DISEÑO DE EXPERIMENTOS

Ortega Arias, Karen Yesabella

1325160566
1
Martínez Cahuas, Ximena Alexandra.

2 1725125085

Zapata Pesantes, Richard Brian.

3 1725125212
INTRODUCCIÓ
N
• Los modelos de diseño de experimentos son
modelos estadísticos clásicos cuyo objetivo
es averiguar si unos determinados factores
influyen en una variable de interés y, si existe
influencia de algún factor, cuantificar dicha
influencia.

• La metodología del diseño de experimentos

se basa en la experimentación y en el análisis
de los resultados que se obtienen en un
experimento bien planificado.
UN EXPERIMENTO SE REALIZA POR:

Comparar las respuestas en

Determinar las principales diferentes niveles de observación de
causas de variación en la variables controladas.
respuesta.
.

Encontrar las condiciones

experimentales con las que se Obtener un modelo
consigue un valor extremo en estadístico-matemático
la variable de interés o que permita hacer
respuesta. predicciones de
respuestas futuras.

3
 OBJETIVO DEL DISEÑO EXPERIMENTAL

• El objetivo del diseño de

experimentos es estudiar si en
caso se utilice un determinado
tratamiento se produce una
mejora en el proceso o no. Para
ello se debe experimentar
aplicando el tratamiento y no
aplicándolo.

Text Text Text Text

ERRORES EN EL ANÁLISIS ESTADÍSTICO DE DATOS HISTÓRICOS

1. Inconsistencia de los datos

2. Variables con fuerte correlación

3. El rango de las variables controladas es limitado

 TIPOS DE VARIABILIDAD

VARIABILIDAD SISTEMÁTICA Y
PLANIFICADA

Es el tipo de variabilidad que se intenta identificar con

el diseño estadístico.

Esta variabilidad viene originada por la posible

dispersión de los resultados debida a diferencias
sistemáticas entre las distintas condiciones
experimentales impuestas en el diseño por expreso
deseo del experimentador.

Cuando este tipo de variabilidad está presente y tiene

un tamaño importante, se espera que las respuestas
tiendan a agruparse formando grupos (clusters).
 Tipos de variabilidad
VARIABILIDAD TÍPICA DE LA NATURALEZA DEL
PROBLEMA Y DEL EXPERIMENTO

Es la variabilidad debida al ruido aleatorio. Este término incluye,

entre otros, a la componente de variabilidad no planificada
denominada error de medida. Es una variabilidad impredecible e
inevitable.

Esta variabilidad es inevitable pero, si el experimento ha sido bien

planificado, es posible estimar (medir) su valor, lo que es de gran
importancia para obtener conclusiones y poder hacer
predicciones.

Es una variabilidad que va a estar siempre presente pero que es

tolerable.
 TIPOS DE VARIABILIDAD

VARIABILIDAD SISTEMÁTICA Y NO PLANIFICADA

Esta variabilidad produce una variación sistemática en los resultados y

es debida a causas desconocidas y no planificadas. Por ello debe de
intentar evitarse y su presencia lleva a conclusiones erróneas.

La presencia de esta variabilidad supone la principal causa de

conclusiones erróneas y estudios incorrectos al ajustar un modelo
estadístico.

Como se estudiará posteriormente, existen dos estrategias básicas

para tratar de evitar la presencia de este tipo de variabilidad: la
aleatorización y la técnica de bloques.
PLANIFICACIÓN DE UN EXPERIMENTO
La forma tradicional que se utilizaba en la experimentación,
para el estudio de estos problemas, se basaba en estudiar los
factores uno a uno, esto es, variar los niveles de un factor
permaneciendo fijos los demás.

Es necesario un gran número de

pruebas.

Las conclusiones obtenidas en el

estudio de cada factor tiene un campo
de validez muy restringido.

No es posible estudiar la existencia de

interacción entre los factores.

Es inviable, en muchos casos, por

problemas de tiempo o costo.
LAS ETAPAS A SEGUIR EN EL DESARROLLO DE UN PROBLEMA
DE DISEÑO DE EXPERIMENTOS

DEFINIR LOS OBJETIVOS DEL EXPERIMENTO

Hacer una lista completa de las preguntas concretas a las que debe dar respuesta el experimento. Una vez
1 elaborada la lista de objetivos, puede ser útil esquematizar el tipo de conclusiones que se espera obtener en
el posterior análisis de datos.

