Академический Документы
Профессиональный Документы
Культура Документы
DISEOS EXPERIMENTALES
FACTORES
X1 X2 X3
....
ENTRAD SALI
PROCESO
.....
Y1 Y2 Y3
FACTORES
INCONTROLABLES
Segn el esquema, el proceso del diseo experimental se ve afectado por factores
controlables e incontrolables lo que origina que las salidas estn sometidas a
incertidumbre. Los factores controlables como la variable tipo de publicidad, son
manipulados por el investigador. En cambio los factores incontrolables, como las
expectativas o el tiempo climtico en determinados momentos o el nivel de
produccin de una planta no pueden ser manipulados por el investigador.
En un experimento se manipulan ciertas variables las que bajo ciertas condiciones
producirn ciertos resultados, efectos o respuestas deseados por el investigador, los
que se ven afectados por factores incontrolables alterando as los resultados
deseados.
Cun necesarios son los experimentos para determinar las causas que originan las
respuestas de un proceso o se podra sin ellos llegar a las mismas conclusiones
analizando los datos disponibles de la observacin directa?
La prctica ha demostrado que los datos disponibles provenientes de la observacin
directa no permiten descubrir las variaciones de los factores que intervienen en un
proceso, ni conociendo las variaciones en los efectos, determinar cules variables (o
cules de sus tratamientos) son las causantes de estas variaciones. Por tanto, slo
los experimentos pueden determinar la forma cmo afectan las variables
independientes al proceso, aun cuando en l participan una serie de factores siendo
muchos de ellos incontrolables, causantes del error experimental. Asimismo, los
datos provenientes de la observacin directa pueden llevarnos a obtener datos no
consistentes, desfasados o altamente correlacionados que esconden las verdaderas
causas del efecto o respuesta.
Variable
1
Variable
Variable 3
Variable 1 Variable 2
Variable 3
Medio
experimental Unidades
experimentales
Las unidades experimentales, que son individuos (animales, vegetales, personas,
cosas o empresas) se encuentran en un medio ambiente denominado medio
experimental, el cual puede ser natural o artificial (controlado por el investigador) y
que en conjunto se denomina material experimental. A las unidades experimentales
se les aplican factores o estmulos, los cuales son variables cualitativas o
cuantitativas en diferentes niveles con la finalidad de cambiar el comportamiento de
aqullas (las unidades experimentales) en el curso de un experimento. Los factores
son variables controladas por el investigador y se las puede denominar como
variables independientes. El experimento requiere una maduracin en el tiempo, aun
cuando mnima, para observar los efectos en las unidades experimentales. Estos
efectos se denominan respuestas, las que deben necesariamente estar medidas en
una escala cuantitativa y se les asocia con una variable dependiente ya que
dependen de las variables independientes o factores.
Definiciones
Elementos
2. Repeticin
3. Aleatorizacin
Anlisis de varianza
Es una tcnica estadstica que permite analizar la variacin total de los resultados
experimentales de un diseo en particular, descomponindolo en fuentes de
variacin independientes atribuibles a cada uno de los efectos que constituyen el
diseo experimental.
Esta tcnica tiene como objetivo identificar la importancia de los diferentes factores
tratamientos en estudio y determinar cmo interactan entre s.
..
Dado que un experimento es una muestra de una superpoblacin que contiene una
serie de experimentos a los cuales se aplica un determinado tratamiento, del que se
espera tenga un efecto, entonces, en la situacin inicial, cuando no se aplique
ningn tratamiento la superpoblacin tendr como valor representativo la media
general al cual se igualaran las medias de todos los tratamientos si el
experimento no diera resultado. En otras palabras:
que es la media del Tratamiento 1 (T1) sera igual a la media del tratamiento 2
(T2) y as sucesivamente hasta .t la media del tratamiento t (Tt), igualndose todos
a
..
Adicionalmente cada yij difiere de su propia media, pero cuando el experimento tuvo
efecto, la diferencia ser respecto de su efecto tratamiento, es decir
yij- j
Lo que constituye la variacin del error experimental.
Resumiendo:
(yij- ..) = ( .j-) + (yij- .j)
Variacin total variacin de tratamientos variacin del error
Para efectos del anlisis de varianza la variacin total se descompone en dos partes:
variacin debida a los tratamientos y debido al error. Esta es la base del anlisis de
varianza. Si esta variacin se eleva al cuadrado y se realiza a travs de cada
tratamiento y cada repeticin se tiene:
r t r t 2 r t
i 1
(y ij ..) (.j ..)
j1
2
i 1 j1 i 1
(y
j1
ij .j ) 2
Que corresponden a:
Tipos de Modelos
Modelo Mixto
se entiende que es significativa. (CMEr son los cuadrados medios del error).
