UNIDAD 4 DISEÑO EXPERIMENTAL

PARA UN FACTOR
4.1 Introducción, conceptualización, importancia y alcance
del diseño experimental en el ámbito empresarial.
Introducción
El diseño de experimentos con un factor constituye la versión más sencilla del
problema general de diseño de experimentos. Suele plantearse de la siguiente
manera: se requiere analizar una característica cualitativa X( que suele llamarse
variable respuesta), sometida a m niveles de un único factor. Fundamentalmente, el
interés de estudiarlo radica en si el factor tiene una influencia significativa sobre la
variable respuesta. Para esto, se obtendrá, para cada uno de los niveles una
muestra aleatoria de valores X. Estas observaciones Xij son observaciones
independientes con distribución N(µ+xij σ).
Conceptualización
El diseño de experimentos ha sido creado por matemáticos y estadísticos, por lo
que posee su propio lenguaje, el cual es necesario conocer para su mejor
comprensión y utilización, a continuación se describen los términos más
importantes:
Factor.- Una de las variables dependientes que son estudiadas en el experimento.
Esta puede ser cualitativa o cuantitativa.
Nivel.- Valores que puede tener el factor a estudiar.
Combinación.- Es la asignación de un solo nivel a un factor, o de varios niveles a
todos los factores en una corrida experimental.
Variable de respuesta.- s el resultado de una corrida experimental. Variable a
estudiar.
Efecto.- Es el cambio en la variable de respuesta por el cambio del nivel de un factor.
Interacción.- Cuando uno o más factores trabajan juntos para producir un efecto
diferente que los efectos producidos por aquellos factores de manera individual.
Corrida experimental.- Implementación de cada una de las combinaciones.
Bloque.- Agrupación planeada de factores o combinaciones. Es realizada de
manera a minimizar la variación no incluida en el diseño, ejemplo puede ser el turno
de dia de la semana.
Replicación.- Repetición de la corrida experimental.
Alcance del diseño experimental
Para más de dos factores, 2k el experimento factorial se puede diseñar
recurrentemente de 2k-1 experimento factorial replegando los 2k-1 el experimento,
asignando el primer repliega al primer (o punto bajo) llano del nuevo factor, y el
segundo repliega al segundo (o colmo) llano. Este marco se puede generalizar a,
e.g., diseñando tres réplicas para los factores de tres niveles, etc.
Un experimento factorial permite la valoración de error experimental de dos
maneras. El experimento puede ser replegado, o principio de los sparsity-de-efectos
la poder se explote a menudo. La réplica es más común para los experimentos
pequeños y es una manera muy confiable de determinar error experimental. Cuando
el número de factores es grande (típicamente más que cerca de 5 factores, pero
éste varía por el uso), réplica del diseño pueden llegar a ser operacionalmente
difíciles.