IDENTIFICAR TODAS LAS POSIBLES FUENTES DE VARIACIÓN

Una fuente de variación es cualquier cosa que pueda generar variabilidad en la respuesta. Es recomendable
hacer una lista de todas las posibles fuentes de variación del problema, distinguiendo aquellas que, a priori,
2 generarán una mayor variabilidad. Se distinguen dos tipos: Factores tratamiento y Factores nuisance.

ELEGIR UNA REGLA DE ASIGNACIÓN DE LAS UNIDADES EXPERIMENTALES A LAS

CONDICIONES DE ESTUDIO (TRATAMIENTOS)

3 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.
LAS ETAPAS A SEGUIR EN EL DESARROLLO DE UN PROBLEMA
DE DISEÑO DE EXPERIMENTOS
ESPECIFICAR LAS MEDIDAS QUE SE REALIZARÁN (LA RESPUESTA), EL PROCEDIMIENTO EXPERIMENTAL Y
ANTICIPARSE A LAS POSIBLES DIFICULTADES.

Es importante precisar de antemano cuál es la variable respuesta y en qué unidades se mide. Naturalmente, la respuesta está condicionada por los
4 objetivos del experimento. 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). 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.

EJECUTAR UN EXPERIMENTO PILOTO.

5 Un experimento piloto es un experimento que utiliza un número pequeño de observaciones. El objetivo de su ejecución
es ayudar a completar y chequear la lista de acciones a realizar.

ESPECIFICAR EL MODELO.
El modelo matemático especificado debe indicar la relación que se supone que existe entre la variable
respuesta y las principales fuentes de variación identificadas en el paso 2. Es fundamental que el modelo
6 elegido se ajuste a la realidad con la mayor precisión posible. El modelo más habitual es el modelo lineal:
LAS ETAPAS A SEGUIR EN EL DESARROLLO DE UN PROBLEMA
DE DISEÑO DE EXPERIMENTOS

ESQUEMATIZAR LOS PASOS DEL ANÁLISIS ESTADÍSTICO

Se deben esquematizar los pasos del análisis a realizar que deben incluir:
• Estimaciones que hay que calcular.
7 • Contrastes a realizar.
• Intervalos de confianza que se calcularán.
• Diagnosis y crítica del grado de ajuste del modelo a la realidad.

DETERMINAR EL TAMAÑO MUESTRAL

Calcular el número de observaciones que se deben tomar para alcanzar los objetivos del experimento.
8 Normalmente se estima a partir del experimento piloto y en base a experiencias previas en trabajos con diseños
experimentales semejantes.

REVISAR LAS DECISIONES ANTERIORES. MODIFICAR SI ES NECESARIO

De todas las etapas enumeradas, el proceso de recogida de datos suele ser la tarea que mayor
9 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.
PRINCIPIOS BÁSICOS EN EL DISEÑO DE EXPERIMENTOS

Your Picture Here And Send Your Picture Here And Send Your Picture Here And Send
To Back
VENTAJAS To Back VENTAJAS
To Back
 Aleatorizar previene contra la
introducción de sesgos en el VENTAJA  Permiten detectar la existencia
experimento. de efectos interacción entre los
 Evita la dependencia entre  Convierte la variabilidad diferentes factores tratamiento.
observaciones al aleatorizar los sistemática no planificada en  Es una estrategia más eficiente
instantes de recogida muestral. variabilidad sistemática que la estrategia clásica de
 Valida muchos de los examinar la influencia de un
planificada.
procedimientos estadísticos más factor manteniendo constantes
comunes. el resto de los factores.

El principio de La factorización del

aleatorización El bloqueo
diseño
 DISEÑOS EXPERIMENTALES CLÁSICOS
Diseño completamente Diseños con dos o más factores
aleatorizado bloque
El experimentador asigna las En ocasiones hay dos (o más) fuentes
unidades experimentales a los de variación lo suficientemente
tratamientos al azar. La única importantes como para ser designadas
restricción es el número de factores de bloqueo. En tal caso,
observaciones que se toman en ambos factores bloque pueden ser
cada tratamiento. cruzados o anidados.