Es una medida de variabilidad relativa (sin unidades de medida) cuyo uso sirve para
cuantificar en trminos porcentuales la variabilidad de las unidades experimentales
frente a la aplicacin de un determinado tratamiento. En experimentacin no
controlada (condiciones de campo) se considera que un coeficiente de variabilidad
mayor a 35% es elevado debindose tener especial cuidado en las interpretaciones
conclusiones. En condiciones de laboratorio se considera un coeficiente de
variabilidad mayor como elevado. La expresin estimada del coeficiente de
variabilidad es:
CV =
CMEr
Y x100
Clases de Diseos
Bibliografa
- Cochran, W. y G. Cox. (1973. Diseos experimentales. Editorial Trillas. Segunda
edicin. Mxico.Editorial Revert. Segunda edicin. Barcelona.
- Box, G. y otros (2008). Estadstica para investigadores. Diseo, innovacin y
descubrimiento.
- Ferrn, M. 1997. SPSS para Windows. Editorial McGraw Hill. Primera Edicin.
Madrid.
- Gujarati, D. (2004). Econometra. Editorial Mc Graw Hill. Cuarta edicin. Mxico.
- Kempthorne, O. (1952). The Design and Analysis of Experiments. Edit. John
Wiley and Sons. , New York.
- Kuehl, E. (2001). Diseo de experimentos. Principios estadsticos de diseo y
anlisis de investigacin. Editorial Thompson learning. Segunda edicin. Mxico.
5. DISEO COMPLETAMENTE AL AZAR (DCA) Y SU RELACIN CON
EL ANLISIS DE REGRESIN UTILIZANDO VARIABLES DUMMY
Notacin
Yij = j + ij
Yij = + j + ij
^ j= y . j y .. para j=1, 2, t
i 1
(yij y..) 2 ( y.j y.. )
j1 i 1 j1 i 1
(yj1
ij y.j ) 2
(y y..) yij2 n y
2 2
SCTot= ij
i 1 j1 i 1 j 1
r t 2 t
( y.j y.. ) r y . j n y
2 2
SCTrat=
i 1 j1 j 1
r t r t t
(y ij y.j ) 2 yij2 r y. j
2
SCEr= i 1 j1 i 1 j 1 j 1
Con j= 1, 2, , t
I= 1, 2, , r
Denominndose BALANCEADO al modelo por tener el mismo nmero r de
repeticiones en cada tratamiento.
Un diseo es desbalanceado si el nmero de observaciones es diferente en cada
tratamiento j donde j=1, 2, .. . ,t, las expresiones previas son iguales salvo que se
sustituye r por nj.
y ij y ..
t
donde n j=n
j=1
nj
SCTot=
i =1
y . j y ..
t
j=1
nj
SCTrat =
i=1
1 19 80 47 95
2 20 61 26 46
3 19 73 25 83
4 30 56 35 78
5 8 80 50 97
1 19 80 47 95 241 4
2 20 61 26 46 153 4
3 19 73 25 83 200 4
4 30 56 35 78 199 4
5 8 80 50 97 235 4
96 350 183 399 1028
r 5 5 5 5 20 y..
y. j
19.2 70 36.6 79.8 51.4 =
t r t r 2 t r
j1
(y ij y..) ( y.j y.. )
i 1
2
j1 i 1 j1
(y
t 1
ij y.j ) 2
r t r t
(y y..) yij2 rt y
2 2
SCTot= ij
i 1 j1 i 1 j 1
5 4 5 4
(y ij y..) 2 yij2 5 x4 y
2
i 1 j1 i 1 j 1
( y.j y.. ) r y . j n y
2 2
SCTrat=
i 1 j1 j 1
(y y.j ) 2 yij2 5 y . j
2
ij
i 1 j1 i 1 j 1 j 1
r t r t t
(y ij y.j ) 2 yij2 r y . j
2
SCEr=
i 1 j1 i 1 j 1 j 1
TABLA ANOVA
Fuentes Variacin Sumas de g.l Cuadrados F
Cuadrados Medios
Entre Tratamientos 12042 4-1 =3 4014 Fc=21.78
Dentro Trat. (Error) 2948.8 4(5-1)=16 184.3
Total 14990.8 5x4 1=19
Utilizacin de SPSS
Para el tratamiento del diseo DCA utilizaremos el paquete estadstico SPSS ver.22.
