DISEOS EXPERIMENTALES

CONCEPTOS GENERALES
ENTRENAMIENTO PARA EMPLEADOS
NUEVOS
El director de entrenamiento de una compaa
est tratando de evaluar tres diferentes mtodos
de entrenamiento para empleados nuevos.

Met 1: Asignar un empleado nuevo con un
trabajador experimentado.
Met 2: Ubicar a todos los empleados nuevos en un
saln de entrenamiento separado de la fbrica.
Met 3: Utilizar pelculas de entrenamiento y
materiales de aprendizaje programado.

Los tres mtodos sern
igualmente efectivos?
O alguno de ellos ser ms
efectivo que otro?


Mtodo 1
Mtodo 2
Mtodo 3
ASIGNACIN AL
AZAR
REGISTRA PRODUCCIN
DIARIA DESPUS DEL
ENTRENAMIENTO
Selecciona al azar a 15 empleados nuevos
INTRODUCCIN AL DISEO
EXPERIMENTAL
Un experimento diseado 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.

Conceptos generales
Factor
Variable independiente que afecta los
resultados del experimento: controlables
o no controlables
Susceptible a la manipulacin.
Sus valores son controlados
Sus efectos son evaluados en los
resultados del experimento (variable
dependiente)
En un experimento se puede evaluar
uno o ms factores
Factor es estudio
TRATAMIENTOS
Es un conjunto de procedimientos
cuyo efecto sobre la respuesta nos
interesa estudiar, cuyo efecto se mide
y se compara con otros tratamientos
Un tratamiento corresponde a los niveles
de un factor o a la combinacin de los
niveles de dos o ms factores.
Variable respuesta
Es la variable en la cual se
evaluarn los efectos de los
tratamientos.
Unidad Experimental
Es la unidad (sujeto u
objeto) sobre el cual se le
aplica un tratamiento.
Conceptos generales
HIPTESIS DE
INVESTIGACIN
Alguno de los tres tipos
de entrenamiento
Ser ms efectivo
Mtodo de entrenamiento
Factor en estudio
Tratamiento
M1, M2 y M3
Variable respuesta
Produccin diaria
Unidad experimental Empleado nuevo
Conceptos generales
Variabilidad de la
produccin dentro
del grupo M1
Variabilidad de la
produccin dentro
del grupo M2
Variabilidad de la
produccin dentro
del grupo M3
Variabilidad entre los grupos
Los empleados que son entrenados por el
mtodo 1, tiene la misma produccin diaria?
ERROR EXPERIMENTAL
Variabilidad existente entre los
resultados de unidades
experimentales tratadas en
forma similar
Error experimental
Debido al mismo
material
Falta de
uniformidad
PRINCIOS BSICOS
DEL DISEO
EXPERIMENTAL
REPETICIN
ALEATORIZACIN
ANLISIS POR BLOQUES
Conceptos generales
DISEOS CON
UN SOLO
FACTOR
Casos de anlisis
DCA
DBCA
DISEOS CON
DOS FACTORES
EXPERIMENTOS
FACTORIALES
DISEO COMPLETAMENTE AL
AZAR
DISEO COMPLETAMENTE AL AZAR
Los tratamientos se asignan aleatoriamente a las
unidades experimentales
Hay k poblaciones (k tratamientos) y se seleccionan k
muestras aleatorias independientes, una de cada
poblacin.
HIPOTESIS ESTADISTICA
Ho: t
i
= 0 (Todos los tratamientos tienen el mismo efecto
sobre la variable en estudio)

1
=
2
==
K

H1: t
i
= 0 (No todos los tratamientos tienen el mismo
efecto sobre la variable en estudio)
Al menos un
i
es diferente
Modelo Lineal
n ..., 2, 1, j ; k .., . 2, 1, i = = + + =
ij i ij
y c t
La j-sima
repeticin en la j-
sima muestra.
La media
poblacional
Efecto de i-simo
tratamiento
El error experimental
asociado a la observacin y
ij.

e
ij
~ N(0,o
2
)
Supuestos del
modelo
La variancias generadas por cada poblacin
de tratamientos son iguales
Anlisis de Variancia
Tcnica estadstica que permite descomponer la
variabilidad total de los resultados de un experimento
en sus distintas fuentes (tratamientos, bloques,
interacciones entre factores, error experimental), con la
finalidad de compararlas e identificar su importancia
relativa en la explicacin de la variacin total.
Variabilidad entre grupos
Mide el efecto de
los tratamientos
Variabilidad dentro de los
grupos
Mide la variabilidad
del error
experimental
DISPOSICION DE LOS DATOS EN UN DCA
Muestra 1 2 i k
1 Y
11
Y
21
Y
i1
Y
k1
2 Y
12
Y
22
Y
i2
Y
k2
3 Y
13
Y
23
Y
i3
Y
k3

j Y
1j
Y
2j
Y
ij
Y
kj

ni Y
1 n1
Y
2 n2
Y
i ni
Y
k nk
Total Y
1.
Y
2.
Y
i.
Y
k.
Tratamientos
Fuente de
variacin
Grados de
libertad
Suma de cuadrados Cuadrado medio F
c

