Вы находитесь на странице: 1из 34
Diseños Experimentales
Diseños Experimentales

Prof. Enit Huamán Cotrina

EXPERIMENTAR VS. ANALIZAR

DATOS EXISTENTES

¿Es realmente necesario hacer experimentos? ¿No se podría llegar a las mismas conclusiones analizando
¿Es realmente necesario
hacer experimentos?
¿No se podría llegar a las
mismas conclusiones
analizando
convenientemente los
datos disponibles?

PRINCIPIOS BÁSICOS

Cualquier problema experimental involucra dos aspectos:PRINCIPIOS BÁSICOS  El diseño del experimento y  el análisis estadístico de los datos. Estos

 El diseño del experimento y  el análisis estadístico de los datos.
 El diseño del experimento y
 el análisis estadístico de los datos.

Estos dos temas están estrechamenteexperimento y  el análisis estadístico de los datos. ligados , ya que el método de

ligados , ya que el método de análisis depende del diseño empleado

Prof. Enit Huamán Cotrina
Prof. Enit Huamán Cotrina

EXPERIMENTOS FACTORIALES

Definiciones.
Definiciones.

Usualmente en los experimentos se deseaEXPERIMENTOS FACTORIALES Definiciones. estudiar el efecto de dos o más factores. Por diseño factorial se entiende

estudiar el efecto de dos o más factores.

Por diseño factorial se entiende que en cada ensayo o réplica completa del experimento sese desea estudiar el efecto de dos o más factores. investigan todas las combinaciones posibles de

investigan todas las combinaciones posibles

de los niveles de los factores.

Por ejemplo.

 Factor A: “a” niveles  Factor B: “b” niveles
 Factor A: “a” niveles
 Factor B: “b” niveles

Entonces cada réplica puede contiener todas la ab combinaciones de los tratamientos.

 Factor B: “b” niveles Entonces cada réplica puede contiener todas la ab combinaciones de los

MODELOS

Modelo de efectos fijos
Modelo de
efectos fijos
Modelo de efectos aleatorios
Modelo de efectos
aleatorios
Modelo mixto
Modelo
mixto

Efectos fijos

Efectos fijos Cuando el investigador sólo está interesado en estudiar ciertos niveles de los factores involucrados

Cuando el investigador sólo está

interesado en estudiar ciertos niveles de los factores involucrados y
interesado en estudiar ciertos
niveles de los factores involucrados y

por lo tanto la selección no es aleatoria . Los resultados sólo serán útiles para los niveles considerados en el estudio.

Efectos aleatorios

Efectos aleatorios Cuando el investigador está interesado en un gran número de posibles niveles, y no

Cuando el investigador está interesado en un gran número de posibles niveles, y no es

posible estudiarlos todos, la mejor manera de

estudiarlos, es seleccionar aleatoriamente una cantidad de niveles de la población de niveles de cada
estudiarlos, es seleccionar aleatoriamente una
cantidad de niveles de la población de niveles de
cada factor en estudio . Los resultados podrán

generalizarse para toda población de niveles.

Efectos mixtos

Cuando los niveles de algunos de los factores son elegidos aleatoriamente y mientras que otros
Cuando los niveles de algunos de los
factores son elegidos aleatoriamente y
mientras que otros niveles de los otros
factores, también considerados en el
estudio, son fijados por el investigador .
Efecto de un factor o efecto principal
Efecto de un factor o efecto
principal
Efecto de un factor o efecto principal Es el cambio en la respuesta media producido por

Es el cambio en la respuesta media producido por un cambio en el nivel del factor.

media producido por un cambio en el nivel del factor. Por ejmplo. Consideremos el diseño factorial

Por ejmplo. Consideremos el diseño factorialmedia producido por un cambio en el nivel del factor. 2 2 . Es decir el

2 2 .

Es decir el diseño tiene dos factores y cada factor tiene dos niveles: bajo (-) y alto(+)la respuesta media producido por un cambio en el nivel del factor. Por ejmplo. Consideremos el

Experimento factorial de dos factores con la

respuesta (y) indicada en los vértices

+

(Alto)

respuesta (y) indicada en los vértices + (Alto) - (Bajo) 30 52   20 40  

-

(Bajo)

30

52

30 52
 
 
 
30 52   20 40  
30 52   20 40  

20

40

 

-

(Bajo)

+

(Alto)

Factor A
Factor A

B +

B + B - B - - + Factor A
B
+
B -
B
-
-
+
Factor A

Cálculo del Efecto Principal A

Cuando el factor A se incrementa del nivel bajo al alto se produce un incremento

Cuando el factor A se incrementa del nivel bajo al alto se produce un

incremento de la respuesta promedio

de 21 unidades.

A

40

52

20

30

 

2

2

21

Cálculo del Efecto Principal B

Cuando el factor B se incrementa del nivel bajo al alto se produce un incremento

Cuando el factor B se incrementa del nivel bajo al alto se produce un

incremento de la respuesta promedio

de 11 unidades.

