad suficiente.

Dcima t: Se emplea para comparar promedios:
El intervalo de confianza esta definido por:
_
X t
o
\S
2
x
donde:
t = valor tomado de la tabla de distribucin t con grados de libertad.
El parmetro de contraste es definido por:
_ _
t = X Xo
\S
2
x
_ _
Ho : X = Xo
Se acepta Ho si t s t(|, o/2), es decir -t(|, o/2) s t s +t(|, o/2)
Docima F: Se emplea para comparar varianzas o
2
1
y o
2
2
a partir de sus
estimadores S
2
1
y S
2
2
; con |
1
y |
2
grados de libertad respectivamente.


Ho : o
2
1
= o
2
2


F = o
2
1
o
2
2


Se acepta Ho si F s F(|
1
, |
2
, o)

Determinndose F(|
1
, |
2
, o) de la tabla de distribucin de Fisher

|
1
= grados de libertad asociado a la varianza del numerador

|
2
= grados de libertad asociados a la varianza del denominador

o = nivel de significancia

Diseo Experimental del tipo 2
n
.-

Introduccin.-

La base del diseo se reduce en cierta medida a comprender la siguiente situacin.

Supngase que se realizan 2 experimentos repetidos, entonces si Ei = Experimento y Ri =
Respuesta, se tiene:

E
1
= E
2
i) R
1
= R
2
, significa que existe error = 0 (poco frecuente)

o ii) R
1
= R
2
, significa que existe error = 0, lo que permitir evaluar su
respuesta promedio y su varianza asociada (o
c
2
)

b) Supngase ahora que se realizan 2 experiencias, pero una difiere de otra solamente en
una condicin controlada

E
1
= E
2
i) R
1
= R
2
, significa resultados iguales por error o bien la
variacin no surte efecto

o ii) R
1
= R
2
, significa resultados diferentes por error o bien la
variacin surte efecto.

La observacin (ii) es importante y se debe decidir si la variacin es error o efecto, para
esto es necesario efectuar una docima de significancia. En todo caso, ello implica calcular una
varianza asociada al error (o
c
2
) y una varianza asociada a los efectos (o
ci
2
).
Significado de 2
n
.-

Para este tipo de diseo detallado se tiene:
2 = 2 niveles, nivel bajo y nivel alto
n = Nmero de variables independientes controlables a estudiar
2
n
= Nmero de pruebas que se conocern como bloque de pruebas de variacin.

Efecto: Se define como el cambio de respuesta provocado por el cambio de nivel de una variable (efecto
de 1 orden o principal)

Interaccin o efecto de orden superior: Es el efecto provocado por la accin de 2 o ms variables a la
vez (interaccin o efecto de 2 orden, 2 variables, interaccin o efecto de 3 orden, 3 variables, etc).

Coeficientes: Se define como la pendiente del efecto o bien es el efecto dividido por el rango de la
variable.



Efecto = R
NA
- R
NB

Coeficiente = Efecto/(NA NB)
Niveles: Sern los valores mnimos y mximos del intervalo de estudio, adems se incluye
el punto medio del intervalo

As entonces se planificarn los experimentos, denominndose la planificacin
experimental Matriz de Diseo con Niveles No Codificados o simplemente Matriz de
Diseo.
La explicacin de esta fase se realizar a travs de un ejemplo, para su mejor
comprensin.

Ejemplo: Sean tres las variables a estudiar, definidas como se muestra en la tabla siguiente:

Variables Niveles
NB NA NC
P
1
= Dosificacin de colector AF-238 (g/Ton)
P
2
= Granulometria (% < 200 # Ty)
P
3
= pH
30
70
8.0
50
90
12.0
40
80
10.0
Cuando se tienen 3 variables, se deben considerar 4 pruebas en nivel
central para evaluar el error experimental. De esto se desprende que existen 2
bloques de pruebas:

Bloque I : Combinaciones experimentales de pruebas de variacin
formado por 2
3
= 8 experiencias.

Bloque II : 4 pruebas repetidas realizadas todas en niveles centrales.

Se debe tener presente que toda variables no considerada en el
estudio sern fijadas como constante y sus valores dependern del
experimentador, cuyo apoyo ser su experiencia, pruebas de tanteo,
informacin preliminar, etc.

Luego de definir las variables a estudiar, es necesario precisar las
respuestas que nos interesan optimizar, pudiendo ser para este caso:

Y
1
= Recuperacin del metal (%)
Y
2
= Ley de concentrado (%)
En la tabla siguiente se muestra la matriz de diseo, en la cual se consideran algunas
definiciones ya descritas y las observaciones enunciadas anteriormente.

Matriz de Diseo.-

Orden de Prueba Variables Independientes Respuestas
Bloque I
Normal Azar Correlativo P
1
(g/Ton) P
2
(%) P
3
(pH) Recup (%) Ley (%)
1
2
3
4
5
6
7
8
10
9
6
5
2
12
4
3
10
9
6
5
2
12
4
3
30
50
30
50
30
50
30
50
70
70
90
90
70
70
90
90
8
8
8
8
12
12
12
12
R
1

R
2

R
3

R
4

R
5

R
6

R
7

R
8

L
1

L
2

L
3

L
4

L
5

L
6

L
7

L
8

Bloque II
9
10
11
12
7
1
8
11
7
1
8
11
40
40
40
40
80
80
80
80
10
10
10
10
R
9

R
10

R
11

R
12

L
9

L
10

L
11

L
12

Matriz de Diseo con Niveles Codificados.-

Esta matriz se construye a objeto de facilitar el procedimiento de calculo y
adems como base de otra matriz llamada de efectos que se vera ms adelante.

