Diseño de Experimentos V.o3 1718

INTRODUCCIÓN AL
DISEÑO DE
EXPERIMENTOS
Apuntes para el curso de Estadística 2.
Facultad de Ingeniería Química UCE.

Semestre 17-18.
Preparado por G. Carvajal C.
1. Conceptos
INVESTIGACIÓN
La investigación es considerada una actividad orientada a la

obtención de nuevos conocimientos y su aplicación para la
solución a problemas o interrogantes de carácter científico.
2
1. Conceptos
3
1. Conceptos
VARIABLE
Característica de un objeto que puede ser observada y que

puede tomar diferentes valores, tanto en el mismo objeto
como entre diferentes objetos.
4
1. Conceptos
EXPERIMENTO
Es la creación y preparación de lotes de prueba que verifiquen la validez

de las hipótesis establecidas sobre las causas de un determinado
problema, objeto de estudio.
El experimentador escoge ciertos factores para su estudio, los altera

deliberadamente de forma controlada y después, observa el efecto
resultante en la variable de respuesta.
5
1. Conceptos
FACTOR (VARIABLE INDEPENDIENTE)
Es la causa que se supone influye sobre la característica que se mide. Para

comprobar su influencia, el investigador la manipulará durante el
experimento, en el sentido que le asignará valores diferentes a cada
observación.
Esta variable se llama también “factor" y cada uno de los valores que se le
asignarán "nivel de factor“, llamado a veces “tratamiento”.
6
1. Conceptos
VARIABLE DE RESPUESTA (VARIABLE DEPENDIENTE)
Es aquella variable que se mide en cada observación del experimento,

para establecer si los factor efectivamente influyen sobre sus valores.
7
1. Conceptos
VARIABLES EXTRAÑAS (RUIDO ALEATORIO)
Son aquellas que el investigador no puede manipular, pero influyen en la

variable de respuesta. Son la causa para que las observaciones de un
mismo nivel de tratamiento no necesariamente arrojen el mismo valor de
medida. Se identifica con el error experimental.
8
1. Conceptos
VARIABLES DE BLOQUEO
Son variables que se sabe pueden intervenir en los niveles de la variable

dependiente y se decide eliminar su influencia mediante el control de la
misma, creando bloques de observaciones, en los que esta variable,
asume respectivamente un valor constante.
Algunos autores agrupan a las variables extrañas y las variables de

bloqueo como “variables molestia (nuisance)”
9
1. Conceptos
OBSERVACIÓN
Toma de medida de una variable que genera un valor de la variable de

respuesta. Dependiendo del tipo de diseño, las observaciones pueden
tomarse a diferentes sujetos o al mismo sujeto.
10
1. Conceptos
REPETICIÓN
Reiteración de una observación al mismo nivel de tratamiento. Proporciona

una oportunidad para que los efectos de las variables extrañas, incontroladas
se compensen y permite, además, medir el error experimental.
11
1. Conceptos
DISEÑO EXPERIMENTAL
El diseño experimental hace referencia a la definición de procedimientos y

modelos estadísticos cuyo objetivo es averiguar si durante un
experimento, determinados factores influyen en una variable de interés y,
si existe influencia de algún factor, cuantificar dicha influencia.
12
2. Objetivos
• Controlar la variabilidad del experimento. Si la variabilidad es grande,

solo se detectará la influencia del factor cuando éste produzca grandes
cambios en relación con el error de observación.
• Determinar si la aplicación experimental de un determinado valor de un

factor produce o no un cambio en la variable de respuesta.
13
Un buen diseño experimental permite:
• Determinar las principales causas de variación en la respuesta.
• Encontrar las condiciones experimentales con las que se consigue un

valor extremo en la variable de interés o respuesta.
• Comparar las respuestas en diferentes niveles de observación de

variables controladas.
• Obtener un modelo estadístico-matemático que permita hacer

predicciones de respuestas futuras.
14
3. Alcance
Es de aplicación a todos aquellos estudios y situaciones en las

que se necesita ensayar hipótesis sobre una posible relación
causa-efecto.
15
4. Marco metodológico
La metodología del diseño de experimentos estudia cómo