4.2 Clasificación de los diseños experimentales.

Diseño experimental.- Estrategia para el estudio preciso de un fenómeno
psicológico, según O’Nell (1968) es un modelo particular de variación y constancia.
El diseño experimental es una técnica estadística que
permite cuantificar las causas de un efecto dentro de un estudio experimental Se
manipulan deliberadamente una o más variables vinculadas a las causas para medir
el efecto, que tiene en otra variable de interés.
Diseño es igual a un esquema de acción. Objetivo: evidenciar la acción de los
factores experimentales y eliminar la influencia de los factores extraños, según
Matalon (1969)
Estructura del diseño experimental.- Es lógica y unitaria que implica dos actividades:
organizar los diferentes aspectos del experimento y el procedimiento estadístico
para interpretar los resultados del mismo.
Clasificación:
 Pre experimentales
 Cuasi experimentales
 Experimentales
 Longitudinales
 Diseños Transversales
 Diseño de series cronológicas
 Diseño de muestras cronológicas equivalentes
 Diseño de grupo de control no equivalente
 Diseños experimentales de grupo
 Diseño de grupos aleatorios
 Diseño de grupos apareados
  Diseño factorial
 Diseños de series de tiempo o N=1
Diseños pre experiméntales
No tienen control sobre las variables extrañas y presentan problemas de validez
interna.
Características:
a) Es difícil establecer una relación biunívoca entre las variables dependiente e
independiente.
b) No hay control sobre la selección de sujetos.
c) La comparación formal entre dos o más observaciones es limitada
d) Poco control de variables extrañas
Según Campbel y Stanley(1978), tres de estos diseños serían:
1) Diseño de estudio de caso con una sola medición.- Cuando el grupo
ha sido sometido a una variable independiente, existiendo una sola
medición posterior (postest)
2) Diseño pretest-postest de un solo grupo.- Se efectúa una observación
antes de introducir la variable independiente y otra después de su
aplicación.
3) Diseño de comparación con un grupo estático.- Se trabaja con un
grupo experimental, que recibe la variable independiente y uno de
control que no recibe tratamiento alguno.
Diseños cuasi experimentales
Carecen de control sobre la programación de variables y sobre la selección de los
sujetos, presentada por lo regular en los estudios de campo.
Diseños experimentales
Tiene una serie de pautas a seguir:
 Plan determinado
 Variables independientes, a manipular
 Aplicación de tratamiento
 Repetición
 Orden para establecer un grado de confianza
 Buscar la validez interna y externa
Diseños Longitudinales
Un estudio longitudinal es un tipo de estudio observacional
que investiga al mismo grupo de gente de manera repetida a lo largo de un período.
Ofrecen indicadores más precisos de los cambios en las sociedades estudiadas,
su gran potencial permiten que sus consecuencias puedan aplicarse en otros
campos de las ciencias sociales.
Son estudios que recogen datos en diferentes puntos, a través del tiempo, para
realizar inferencias acerca del cambio, sus determinantes y consecuencias.
Diseños Transversales
Implican la recolección de datos en un solo corte en el tiempo,
No existe continuidad en el eje del tiempo, es observacional, descriptivo, medición
de prevalencia de la exposición y efecto de la muestra poblacional en un sólo
momento temporal, permite estimar la magnitud y distribución de una situación
determinada en un momento dado.
Diseño de series cronológicas
Toma una serie de mediciones antes de introducir el tratamiento sobre un grupo o
individuo, finalizadas las observaciones se somete al grupo o sujeto a la intervención
y posteriormente es retirada para volver a efectuar observaciones.
Diseño de muestras cronológicas equivalentes
Selecciona dos muestras iguales de una población a introducir de forma intermitente
la variable independiente n una de ellas, llamada experimental, la muestra de control
es observada sin la introducción del tratamiento.
Diseño de grupo de control no equivalente
Se emplean grupos ya formados, se designa al azar cuál grupo será el control y cuál
el experimental, realizando observaciones antes y después del tratamiento.
Diseños experimentales de grupo
Hay comparación formal entre dos o más observaciones, medidas o grupos, control
de variables extrañas, manipulación de la variable dependiente por el
experimentador, relación biunívoca entre las variables independiente y dependiente,
selección de sujetos por parte del experimentador, asignación aleatoria de los
sujetos a los diferentes grupos. Estos diseños comprenden los de grupo y los de
N=1 o de series temporales.
Diseño de grupos aleatorios
Se determina con exactitud la población de interés, se toma una muestra
representativa al azar de dicha población, se asigna aleatoriamente a los sujetos y
se aplica una prueba a ambos grupos antes y después de la introducción del
tratamiento.
Diseño de grupos apareados
Se designa a los sujetos a los grupos de control y experimental con base en una
prueba preliminar, del tal manera que ambos grupos quedan constituidos por
parejas con característica similares. Sus limitantes son el tiempo que requiere para
el procedimiento y la mortalidad. El apareamiento puede ser:
1. De variables correlacionadas.- aparear sujetos en función de alguna
variable que se cree está relacionada con la que se estudia.
2. Por parejas similares.- se seleccionan sujetos con características
comunes (gemelos).
3. Por criterio de ejecución.- se seleccionan los pares que hayan
obtenido puntuaciones similares en una prueba determinada
previamente.
Diseño factorial
Se requieren tantos grupos como combinaciones posibles existan entre las
variables, evalúa los efectos de la interacción de las variables independientes
especificadas.
Diseños de series de tiempo o N=1
Estrategia alternativa a los diseños de grupo, enfatiza el tomar medidas repetidas a
través del tiempo de un mismo sujeto, realización de una serie de observaciones
controladas, cuando se observa estabilidad en la línea base se introduce la variable
independiente y se registra la variable dependiente, se trabaja con un solo sujeto o
grupo de sujetos funcionando cada uno como su propio control.
La formación de grupos por aleatorización
Diseño contrabalanceado o cruzado o de bloque aleatorio o de cuadro latino.- Se
prueba en determinada secuencia de condiciones al sujeto o grupo de sujetos
mientras que el otro está en una secuencia diferente. Los sujetos deben
ser asignados a las diferentes secuencias en forma aleatoria. Ventaja que el sujeto
constituye su propio control.
Limitación: el orden de los tratamientos puede afectar los resultados.