B

30

52

20

40

 

2

2

11

Experimento factorial de dos factores con interacción 40 12 B - + (Alto) B +
Experimento factorial de dos factores con interacción 40 12 B - + (Alto) B +

Experimento factorial de dos factores con interacción

40 12 B - + (Alto) B + - B + 20 50 (Bajo) B
40
12
B
-
+
(Alto)
B
+
-
B +
20
50
(Bajo)
B
-
-
+
-
+
(Bajo)
(Alto)
Factor A
Factor A
interacción 40 12 B - + (Alto) B + - B + 20 50 (Bajo) B
interacción 40 12 B - + (Alto) B + - B + 20 50 (Bajo) B

Con el nivel bajo del factor B (o B - ), el efecto de A es: - ), el efecto de A es:

A 50 20 30

Con el nivel alto del factor B (o B + ), el efecto de A es: + ), el efecto de A es:

A 12 40  28

El efecto de A depende de los niveles de B, por lo tanto existe una interacción entre A ydel factor B (o B + ), el efecto de A es: A  12 

B.

AB

( 28

30)

2

  29

DISEÑO FACTORIAL DE DOS

FACTORES

En la práctica se suele trabajar con diseños de dos factores, A y B, donde

se suele trabajar con diseños de dos factores, A y B, donde cada factor tiene dos

cada factor tiene dos o más niveles.

factores, A y B, donde cada factor tiene dos o más niveles. Hay “a” niveles del

Hay “a” niveles del factor A y “b”

niveles del factor B y cada una de las

“n” réplicas del experimento contiene ab combinaciones de los tratamientos

Ejemplo . Un ingeniero está diseñando una batería que se usará en un dispositivo el
Ejemplo . Un ingeniero está diseñando una batería que se usará en un dispositivo el

Ejemplo. Un ingeniero está diseñando una batería que se usará en un dispositivo el cuál se

someterá a variaciones de temperatura extrema.

El único parámetro de diseño que puede seleccionar en este punto es el material de la

placa o ánodo de la batería y tiene tres elecciones

posibles. Cuando el dispositivo esté fabricado y se envíe al campo, el ingeniero no tendrá control sobre las temperaturas extremas en las que operará el dispositivo, pero sabe por experiencia

que la temperatura probablemente afectará la

vida efectiva de la batería.

El ingeniero decide probar probar los tres materiales de la placa con tres niveles de

El ingeniero decide probar probar los tres materiales de la placa con tres niveles de

temeparatura, 15, 70 y 125°F, ya que estos

niveles de temperatura son consistentes con el

medio ambiente donde se usará finalmente el

producto. Se prueban cuatro baterías con cada combinación del material de la placa y la temperatura, y las 36 pruebas se corren de manera aleatoria. La tabla siguiente muestra los resultados obtenidos.

Datos de la vida (en horas) de las

baterías

Tipo

Temperatura

de

15 °F

70 °F

125 °F 20 70 82 58 130 155 74 180 34 40 80 75 25

125 °F

20

70

82

58

130 155

74 180

34

40

80

75

25 70 58 45 96 104 82 60
25 70 58 45 96 104 82 60

25

70

58

45

96

104

82

60

M1

M1

M2

M3

150

188

136

122

159

126

106

115

138

110

174

120

168

160

150

139

M2 M3 150 188 136 122 159 126 106 115 138 110 174 120 168 160
M2 M3 150 188 136 122 159 126 106 115 138 110 174 120 168 160
¿Qué efectos tienen el tipo de material y la temperatura sobre la vida de la
¿Qué efectos tienen el
tipo de material y la
temperatura sobre la
vida de la batería?

Modelo de los efectos

Modelo de los efectos Las observaciones de un experimento factorial pueden describirse con el siguiente modelo.

Las observaciones de un experimento factorial

pueden describirse con el siguiente modelo.

y ijk

 

i

j

(

)

ij

donde :

i

1, 2,

,

a

j

1, 2,

,

b

k

1, 2,

,

n

ijk

Donde  es el efecto promedio global,  i es el efecto del nivel i-ésimo del es el efecto promedio global, i es el efecto del nivel i-ésimo del factor A de las filas, j es el efecto del nivel j-ésimo del factor B de las columnas, () ij es el efecto de la interacción entre i y j , y ijk es un componente del error aleatorio. Se supone que los errores tienen distribución normal con media cero y varianza constante

Ambos factores son fijos.distribución normal con media cero y varianza constante Los efectos de los tratamientos se definen como