variar las condiciones habituales de realización de un
experimento para aumentar la probabilidad de detectar
cambios significativos en la respuesta.
16
Si se repite un experimento, los resultados presentan una cierta

variabilidad.
Si se realiza en un laboratorio, el error experimental será pequeño y

habrá poca variación en los resultados. Pero si se experimenta en
procesos industriales, administrativos o humanos, la variabilidad será
mayor.
17
Un buen diseño experimental debe:
• Permitir la prueba de las hipótesis de estudio, no dejándose confundir por

variables insospechadas.
• Identificar la existencia de cualquier causa de variabilidad, aunque no haya

sido adelantada como hipótesis.
• Mantener los costos de experimentación a un nivel razonable, en relación

con el problema de estudio.
18
5. Variabilidad
Es el cambio observable en el valor de la variable de respuesta a través de

diferentes observaciones y réplicas, cuyo origen debe ser determinado a
través del diseño experimental.
19
5.1. Clases de Variabilidad
Variabilidad sistemática planificada
El efecto de los factores y las variables bloque produce variabilidad

sistemática planificada en la variable de respuesta.
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.
Es el tipo de variabilidad que se intenta identificar y cuantificar con el
diseño experimental.
20
Variabilidad sistemática no planificada
El efecto de variables no identificadas durante la realización del

experimento produce variabilidad sistemática no planificada.
Estas variables producen una variación sistemática en los resultados y es
debida a causas desconocidas y no planificadas. Los resultados están
siendo sesgados sistemáticamente por causas desconocidas.
Su presencia supone la principal causa de conclusiones erróneas y
estudios incorrectos al ajustar un modelo estadístico.
21
Variabilidad aleatoria
El efecto de las variables extrañas produce variabilidad aleatoria.

Es la variabilidad debida al ruido aleatorio. Incluye, entre otros, al error de
medida. Impredecible e inevitable.
Tienen un patrón regular. Las medidas tienden a fluctuar en torno a un
valor central y siguiendo un modelo de probabilidad que será importante
estimar.
22
6. Planificación de un experimento
La forma tradicional que se utilizaba en la experimentación, 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:
o Es necesario un gran número de pruebas.

o Las conclusiones obtenidas en el estudio de cada factor tiene un
campo de validez muy restringido.
o No es posible estudiar la existencia de interacción entre los factores.
o Es inviable, en muchos casos, por problemas de tiempo o costo.
23
Las técnicas de diseño de experimentos que se basan en

estudiar simultáneamente los efectos de todos los factores de
interés, son más eficaces y proporcionan mejores resultados
con un menor costo.
24
Definir los objetivos del experimento.
Identificar las fuentes de variación.
Clasificar las fuentes de variación.
Definir el número de niveles de los factores.
Elegir una regla de asignación de las unidades experimentales a las

condiciones de estudio (niveles de factor).
25
Especificar las medidas con que se trabajará (la respuesta).
Ejecutar un experimento piloto.
Especificar el modelo estadístico.
Esquematizar los pasos del análisis.
Determinar el tamaño muestral.
26
6.1. Definir los objetivos del experimento.
o Analizar la hipótesis principal.

o Confeccionar una lista completa de las preguntas concretas a las que
debe dar respuesta el experimento.
o Indicar solamente cuestiones fundamentales. Abordar problemas
colaterales puede complicar innecesariamente el experimento.
o Esquematizar el tipo de conclusiones que se espera obtener en el
posterior análisis de datos.
o La lista de objetivos es refinada a medida que se van ejecutando las
etapas.
27
6.2. Identificar todas las posibles fuentes de variación.
Elaborar una lista de todas las posibles fuentes de variación del problema,
distinguiendo aquellas que, a priori, generarán una mayor variabilidad.
Es necesaria una revisión bibliográfica fuerte para identificar estudios

previos similares, y factores utilizados en los mismos.
28
6.3. Clasificar las fuentes de variación.
Una vez identificados todos los factores de variabilidad, clasificarlos de la
siguiente manera:
• Factores de estudio: fuentes cuyo efecto sobre la respuesta es de