Tratamient
os

k 1


-
=
=

n
y
n
y
) Tr ( SS
2
. .
k
1 i
i
2
. i


1 K
) Tr ( SS
) Tr ( CM

=
Error
n. k
) Tr ( SS SST SSE =
1 n
SSE
CME

=
-


Total

n. 1
donde
|
.
|

\
|
=

=
-
k
1 i
i
n n

-
= =
=

n
y
y SST
2
. .
k
1 i
n
1 j
2
ij

CME
) Tr ( CM


CUADRO ANVA
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0
Distribucin F (Fisher)
Decisin: Rechazar H
o
si F
cal
> F
(o,GLTrat,GLE)

F
(o,GLTrat,GLE)
Zona de No R H
0
Zona de R H
0

Repeticin M1 M2 M3
1 28 18 22
2 27 17 18
3 25 19 19
4 21 16 22
5 23 22 17
Totales 124 92 98 314
Ejemplo de entrenamiento
ANVA
Fuentes de
variacin GL SC CM F
Mtodos 2 115.733 57.8665 9.234
Error 12 75.2 6.2667
Total 14 190.933
F
(0.05;2,12)
=3.8853
DECISIN: Rechazar Ho
Conclusin: Con un nivel de significacnia del 5% se puede afirmar
que los mtodos de entrenamiento producen un efecto diferente
en la produccin diaria que obtienen un empleado nuevo.
HIPTESIS
Nivel de significacin= 0.05
Ho: No hay diferencia en la produccin promedio diaria que
obtiene un empleado nuevo cuando se le entrena con
cualquiera de los tres mtodos.
H
1
: Hay diferencia en la produccin promedio diaria que
obtiene un empleado nuevo cuando se le entrena con alguno
de los tres mtodos.
Verificacin de supuestos
Ho: Loes errores se distribuyen normalmente
H1: Loes errores no se distribuyen normalmente
One-Sample Kolmogorov-Smir nov Test
15
.0000
2.31763
.162
.127
-.162
.628
.826
N
Mean
Std. Deviation
Normal Parameters
a,b
Absolute
Positive
Negative
Most Extreme
Dif f erences
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Residual f or
Produccion
Test distribution is Normal.
a.
Calculated f rom data.
b.
Al NS del 5% los errores se distribuyen normalmente
1) NORMALIDAD DE LOS ERRORES
>0.05
Verificacin de supuestos
dif erente es un menos Al H
H
i
O
2
1
2
3
2
2
2
1
:
:
o
o o o = =
2) HOMOGENEIDAD DE VARIANCIAS
>0.05
Al nivel de significacin del 5% se verifica la
homogeneidad de variancias.
Contraste de Levene sobre la igualdad de las varianzas error
a

Variable dependiente:produccion
F gl1 gl2 Sig.
,270 2 12 ,768
Contrasta la hiptesis nula de que la varianza error de la variable dependiente es igual a lo
largo de todos los grupos.
a. Diseo: Interseccin + metodos
QU MTODO ES MS
EFECTIVO?
CUL DEBERA ADOPTAR EL
DIRECTOR DE ENTRENAMIENTO
COMPARACIONES MLTIPLES
Comparaciones mltiples
Variable dependiente:produccion
(I)metodos (J)metodos
Diferencia de
medias (I-J) Error tp. Sig.
Intervalo de confianza 95%
Lmite inferior Lmite superior
DMS
dimension2
M1
dimension3
M2 6,40
*
1,583 ,002 2,95 9,85
M3 5,20
*
1,583 ,007 1,75 8,65
M2
dimension3
M1 -6,40
*
1,583 ,002 -9,85 -2,95
M3 -1,20 1,583 ,463 -4,65 2,25
M3
dimension3
M1 -5,20
*
1,583 ,007 -8,65 -1,75
M2 1,20 1,583 ,463 -2,25 4,65
Basadas en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 6.267.
*. La diferencia de medias es significativa al nivel 0.05.
DIFERENCIA MNIMA SIGNIFICATIVA (DMS)
Como sig de la comparacin de M2 con M3 es 0.463 > o=0.05
Se concluye que No hay diferencias significativas entre estos
dos mtodos.
En los dems casos, se encuentran que hay diferencia
significativas.
Produccin
Mtodos
N
Subconjunto
1 2
Duncan
a,b

dimension
1
M2 5 18,40
M3 5 19,60
M1 5 24,80
Sig. ,463 1,000
Se muestran las medias de los grupos de subconjuntos homogneos.
Basadas en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 6.267.
a. Usa el tamao muestral de la media armnica = 5.000
b. Alfa = .05.
COMPARACIONES DE RANGO MLTIPLE DE DUNCAN
> o=0.05
Con un o=0.05, no hay diferencia
significativa entre M2 y M3
M1 M3 M2
No se encontr diferencia significativa entre la
produccin promedio diaria de los empleados
nuevos que fueron entrenados con los
mtodos 1 y 2, pero si se encontr diferencias
significativas entre el mtodo 1 con cada uno
de los otros dos mtodos. Por lo que se puede
concluir que el mtodo 1 es ms efectivo.
Ordenar las medias en forma ascendente:
M2 M3 M1
Medias 18.4 19.6 24.8