La formación de grupos por bloqueo

Se designa a los sujetos a los grupos de control y experimental
con base en una prueba preliminar, del tal manera que ambos grupos quedan
constituidos por parejas con característica similares, de forma que cada bloque es
una réplica del experimento, sus limitantes son el tiempo que requiere para el
procedimiento y la mortalidad. El apareamiento puede ser:
1. De variables correlacionadas.- aparear sujetos en función de alguna variable que
se cree está relacionada con la que se estudia.
2. Por parejas similares.- se seleccionan sujetos con características comunes
(gemelos).
3. Por criterio de ejecución.- se seleccionan los pares que hayan obtenido
puntuaciones similares en una prueba determinada previamente.

4.3 Nomenclatura y simbología en el diseño experimental.

En un diseño experimental de clasificación simple, se trata de comparar varios
grupos generalmente llamados Métodos o Tratamientos, como por ejemplo
diferentes maneras de tratar una enfermedad: con medicamentos, quirúrgicamente,
acupuntura, etc. Para hacer la comparación se usa una variable de respuesta
cuantitativa Y que es medida en cada uno de los grupos. Los grupos también
pueden ser los niveles de una variable cualitativa que es llamada Factor.

Simbología
 T= Tratamientos
 C= Control
 F= Factores
 A= Números de tratamientos
 N= Tamaños de la muestra
 R= Replica o Repetición
 R: asignación al azar o aleatoria
 E: emparejamiento o nivelación
 G: grupo de sujetos
 X: tratamiento, estímulo o condición experimental.
 O: medición de los sujetos de un grupo.―: ausencia de estímulo en la
variable independiente (grupo testigo).
Definiciones
Tratamientos: Son las condiciones (procesos, técnicas, operaciones, etc.) las cuales
distinguen las poblaciones de interés. NOTA: Cada tratamiento define únicamente
una población
Control: Es la capacidad que tiene el investigador para elegir según su voluntad los
elementos que intervienen en la investigación.
Efecto: Es el cambio en la variable de respuesta por el cambio de nivel de un factor.
Factores: Son las variables las cuales se presume que afectan la característica de
interés en el proceso. Una de las variables dependientes que son estudiadas en el
experimento. Puede ser cualitativa o cuantitativa. Se dividen en dos tipos: factores
controlables y factores ruido
Factores controlables: son aquellos con un grado de control, es decir que se pueden
manejar, variar o manipular con gran facilidad.
Factores ruido: son aquéllos sobre los cuales el grado de control es menor y el
manejo es más difícil.
Niveles del factor: Son las diferentes categorías dentro de un factor de las cuales
puedes estudiar.
Corrida o unidad experimental: Ente al cual se aplica el tratamiento y sobre el cual
se mide la variable respuesta.
Partición: Proceso que distribuye la suma total de cuadrados y de grados de libertad
entre sus diversos componentes.
Interacción: Efecto que se produce cuando los niveles (valores) de un factor
interactúan con los niveles (valores) del otro factor e influyen en la variable de
respuesta. Cuando uno o más factores trabajan juntos para producir un efecto
diferente que los efectos producidos por aquellos factores de manera individual.
Diseño de bloques aleatorizado: Diseño de experimentos en el que se usa la
formación de bloques.
Experimento factorial: Diseño experimental en el que se obtienen simultáneamente
conclusiones acerca de dos o más factores.
Combinación: Es la asignación de un solo nivel a un factor, o de varios niveles a
todos los factores en una corrida experimental.
Variable de respuesta: Es el resultado de una corrida experimental. Variable a
estudiar.
Corrida experimental: Implementación de cada una de las interacciones.
Bloque: Agrupación planeada de factores o combinaciones. Se realiza a manera de
minimizar la variación no incluida en el diseño.
Replicación: Es una repetición del experimento básico o el número de veces que se
replican cada uno de los tratamientos.
Bloqueo: Es una técnica usada para incrementar la precisión de un experimento
mediante la eliminación de variación introducida por los factores ruido. Un bloque
es una porción de material experimental que debe ser más homogéneo que todo el
conjunto de material experimental.
Aleatorización: Es el principio básico fundamental en el uso de métodos estadísticos
en diseño experimental. Por aleatorización se entiende que, la asignación del
material experimental a los tratamientos y el orden en el cual las corridas o pruebas
individuales del experimento van a ser ejecutados se determinan aleatoriamente.
Análisis de varianza (anova)
Es el proceso de subdividir la variabilidad total de las observaciones experimentales
en porciones atribuibles a fuentes de variación conocidas. Este es el método
estadístico más utilizado en el análisis de experimentos.