La codificacin tiene por objeto de asignar el valor 1 a todo nivel bajo, el valor
0 a todo nivel central y el valor +1 a todo nivel alto. En otras palabras consiste en formar
un nuevo sistema de coordenadas xi, tal que su origen pase por el punto medio de los
rangos de estudios asignados.


Para dos variables grficamente se tiene:
P
1
y P
2
son los ejes de coordenadas variables reales.
X
1
y X
2
son los ejes de coordenadas variables codificadas.
La manera de relacionar X y P ser:

X
ij
= P
ij
- NC
i
donde: i
1, ..., N
R
i/2
j
NB, NA

Veamos para X
1
en NB :

X
1NB
= P
1NB
- NC
1

R
1/2


Pero NC
1
= NB + NA y R
1/2
= NA - NB
2 2
reemplazando se tiene:


NB
1
(NB
1
+ NA
1
)
X
1NB
2 = NB
1
NA
1
= NA
1
NB
1
= -1
NA
1
NB
1
NA
1
NB
1
NA
1
NB
1

2

Esta matriz por tratarse de un plano de calculo, solo lleva la columna de orden normal de
pruebas realizadas.
Matriz de Diseo con Niveles Codificados.-

ON X
1
X
2
X
3
Y
1
Y
2

1
2
3
4
5
6
7
8
-1
+1
-1
+1
-1
+1
-1
+1
-1
-1
+1
+1
-1
-1
+1
+1
-1
-1
-1
-1
+1
+1
+1
+1
R
1

R
2

R
3

R
4

R
5

R
6

R
7

R
8

L
1

L
2

L
3

L
4

L
5

L
6

L
7

L
8

9
10
11
12
0
0
0
0
0
0
0
0
0
0
0
0
R
9

R
10

R
11

R
12

L
9

L
10

L
11

L
12

Matriz de Efectos.-

Esta matriz permite visualizar los efectos que proporciona el diseo empleado.

Sea n el nmero de variables y orden de efectos, entonces la relacin

C
n

= n!
(n 2)!!

permite calcular el nmero de columnas de efectos de orden x variando de 1 a n.

As esta matriz tendr tantas columnas como efectos se determinen agregando siempre
una columna x
0
formada por valores +1.

Para determinar la formacin de una columna de efectos de orden superior, aplicando las
siguientes leyes.

x
i
x
j
= x
i
* x
j
(producto algebraico) x
i
* x
j
= x
j
* x
i
(conmutatividad)

Por lo tanto, pata construir la matriz de efectos, por ejemplo de 3 variables en estudio se
tiene:

Columna x
0
Columna de efectos de 1 orden o principales: = 1 x
1
, x
2
, x
3
Columna de efectos de 2 orden: = 2 x
1
x
2
, x
1
x
3
, x
2
x
3
Columna de efectos de 3 orden: = 3 x
1
x
2
x
3
Matriz de Efectos.-

1 Orden 2 Orden 3
Orden
Respuesta
ON x
0
x
1
x
2
x
3
x
1
x
2
x
1
x
3
x
2
x
3
x
1
x
2
x
3
Recuperacin (Y
1
) Ley (Y
2
)
1
2
3
4
5
6
7
8
9
10
11
12
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
+1
-1
+1
-1
+1
-1
+1
-1
+1
0
0
0
0
-1
-1
+1
+1
-1
-1
+1
+1
0
0
0
0
-1
-1
-1
-1
+1
+1
+1
+1
0
0
0
0
+1
-1
-1
+1
+1
-1
-1
+1
0
0
0
0
+1
-1
+1
-1
-1
+1
-1
+1
0
0
0
0
+1
+1
-1
-1
-1
-1
+1
+1
0
0
0
0
-1
+1
+1
-1
+1
-1
-1
+1
0
0
0
0
R
1

R
2

R
3

R
4

R
5

R
6

R
7

R
8

R
9

R
10

R
11

R
12

L
1

L
2

L
3

L
4

L
5

L
6

L
7

L
8

L
9

L
10

L
11

L
12

Debe observarse que: x
i
= x
i
x
j
= x
i
x
j
x
z
= 0 si x
i
= x
0

x
i
x
j
= x
0

x
i
x
j
x
z
= x
o


x
i
= N si x
i
= x
0

Reglas Generales en la Construccin de la Matriz de Diseo.-

1.- El orden normal (ON) corresponde a una ordenacin de 1 a N experimentos.

2.- El orden azar (OA) corresponde al orden de ejecucin de los experimentos, los
cuales se obtienen mediante un sorteo sin reemplazo.

3.- El orden correlativo (OC) corresponde a un nmero o letra, o una mezcla de ambos
que sirve al investigador solo para identificar los experimentos en forma propia, de
manera que solo l conoce esta identificacin de sus experimentos. Estn
correlacionados con el orden azar.

4.- Como se observa todo nivel del primer experimento es nivel bajo, tambin se
observa que todo nivel del ltimo experimento del primer bloque corresponde a
niveles alto. Esto es para efectos de 1 orden.

5.- La formacin de cada columna correspondiente a las variables tienen un orden j = 1
; i = 1, as: La primera columna tiene 2j 1 elementos alternados nivel bajo nivel
alto. Esto se cumple para el resto de las columnas, siendo 2j i el nmero de
elementos alternados; para j = 1 implicar 1 a 1 (-1, +1, -1, +1, etc.), para j = 2
implicar alternacin 2 en 2 (-1, -1, +1, +1, etc.).

6.- La asignacin de llamar dosis colector a P
1
, granulometra a P
2
y pH a P
3
es
arbitrario, pudiendo hacerse cualquier asignacin.

Formada esta matriz que corresponde a la planificacin experimental, se
procede a ejecutar los experimentos en orden azar (OA).