Respuesta = Constante + Efecto Tratamiento + Error

Respuesta = Constante + Efecto Bloque Fila + Efecto Bloque Columna
+ Efecto Tratamiento + Error
Diseño en bloques o con un
factor bloque
Agrupa las unidades experimentales en
bloques, luego determina la distribución
de los tratamientos en cada bloque y,
por último, asigna al azar las unidades
experimentales a los tratamientos
dentro de cada bloque.

Respuesta = Constante + Efecto Bloque + Efecto Tratamiento + Error

 DISEÑOS EXPERIMENTALES CLÁSICOS
Diseños con dos o más factores
En este modelo es importante estudiar la
posible interacción entre los dos factores. Si
en cada casilla se tiene una única
observación no es posible estudiar la
interacción entre los dos factores, para ello;
hay que obtener k observaciones en cada
casilla, donde k es el número de réplicas.

Respuesta = Constante + Efecto Factor Fila + Efecto Factor Columna +

Efecto Interacción + Error
◉   factoriales a dos niveles
Diseños
Utilizar una técnica secuencial donde se comienza por
trabajar con unos pocos factores y según los
resultados que se obtienen se eligen los factores a
estudiar en la segunda etapa. Los diseños factoriales
son diseños en los que se trabaja con k factores, todos
ellos con dos niveles (se suelen denotar + y -)
EJERCICIOS
TABLA ANOVA
◉
◉  El método estadístico utilizada para la obtención del P-valor correspondiente al contraste de hipótesis
mostrado anteriormente, se conoce como Análisis de varianza, cuyas siglas en ingles es ANOVA

Tabla ANOVA
Fuente de variación G.L. SS MS F P-valor
Entre tratamientos k-1 SSTr MSTr P
Error N-k SSE MSE
Total N-1 SST
K: Numero de niveles, N =

SST = , SSTr = , SSE = SST – SSTr

MSTr = , = > ]
 Ejercicio 1
◉ En la producción de tomates una determinada empresa utiliza cuatro tipos de abonos (A, B, C, D). El Ingeniero
Agrónomo de la empresa ha realizado un diseño de experimentos unifactorial para determinar si es o no indiferente el
tipo de abono a utilizar para la obtención de tomates de mayor peso. A continuación se muestran los resultados de su
investigación

   
Abono n Observaciones

   
A 4 92,2 80,2 86,6 91,9
 
B 5 90,4 84,2 93,6 98,2 89,1

   
C 4 98,6 89,2 90,3 97,1

D 6 104,9 111,4 118,7 122,9 104,5 110,9

A la luz de estos resultados, ¿Qué le recomendaría al ingeniero Agrónomo?

Empecemos por formular el contraste de hipótesis adecuado:
Ho: μ1 = μ 2 = μ 3 = μ 4 Vs. H1 :al menos un par de medias son distintas
◉ μ1 : valor esperado del peso de los tomates generados con el abono A
◉ μ2 : valor esperado del peso de los tomates generados con el abono B
◉ μ3 : valor esperado del peso de los tomates generados con el abono C
◉ μ4 : valor esperado del peso de los tomates generados con el abono D

◉  
Construcción de la tabla
= 92,2 +…+ 91,9 = 350,9
= 98,6 +…+ 97,1 = 375,2 = 104,9 +…+ 110,9 = 673,3

SST = (92, +…+ 110,) - = 2484,04

SSTr = ( +…+ - = 1940,94
SSE = 2484,04 – 1940,94 = 543,10
 Tabla ANOVA
Fuente de variación G.I. SS MS F P-valor
Entre tratamientos 3 1940,94 646,98 17,87 0,0000
Error 15 543,10 36,21 j
Total 18 2484,04 ñ ññgg

Decisión: Rechazar la hipótesis nula

Conclusión: Existen evidencias maestrales que permiten concluir que el tipo de abono influye en el peso de
los tomates producidos.

