ESTADÍSTICA
INFERENCIAL II
DISEÑO DE EXPERIMENTOS DE UN FACTOR
OBJETIVO
• Definir las reglas básicas a seguir
para el diseño, la realización y
análisis de experimentos, resaltando
las situaciones en que puede o debe
ser utilizado.
• Es de aplicación a todos
aquellos estudios y
CUANDO situaciones en las que se
USAR
DISEÑO DE necesita ensayar
EXPERIMEN hipótesis sobre una
TOS posible relación causa-
efecto.
• El término "Experimento" Se
refiere a la creación y
preparación de lotes de
EXPERIME
prueba que verifiquen la
NTO
validez de las hipótesis
DEFINICIÓ
establecidas sobre las causas
N
de un determinado problema
o defecto, objeto de estudio.
• Técnicas que permiten planear y
realizar un conjunto de pruebas
con el objetivo de generar datos
DEFINICIÓN
que, al ser analizados
DE DISEÑO
estadísticamente, proporcionen
DE
evidencias objetivas que
EXPERIMEN
permitan responder las
TOS (DDE)
interrogantes planteadas por el
experimentador sobre
determinada situación
EL DISEÑO DE
UN Debe poder comprobar las hipótesis
objeto de estudio, no dejándose
EXPERIMENTO confundir por variables insospechadas
DEBE (=ruido), como errores de medida
GARANTIZAR desproporcionados, etc.
QUE ESTE Debe poder revelar la existencia de
CUMPLA cualquier causa importante de
CIERTOS variación, aunque no haya sido
adelantada como hipótesis.
REQUISITOS
MÍNIMOS:
Debe mantener los costes de
experimentación a un nivel razonable, en
comparación con el problema objeto de
estudio.
Debe tener un alto grado de seguridad
en las respuestas.
Si el Experimento se realiza en un
laboratorio, éste ha de ser, respecto a las
variables estudiadas, un buen indicador
de las pruebas que se obtendrían en el
taller o "in situ".
Si el Experimento se realiza durante el
desarrollo normal del proceso en estudio,
se tendrá además cuidado de interferir
lo menos posible en el trabajo normal y
protegerse de las interferencias no
autorizadas o involuntarias en la prueba
por parte del personal del departamento.
ALGUNOS 1. Comparar a dos o más materiales
PROBLEMAS con el fin de elegir al que mejor
TÍPICOS QUE cumple los requerimientos.
PUEDEN 2. Comparar varios instrumentos de
RESOLVERSE medición para verificar si trabajan
CON EL con la misma precisión y exactitud.
DISEÑO Y EL
ANÁLISIS DE 3. Determinar los factores (las x
EXPERIMENTO vitales) de un proceso que tienen
S SON LOS impacto sobre una o más
SIGUIENTES: características del producto final.
4. Encontrar las condiciones de operación
(temperatura, velocidad, humedad, por ejemplo)
donde se reduzcan los defectos o se logre un mejor
desempeño del proceso.
5. Reducir el tiempo de ciclo del proceso.
6. Hacer el proceso insensible o robusto a oscilaciones
de variables ambientales.
7. Apoyar el diseño o rediseño de nuevos productos o
procesos.
8. Ayudar a conocer y caracterizar nuevos materiales.
• Nota: Tomado de “Gutiérrez Pulido Humberto, de la
Vara Salazar Román. (2008) ANÁLISIS Y DISEÑO DE
EXPERIMENTOS, 2ª. Ed.
McGRAW-HILL/INTERAMERICANA EDITORES, S.A. de
C.V. México
Una es observar o monitorear
vía herramientas estadísticas,
MANERAS hasta obtener señales útiles que
DE permitan mejorarlo; se dice que
OBTENER LA ésta es una estrategia pasiva.
La otra manera consiste en
INFORMACIÓ experimentar, es decir hacer
N cambios estratégicos y
deliberados al proceso para
provocar dichas señales útiles.
• La unidad experimental es la
pieza(s) o muestra(s) que se
UNIDAD utiliza para generar un valor
EXPERIMEN que sea representativo del
TAL resultado del experimento o
prueba.
A través de esta(s)
Variable de variable(s) se conoce
VARIABLES respuesta
el efecto o los
resultados de cada
prueba experimental.
,
FACTORES Son variables de
proceso y/o
características de los
Factores
Y NIVELES controlables
materiales y los
métodos
experimentales que se
pueden fijar en un
nivel dado
Son variables que no
Factores no se pueden controlar
controlables o durante el
experimento o la
ruido operación normal del
proceso.
Son las variables que
se investigan en el
Factores experimento para
estudiados observar cómo afectan
o influyen en la
variable de respuesta.
MODELO ES CUANDO SE
DE ESTUDIAN
TODOS LOS
EFECTOS POSIBLES
TRATAMIENTOS.
FIJOS
DISEÑO BALANCEADO
Es recomendable utilizar el mismo número de
repeticiones (ji = j) en cada tratamiento, a menos que
hubiera alguna razón para no hacerlo
Nota: Si uno de los tratamientos resulta demasiado caro
en comparación con los demás, se pueden plantear
menos pruebas
TAMAÑO POR LO GENERAL
SE RECOMIENDAN
DE LAS ENTRE 5 Y 30
MUESTRAS MEDICIONES EN
CADA
(J) TRATAMIENTO
DISEÑO
COMPLETO AL
AZAR (DCA)
DISEÑO COMPLETO AL AZAR
De esta manera, si
durante el estudio se
Este diseño se llama hacen en total n pruebas,
completamente al azar éstas se corren al azar, de
porque todas las corridas manera que los posibles
experimentales se efectos ambientales y
realizan en orden temporales se vayan
aleatorio completo. repartiendo
equitativamente entre los
tratamientos.