El primer paso consiste en ingresar los datos, tal como aparecen a continuacin y
para lo cual se crea una variable Yij y una columna CT de cdigos de tratamientos,
codificando con 1 a las respuestas del tratamiento 1, con 2 a las del tratamiento 2 y
as sucesivamente.
Verificacin de supuestos
Los supuestos de una relacin lineal entre la respuesta y sus componentes como
normalidad y homoscedasticidad deben cumplirse para dar validez a la prueba. El
modelo tiene 3 componentes de los cuales dos son aleatorios el error experimental
ij y la respuesta Yij, y el tercero, la media del tratamiento .j es determinista.
Dado que el nivel de la respuesta est relacionado con el error experimental, resulta
equivalente realizar la prueba de normalidad para los errores o para las respuestas.
Bajo esa condicin se realizan las pruebas en este documento.
Se llega a las mismas conclusiones con la prueba aplicada a los errores e ij, tal como
se aprecia en el siguiente cuadro:
Por tanto, estos supuestos se cumplen y podemos proseguir con nuestro anlisis.
Las hiptesis a probar sobre los tratamientos son:
H0: Los tratamientos son iguales
H1: Por lo menos un tratamiento es diferente.
La tabla ANOVA proporcionada por el SPSS muestra un p_valor=0.000 que conduce
al rechazo de la H0, por lo que se puede concluir que los tratamientos son diferentes
o por lo menos uno de los tratamientos es diferente significativamente del resto.
ANOVA
Suma de Media
cuadrados gl cuadrtica F Sig.
Inter-grupos 12042,000 3 4014,000 21,780 ,000
Intra-grupos 2948,800 16 184,300
Total 14990,800 19
2
DSM= CME . F ,(1,nt )
r
| y . j y . j|> DSM
'
la diferencia es significativa.
B
T1 T2 T3 Tt
L B1
O y11 y12 y13 y1t
Q B2
L y21 y22 y23 y2t
B3 y33 y3t
E y31 y32
S
Br yr3 yrt
yr1 yr2
Las ventajas del DBCA son varias y una de las ms importantes es que provee
resultados ms precisos que un DCA del mismo tamao si los agrupamientos de las
unidades experimentales en los bloques son efectivos. Otra ventaja es que sirve
para cualquier nmero de tratamientos y bloques aun cuando los tratamientos no
necesitan tener tamaos de muestras iguales (Bloque Incompleto). El anlisis no se
complica si se debe descartar, por alguna causa, un tratamiento o algn bloque.
Adicionalmente, se puede introducir deliberadamente, variabilidad en las unidades
experimentales para ampliar el rango de validez de los resultados sin sacrificar la
precisin de los resultados.
Desventajas
Ejemplo 1: Tejidos
Para el Tejido de una prenda se comparan 4 mquinas de diferentes marcas. Como
la operacin de las mquinas requiere cierta destreza prev una diferencia entre los
trabajadores en cuanto a la velocidad con la cual operen las mquinas. Se decide
que se requerirn 6 trabajadores diferentes en un experimento de bloques
aleatorizado para comparar las mquinas.
El modelo
Yij = + J + i + ij
El cual es un Modelo Lineal Aditivo, en el que cada respuesta Yij es la suma de los
otros trminos, es decir, de una media general , el efecto tratamiento J, el efecto
bloque i, y el error experimental ij.
Donde Y es la variable respuesta o dependiente, nmero de piezas por minuto, e Y ij
es la observacin perteneciente al i-simo bloque bajo el tratamiento j; las
observaciones son independientes.
es la media general comn a todas las mquinas y a todos los trabajadores.
j es el efecto del tratamiento en el nivel j, propio de cada mquina.
i es el efecto del bloque en el nivel i, propio de cada trabajador.
ij es la variable aleatoria del error con distribucin normal, con media=0 y varianza
2 y se distribuye como una N(0 ;2 ) e independiente.
( y
i j
ij y..) 2 r ( y. j y..) 2 t ( y i. y..) 2 ( yij y . j y i. y.. ) 2
j i i j
y que por
ortogonalidad de distancias y sumando a travs de bloques y tratamientos se tiene:
i j i j
i j j j
i j i i
i j i j j i
Por tanto, con estas ecuaciones se puede escribir la tabla ANOVA del DBCA, de la
siguiente manera:
Los datos para el anlisis se ordenan de la siguiente manera: Por columna los
bloques (6 trabajadores) y por filas los tratamientos (4 mquinas), con sus clculos
parciales respectivos.