Recomendaciones: En el siguiente post análisis daremos las recomendaciones del caso

POST ANÁLISIS EN EL DISEÑO DE UN FACTOR

Una vez construido el ANOVA y haber rechazado la hipótesis nula, es decir, haber concluido que el factor influye en la variable
respuesta, o lo que es lo mismo, que existen por lo menos un par de medias distintas, el próximo paso será determinar cuáles
pares de media son distintos y proceder a dar alguna recomendación. Este proceso se conoce con el nombre de post análisis
Existen varias pruebas pertinentes a esto tipo de análisis, dentro de las que destacan:
• Prueba de Dunnet
• Prueba de Duncan
• Prueba de Tuckey
Prueba LSD (Diferencia mínima significativa
 LA PRUEBA LSD
La prueba LSD (Least significant difference) de Fisher es un prueba de comparaciones múltiples. Permite comparar
las medias de los k niveles de un factor después de haber rechazado la Hipótesis nula de igualdad de medias
mediante la técnica ANOVA. Todas las pruebas de comparaciones múltiples son pruebas que tratan de perfilar, tratan
de especificar, tratan de concretar, una Hipótesis alternativa genérica como la de cualquiera de los pruebas ANOVA.
La prueba se basa en la creación de un umbral para un nivel de significación dado basado en la distribución t de
Student. En particular, rechazaremos la hipótesis de igualdad entre los pares de medias Hi Y Hi, si y sólo si:
, siendo =
 4
Al
  existir 4 niveles de factor, existen 2 = 6 pares de medias comparar. El valor critico de la prueba LSD es:
= 4,9795

Ho │-│ LSD (i,j) Decisión

≠ │87,725 – 91,1│ = 3,375 0,6708 Rechazar Ho

≠ │87,725 – 93,8│ = 6,075 3,5204 Rechazar Ho

≠ │87,725 – 112,217│ = 24,492 3,2143 Rechazar Ho

≠ │91,1 – 93,8│ = 2,7 0,6708 Rechazar Ho

≠ │91,1– 112,217│ = 21,117 3,0152 Rechazar Ho

≠ │93,8 – 112,217│ = 18,417 3,2143 Rechazar Ho

Este es un caso poco común en donde se ah rechazado todas las hipótesis de igualdad de medias. Se
recomienda entonces usar el abono D y no se recomienda el uso del abono A
Ejercicio 2
Un fabricante de papel utilizado para fabricar bolsas de caramelo, está interesado en mejorar la resistencia a la
tensión del producto. El grupo de ingeniería del producto piensa que la resistencia a la tensión es una función de
la concentración de madera dura en la pulpa, y que el rango de interés práctico de las concentraciones de
madera dura está entre 5% y 20%. El equipo de ingenieros responsable del estudio decide investigar cuatro
niveles de concentración de madera dura: 5, 10, 15 y 20%. Para ello, deciden fabricar seis especímenes de
prueba para cada nivel desconcentración, utilizando una planta piloto. Los 24 especímenes se someten a prueba
en un probador de tensión de laboratorio, en orden aleatorio. Los datos obtenidos aparecen en la siguiente tabla:
 
 
 
 
 
 
Usamos el análisis de varianza ANOVA para determinar si existe un efecto de la concentración de la madera
dura en la resistencia del papel

Solución:  
Ho: = = = = 0
Ho: ≠ 0 al menos para un i

3
20

En este caso el valor p = p(luego ¿cual es la solución?

Concluimos que los diferentes niveles de concentración de madera dura sin afectan a la variable de
respuesta si afectan ala resistencia del papel se acepta la conclusión de los ingenieros de estudios
Análisis de comparación de medias en Excel
Se copian los datos al tipo
de tabla NOVA y la opción
mas simple de la tabla nova
es la 1 solo factor
seleccionamos ahí y nos
pregunta la respuesta y en
este caso que la variable de
respuesta es la resistencia y
el factor de respuesta que
vamos a utilizar es la
concentración nivel de
confianza de 95%

El tema de comparaciones
todavía no lo vemos la
grafica tampoco y hacemos
algo sencillo le damos click a
aceptar
Y la tabla nos da el resultado y acá
nos muestra la respuestas

• El grado de libertad
• La suma de cuadrados
• El cuadro medio
• El cuadrado F y el valor P
los resultados son los mismos y
Las conclusiones son exactamente
las mismas
GRACIAS