HIPÓTESIS OBJETO DE ESTUDIO
H 0 : 1 2 ...... i
H 1 : i k i k
NOTACIÓN DE PUNTOS
• Sirve para representar de manera abreviada cantidades numéricas que
se pueden calcular a partir de los datos experimentales, donde Yi,j
representa la j-esima observación en el tratamiento i con i=1,2,…,k y
j=1,2,….,ni .
• Las cantidades de interés son las siguientes:
• Yi. =Suma de las observaciones del tratamiento i.
• =Media de las observaciones del i-esimo tratamiento.
• Y..=Suma total de las N=n1+n2+….+nj mediciones.
• Media global o la media de todas las observaciones.
1. Descomponer la variabilidad total
PARA de los datos en sus dos
PROBAR componentes: la variabilidad debida
LA a tratamientos (suma de cuadrados
HIPÓTESIS de los tratamientos) y la que
corresponde al error aleatorio (suma
MEDIANTE de cuadrados del error)
LA
TÉCNICA
DE ANOVA
2. La Suma de Cuadrados de los Tratamientos
En donde J=tamaño de la muestra del i tratamiento
3. Suma de Cuadrados de los Errores
ANOVA
Suma Grado
de s de
Fuente de p
Cuadr Libert Varianza (MC) ()
Variación
ados ad
(SC) (gl)
Fc=MCTr/
Tratamien SCTr i-1 MCTr=SCTr/(I-1) Fα,I-1,I(J-1)
MCE
tos
Error MCE=SCE/(I*(J-
SCE I*(j-1)
1))
Total SCT I*j-1
Donde el valor-p es el área bajo la distribución Fi – 1, i*(j-1)
CRITERIOS
•Rechazar si:
DE
ACEPTACIÓ
N o p<alfa
•Si rechazamos H0,
estamos concluyendo
que con una
confiabilidad de 1-α %
de que cuando menos
una media es diferente.
•Dado lo anterior necesitamos
estables un método comparaciones
•Diagrama de cajas simultaneas
•Gráficos de medias
•Pruebas de rangos múltiples
•Método LSD
•Método Tukey
DIAGRAMAS DE CAJAS SIMULTÁNEOS
Gráficos basados en los cuartiles de un conjunto de
datos
Es una manera descriptiva de comparar
tratamientos
Gráfica de caja de DISTANCIA
250
DISTANCIA 200
150
100
50
0
M1 M2 M3 M4 M5
MOVIL
GRÁFICOS DE MEDIAS
• Grafica que presenta las medias con
intervalos de confianza para cada
tratamiento
•Esta grafica permite establecer si existen
diferencias entre los tratamientos
Gráfica de intervalos de DISTANCIA vs. MOVIL
95% IC para la media
250
200
DISTANCIA
150
100
50
0
M1 M2 M3 M4 M5
MOVIL
La desviación estándar agrupada se utilizó para calcular los intervalos.
1. Ordenar de menor a mayor las medias de
los tratamientos.
2. Calcular el estadístico de comparación
3. Establecer todos los pares de medias que
se pueden comparar (en forma de matriz)
MÉTODO DE 4. Obtener la diferencia entre las medias
COMPARACIÓ 5. Comparar esta diferencia con el
N estadístico de prueba
6. Si es mayor la diferencia se concluirá que
la diferencia es estadísticamente
significativa, de lo contrario son iguales
las medias
MÉTODO LSD
• LSD se llama la Diferencia mínima significativa, ya que es la
diferencia mínima que debe existir entre dos medias muestrales
para considerar que los tratamientos correspondientes son
significativamente diferentes.
• Y si el modelo es balanceado entonces:
LSD t 2* MCE
2
, gle J
MÉTODO TUKEY
• Es un método mas conservador para comparar las medias de los
tratamientos con un valor critico dado por:
W q ,i,gle MCE
j
Donde q se obtiene de las tabas del rango estudentizado
INTERVALO DE CONFIANZA
• Para calcular el intervalo de confianza para la grafica de
medias utilizamos la siguiente formula:
yi. t MCE
2
,gle J
• En una empresa manufacturera se
propone un tratamiento para reducir el
porcentaje de productos defectuosos
(scrap). Para validar esta propuesta se
diseñó un experimento en el que se
producía con o sin la propuesta de
EJERCICIO mejora. Cada corrida experimental
consistió en producir un lote y la variable
de respuesta es el porcentaje de
productos defectuosos. Se hicieron 25
repeticiones para cada tratamiento. Los
datos obtenidos se muestran a
continuación:
PORCENTAJE DE PRODUCTO DEFECTUOSO
5.3 4.0 4.0 4.0 2.6 2.1 5.1 4.1 4.1 3.2 5.1 2.2 4.1
CON
TRATAMIENTO
2.2 1.1 2.0 3.0 3.1 2.1 1.2 3.3 4.0 2.0 2.0 3.0
8.0 13.2 7.2 8.2 9.1 6.7 12.2 16.3 9.2 6.4 7.2 17.2 12.3
SIN
TRATAMIENTO
8.7 11.3 4.5 6.6 9.2 10.2 10.6 13.3 5.2 6.2 8.0 4.4
PREGUNTAS
1. Formule las Hipótesis, nula y alternativa correspondientes.
2. Utilizando un 95% de confiabilidad realice una ANOVA para probar las
hipótesis
3. En base al inciso anterior: ¿cuál es su conclusión?
4. Aplique el método tukey para determine las diferencias de medias y si
estas son estadísticamente significativas.
5. Cuál es el intervalo de confianza de la media del porcentaje de productos
defectuosos que fueron resultado de aplicar el tratamiento.( Utilice una
confiabilidad del 95%)