4.4 Identificación de los efectos de los diseños

experimentales.
Identificación de los efectos de los diseños experimentales:
La experimentación forma parte natural de la mayoría de las inv
e s t i g a c i o n e s científicas e industriales, en muchas de las cuales, los
resultados del proceso de interés se ven afectados por la presencia de
distintos factores, cuya
influenciap u e d e e s t a r o c u l t a p o r l a v a r i a b i l i d a d d e l o s r
e s u l t a d o s m u é s t r a l e s . E s fundamental conocer los factores que
influyen realmente y estimar esta influencia. Para conseguir esto es necesario
experimentar, variar las condiciones que afectan a l a s u n i d a d e s
experimentales y observar la variable respuesta el análisis y
estudio de la información recogida se obtienen las conclusiones. L a f o r m a
tradicional que se utilizaba en la experimentación, para el estudio
d e estos problemas, se basaba en estudiar los factores uno a uno, esto es, variar
los niveles de un factor permaneciendo fijos los demás. Esta metodología
presenta grandes inconvenientes Es necesario un gran número de pruebas. L a s
conclusiones obtenidas en el estudio de cada factor tiene un
c a m p o d e valides muy restringido. lo es posible estudiar la existencia de
interacción entre los factores. Es inviable, en muchos casos, por problemas de
tiempo o costo. Las técnicas de diseño de experimentos se basan en
estudiar simultáneamente l o s e f e c t o s d e t o d o s l o s f a c t o r e s d e
i n t e r é s , s o n m á s e f i c a c e s y p r o p o r c i o n a n mejores resultados con un
menor coste.
A continuación se enumeran las etapas que deben seguirse para una correcta
planificación de un diseño experimental, etapas que deben ser
e j e c u t a d a s d e forma secuencial. También se introducen algunos conceptos
básicos en el estudio de los modelos de diseño de experimentos. Las etapas a
seguir en el desarrollo de un problema de diseño de experimentos son las
siguientes:

Definir los objetivos del experimento.

Identificar todas las posibles fuentes de variación, incluyendo:
 factores tratamiento y sus niveles,
 unidades experimentales
 factores nuisance (molestos) factores bloque, factores ruido y covariables.

Elegir una regla de asignación de las unidades experimentales a las

condiciones de estudio (tratamientos).
Especificar las medidas con que se trabajará la respuesta,
e l p r o c e d i m i e n t o experimental y anticiparse a las posibles dificultades.

o Ejecutar un experimento piloto.

o Especificar el modelo.

o Esquematizar los pasos del análisis.

o Determinar el tamaño muestral.

o Revisar las decisiones anteriores. Modificarlas si se considera

necesario.

4.5 La importancia de la aleatorización de los especímenes

de prueba.
Importancia de la aleatorización
La aleatorización consiste en que tanto la asignación del material experimental como el orden
en que se realizan las pruebas individuales o ensayos se determinan aleatoriamente y
la importancia de esta consiste en:

1. Garantizar la validez de la estimación del error experimental.

2. Garantizar la independencia de los errores o que las observaciones sean variables

aleatorias independientes. Esto es necesario para obtener pruebas de
significancia válidas y estimados de intervalos.

3. Eliminar el sesgo de tal manera que no se desfavorezca o discrimine a los tratamientos y

permite cancelar los efectos de factores extraños que pudieran estar presentes.

La aleatorización hace valida la pruebas haciéndola apropiada para analizarlos datos

como si la suposición de errores independientes fuera cierta. Obsérvese que no hemos dicho
que la aleatorización garantiza independencias sino sólo que la aleatorización nos
permite proceder como si la independencia fuera un hecho. La razón de esta distinción debe
ser clara: los errores asociados con unidades experimentales que son adyacentes
en espacio o tiempos tenderán a correlacionarse y todo lo que hace la aleatorización
es asegurarnos que el efecto de esta correlación sobre cualquier comparación entre los
tratamientos se hará tan pequeña como sea posible. Aun quedara algo de correlación pero
ninguna cantidad de aleatorización puede eliminarla totalmente. Es decir en cualquier
experimento la independencia de errores completa y verdadera es sólo ideal y nunca puede
lograrse. Sin embargo por todos conceptos debe buscarse tal independencia y la aleatorización
es la mejor técnica empleada para lograr el fin deseado. Algunas veces se introduce
el concepto de aleatorización como un instrumento para eliminar, tendencias. Para
ilustrar el razonamiento en que se basa este procedimiento y debe ser parcial a favor de
si existe un efecto de aprendizaje. Sin embargo si cada vez que tuvo que
investigarse un nuevo compuesto el analista tubo de decidir al azar cual procedimiento usar
primero la tendencia pudo haber sido reducida tal vez eliminada. Pero podrá haberse
logrado algo más. Si estuviesen actuando otras tendencias también se podrán haber
eliminado sus efectos o al menos reducido por medio de aleatorización. Es decir
asignando tratamientos al azar a las unidades experimentales estamos tratando de certificar que
los tratamientos no ser favorecidos continuamente o perjudicados por fuentes extrañas de
variación sobre las que no tenga control el experimentador o sobre los cuales decida no ejercer
control.
En otras palabras la aleatorización es como un seguro siempre es una buena idea y algunas
veces esa mejor de lo que esperamos.