Los efectos de los tratamientos se definen como las se definen como las

desviaciones de la media global, por lo que:

a b a b   0   0  (   )
a
b
a
b

0 

0
(
 
)
(
 
)
0
i
j
ij
ij
i
1
j
1
i
1
j
1

Pruebas de Hipótesis

Efecto de los tratamientos de las filas

H     0 0 : 1 2 a H : al menos
H
   
0
0 :
1
2
a
H
: al menos un

0
1
i

Efecto de los tratamientos de las columnas

H

0

1

1

2

a

: al menos un 0



i

H

:     0

H     0 0 : 1 2 b H : al menos
H
   
0
0 :
1
2
b
H
: al menos un

0
1
j

Efecto de la interacción fila columna

H : (   ) 0  i, j 0 ij H : al
H
: (
 
)
0
i, j
0
ij
H
: al menos un (
 
)
0
1
ij

Análisis estadístico del modelo con

Análisis estadístico del modelo con efectos fijos b n a n y  y y 

efectos fijos

b n a n y  y y  y i   ijk .
b
n
a
n
y
y
y
y
i 

ijk
. j.
ijk
j
1
k
1
i
1
k
1
y
i
y
. j.
y
i
y
. j.
bn
an
n
a
b n
y
y
y
y

ijk
ijk
k
 1
i
1
j
1
k
1
y
y
y
y 
n
abn

Algunas

notaciones

Suma de cuadrados total corregida

2 ) a b n a b n y     ij .
2
)
a b
n
a b
n
y

ij .
i
. j .
i  1
i
1
j
1
k
)
a
b
bn
( y
i
. j .
i  1
j
1
a b
2
i
 1
j  1
a b
n
2

ij.
ijk
i
1
j
 k 
1

( y

i

y

( y

. j .

y

)

y

y

)

j

1

k

( y

ijk

y

)

2



( y

 



( y

ijk

y

ij.

2

an

2

y

)

( y

y

)

n 

( y

ij .

y

i

y

. j .

y

)

( y

y

)

La suma de cuadrados anterior puede simbolizarse de la siguiente forma

Suma de cuadrados debida a la interacción A y B
Suma de
cuadrados
debida a la
interacción A y
B
Suma de cuadrados debida a las filas
Suma de
cuadrados
debida a las
filas

SST SSA SSB SSAB SSE

Suma de cuadrados debida a las columnas
Suma de cuadrados
debida a las
columnas
Suma de cuadrados debida al error
Suma de
cuadrados
debida al error
Suma de cuadrados total
Suma de
cuadrados
total

Fórmulas prácticas para el cálculo de la

suma de cuadrados

2 a b n y 2 SST  y   ijk abn i 
2
a b
n
y
2
SST
y

ijk
abn
i
1
j
1
k
1
2
a
1
y
2
SSA
 y
bn
i
abn
i
 1
2
b
1
y
SSB
2
y
. j
.
an
abn
j
 1

La suma de cuadrados de la interacción se obtiene de la siguiente forma:

2 a b   n abn i  1 j  1 SSAB 
2
a b

n
abn
i
1
j
1
SSAB
SS
SSA
SSB
subtotales

1

2

y

SS

subtotales

y ij.

Y la suma de cuadrados del error se obtiene por

diferencia.

SSE

SST

SST

SSAB SSA

SS

subtotales

SSB

Cuadrado medio
Cuadrado medio
Cuadrado medio Los valores esperados de los cuadrados medios son: a 2 bn   i

Los valores esperados de los cuadrados medios

son:

a 2 bn   i SSA  2 i  1 E ( MSA)
a
2
bn
i
SSA
2
i
1
E
( MSA)
 E
a
 1
1
  
a
a
2
an
j
2
i
1
E
( MSB)
 E
 SSB
1
 b
  
b
1
Cuadrado medio
Cuadrado medio
Cuadrado medio Los valores esperados de los cuadrados medios son: a 2 n  ) 

Los valores esperados de los cuadrados medios

son:

a 2 n  )  ( ij  SSAB  2 i  1
a
2
n

)
 (
ij
SSAB
2
i
 1
E
( MSAB)
 E 
  
( a
1)( b
1)
( a
1)( b
1)
SSE
2
E
( MSE)
E 
 
ab ( n
 1)

Respuesta promedio para cada combinación de los

tratamientos

Vida promedio

Gráfica tipo de material-temperatura

175.0

150.0

125.0

100.0

75.0

50.0

25.0

0.0

15 °F

70 °F

125 °F

M1

M2

M3

Temperatura

Tabla de ANOVA para la vida de la batería

F.V gl SS MS Fc valor p Material 2 10683.72 5341.86 7.911 0.0020 Temperatura 2
F.V
gl
SS
MS
Fc
valor p
Material
2
10683.72
5341.86
7.911
0.0020
Temperatura
2
39118.72
19559.36
28.968
0.0000
Interacción
4
9613.78
2403.44
3.560
0.0186
Error
27
18230.75
675.21
Total
35
77646.97
¡La interacción es
significativa!
las comparaciones entre las medias de uno de Como la interacción significativa, es los factores

las

comparaciones entre las medias de uno de

Como la

interacción

significativa,

es

los

factores

(por

ej.

A)

pueden

ser

empañadas por

la

interacción

AB.

Una

un nivel

específico y aplicar

comparación (ej. Tukey) a las medias del

factor A con ese nivel.

útil es fijar

el factor

manera

B

en

alguna

prueba

de

Оценить