Operario
Mquina 1 2 3 4 5 6 Total Medias
1 42,5 39,3 39,6 39,9 42,9 43,6 247,8 41,3
2 39,8 40,1 40,5 42,3 42,5 43,1 248,3 41,4
3 40,2 40,5 41,3 43,4 44,9 45,1 255,4 42,6
4 42,3 43,2 44,5 45,2 46,9 43,3 265,4 44,2
Total 164,8 163,1 165,9 170,8 177,2 175,1 1016,9
Medias 41,2 40,775 41,475 42,7 44,3 43,775 254,225 42,37
Otra forma de ordenar estos datos es: Por columna, los tratamientos; y por filas, los
bloques, con sus clculos respectivos, y que se adeca al esquema que se utiliza en
prrafos anteriores.
yi . y i .
T1 T2 T3 T4 t
r1 42.50 39.80 40.20 42.30 164.80 4 41.20
r2 39.30 40.10 40.50 43.20 163.10 4 40.78
r3 39.60 40.50 41.30 44.50 165.90 4 41.48
r4 39.90 42.30 43.40 45.20 170.80 4 42.70
r5 42.90 42.50 44.90 46.90 177.20 4 44.30
r6 43.60 43.10 45.10 43.30 175.10 4 43.78
..=
y 101
y. j 248.3 255.4
247.80 0 0 265.40 6.90
r 6 6 6 6 rt=24
y ..= 4
y . j
41.30 41.38 42.57 44.23 2.37
4 6
SCTot ( yij y..) 2 yij2 rt y .. yij2 rt y ..
2 2
i j i j i 1 j 1
Utilizando las frmulas de
sumas de Cuadrados con los datos se obtienen:
SCTot=(42.52+39.3246.92+43.32) 4x6x42.372=43186.61-43086.90=
SCTrat ( y. j y..) 2 r ( y. j y..) 2 r y . j rt y ..
2 2
i j j j
=99.71
SCTrat=6(41.32+41.382++44.342)-4x6x42.372=
=43120.675-43086.90=33.7745
SCBloq ( yi. y..) 2 t ( yi. y..) 2 t y i. rt y ..
2 2
i j i i
SCBloq=4(41.22+40.782+43.782)-4x6x42.372=
=43128.9875-43086.9004=42.0871
SCEr ( yij y . j y i . y.. ) 2 y ij r y . j t y i . rt y ..
2 2 2 2
i j i j j i
SCEr=43186.61-43120.675-43128.9875+43086.90=23.8475
Al realizar la comparacin del valor crtico F[t-1, (r-1)(t-1)], la regla de decisin para
rechazar la H0 se efecta de la siguiente manera:
En el presente caso, Fc= 7.08 y F [t-1,(r-1)(t-1)]= F[3, 15]=3.29. Por tanto Fc>F por lo
que se rechaza la Hiptesis Nula, y existe efecto tratamiento. Alguno de los
tratamientos tuvo efecto. En otras palabras, alguna, o algunas mquinas son
mejores que las otras.
El siguiente paso es realizar una prueba de comparacin de medias para seleccionar
el mejor tratamiento.
Las comparaciones del Tratamiento 1 con los Tratamientos 2 y 3 indican que sus
diferencias de medias resultan no significativas, en cambio, la diferencia de medias
con el Tratamiento 4 (-2.9333*) resulta significativa al 5%. De aqu se desprende que
el Tratamiento 4 tiene mejor media.
Del mismo modelo al realizar las comparaciones del tratamiento 2 con los
tratamientos 1 y 3 resultan no significativos. Anlogamente, entre el Tratamiento 2 y
4 existe una diferencia significativa (-2.8500*) al 5%, de lo que se desprende que el
mejor tratamiento es el 4.
Hasta aqu, los tratamiento 1, 2 y 3 parecen ser iguales, por lo que al comparar el
tratamiento 4 con los tratamientos 1, 2 y 3 se aprecian diferencias significativas
(2.9333*, 2.8500* y 1.6667*) con lo que el Tratamiento 4 tiene mejor media o la
media ms alta.
La verificacin del supuesto de homogeneidad de varianzas se realiza utilizando la
Prueba de Levene con las siguientes hiptesis:
AnalizarEstadisticos descriptivosexplorar
Dependientes: Yij
Factores: CT1
Activar Grficos: Grficos Diagrama de caja: ninguno
Tallo y hoja: desactivar
Activar: estimacin de potencia
Continuar
Aceptar
Dado que las respuestas Yij tienen dependencia lineal con los residuos e ij, y ambos
son aleatorios, realizar la prueba para los residuos es anlogo a realizar la prueba
para las respuestas Yij, por lo que se probar esta ltima.