4.6 Supuestos estadísticos en las pruebas experimentales.

A. Aditividad – Los factores o componentes del modelo estadístico son aditivos, es
decir la variable respuesta es la suma de los efectos del modelo estadístico.
B. Linealidad – La relación existente entre los factores o componentes del modelo
estadístico es del tipo lineal.
C. Normalidad – Los valores resultados del experimento provienen de una
distribución de probabilidad «Normal» con media m y variancia S2.
D. Independencia – Los resultados observados de un experimento son
independientes entre sí.
E. Variancias Homogéneas – Las diversas poblaciones generadas por la aplicación
de dos o más tratamientos tienen variancias homogéneas (variancia común).

Tabla ANOVA para Diseño Completamente Aleatorizado:

Tamaños de muestra iguales:

Tamaño de muestras diferentes:

Hipótesis: Prueba de Duncan:

4.7 Prueba de duncan.

Prueba de duncan
Es un procedimiento utilizado para realizar la comparación de rangos múltiples de medias.
Este procedimiento se basa en la noción general de un rango studentizado 0
recordar distribución student. El rango de cualquier subconjunto de p medias
muéstrales debe exceder cierto valor antes de que se encuentre que cualquiera de la
p medias es diferentes.

El Test de Duncan es un test de comparaciones múltiples. Permite comparar las

medias de la t niveles de un factor después de haber rechazado la Hipótesis nula
de igualdad de medias mediante la técnica ANOVA. Todos los tests de
comparaciones múltiples son tests que tratan de perfilar, tratan de especificar, tratan
de concretar, una Hipótesis alternativa genérica como la de cualquiera de los Test
ANOVA.

El Test de Duncan es muy similar al Test HSD de Tukey (Ver Herbario de técnicas),
pero en lugar de trabajar con un umbral fijo trabaja con un umbral cambiante. Un
umbral que dependerá del número de medias implicadas en la comparación.

Para saber el número de medias implicadas en la comparación se ordenan las

medias muéstrales de menor a mayor y así al hacer una comparación entre dos
medias sabremos además de las dos medias comparadas cuantas medias quedan
dentro. Este número de medias implicadas en cualquier comparación de medias es
el parámetro p de este umbral.
4.8 Aplicaciones industriales.
Un fabricante de papel para hacer bolsas para comestibles, se encuentra interesado
en mejorar la resistencia a la tensión del producto. • El departamento de ingeniería
del producto piensa que la resistencia a la tensión en una función de la
concentración de madera dura en la pulpa y que el rango de concentraciones de
madera de interés práctico está entre el 5% y 20%.
El equipo de ingenieros responsables del estudio decide investigar cuatro niveles
de concentración de madera dura: 5%, 10%, 15% y 20%. Deciden hacer seis
ejemplares de prueba con cada nivel de concentración, utilizando una planta piloto.
Las 24 muestras se prueban, en orden aleatorio, con una máquina de laboratorio
para probar la resistencia.
La siguiente tabla muestra los datos de este experimento ia.

Realice un análisis de varianza para probar la hipótesis de que diferentes

concentraciones de madera dura no afectan la resistencia del papel 383.
Realice un análisis de varianza para probar la hipótesis de que diferentes
concentraciones de madera dura no afectan la resistencia del papel.
SEP DGEST SNEST

TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE CERRO
AZUL
ESTADÍSTICA INFERENCIAL II

UNIDAD 4 “DISEÑO
EXPERIMENTAL PARA UN
FACTOR”

Presentado por:
Arenas Bautista Astrid Adhara 16500567
Arteaga Roque Ana Rocío 16500568
Castro Roque Daniela Estrella 16500
González Gómez Alma Ruth 16500581
Gómez Ascencio Francisco Javier 16500580
Sánchez Jiménez Dulce Isabel 15500593

ING. EN GESTIÓN EMPRESARIAL

Catedrático(a):
Lic: Eglantina Chue Rubio.

Cerro Azul, Ver Fecha: 21/11/2018