particular interés.
• Factores fijos: fuentes que no son de interés directo y cuya variabilidad
se busca eliminar manteniendo su valor constante.
• Factores molestia: fuentes que no son de interés directo pero que se
contemplan en el diseño, en forma de bloque o aleatoria, para reducir
la variabilidad no planificada.
29
Factores molestia
Bloques
Factor del cual no interesa conocer su influencia pero se incorpora al
diseño del experimento para disminuir la variabilidad residual del modelo.
Pueden fijarse niveles dentro de ellos, de modo que es posible controlar
sus efectos dentro de cada nivel. A cada bloque se asignarán todos los
niveles de los factores de estudio.
→ Muestras de características comunes.
→ Condiciones ambientales.
→ Operador de los equipos de laboratorio.
30
Factores molestia
Variables extrañas (Ruido)
El efecto de las variables extrañas no se aísla por medio de bloques. Sus

diferentes niveles se distribuyen aleatoriamente dentro de los niveles de
los factores de estudio.
31
6.4. Definir el número de niveles de los factores.
Son los tipos o valores específicos de los factores que se tendrán en

cuenta en la realización del experimento.
Pueden ser cualitativos o cuantitativos.
32
Niveles de factor
Cualitativos
 proveedor (diferentes proveedores de una materia prima),
 tipo de máquina (diferentes tipos o marcas de máquinas),
 trabajador (los trabajadores encargados de hacer una tarea),
 un aditivo químico (diferentes tipos de aditivos químicos),
33
Niveles de factor
Cuantitativos
 Temperatura de reacción.
 Concentración de reactivos.
 Esfuerzo cortante.
 Velocidad másica.
 Presión.
… seleccionados en un rango de interés.
34
Niveles de factor
En el tratamiento matemático, los factores cuantitativos son tratados

como cualitativos y sus niveles son elegidos equiespaciados o se
codifican.
Por lo general, un factor no suele tener más de cuatro niveles.
35
6.5. Elegir una regla de asignación de las unidades experimentales a las
condiciones de estudio (niveles de factor).
Unidad Experimental
Es el material donde se evaluará la variable respuesta y al que se le aplican los
distintos niveles de los factores de estudio, para obtener el número de
observaciones deseado.
→ En medicina, individuos humanos u animales,
→ En industria, lotes de material, trabajadores, máquinas.
→ Muestras de agua, de crudo.
→ Intervalos de tiempo.
Deben ser representativas de la población (plan de muestreo).
36
La regla de asignación o diseño experimental especifica qué unidades
experimentales se observarán bajo cada nivel de los factores. Hay
diferentes posibilidades:
• diseño factorial o no,
• anidamiento,
• asignación al azar en determinados niveles de observación,
• orden de asignación, etc.

37
Tipos de diseño
Experimento factorial
Es el diseño de experimentos en que existen observaciones de todos los

posibles tratamientos.
El más usado es el 2ek.
38
6.6. Especificar las medidas que se realizarán (la respuesta), el
procedimiento experimental y anticiparse a las posibles dificultades.
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.
Si no se dispone de procedimientos normalizados, es necesario

desarrollar previamente el procedimiento a seguir.
39
6.7. Ejecutar 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.
40
Experimento piloto - Ventajas
↘ Permite practicar la técnica experimental elegida e identificar

problemas no esperados en el proceso de recogida de datos,
↘ Si tiene un tamaño suficientemente grande, puede ayudar a
seleccionar un modelo adecuado al experimento principal,
↘ Los errores experimentales observados pueden ayudar a calcular el
número de observaciones que se precisan en el experimento principal.
41
6.8. 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.
Los modelos de diseño de experimentos, según sean los factores

incluidos en el mismo, se pueden clasificar en:
42
Modelo de efectos fijos
Todos los factores son factores de efectos fijos.
Factor en el que los niveles han sido seleccionados por el

experimentador. Es apropiado cuando el interés se centra en comparar el
efecto sobre la respuesta de esos niveles específicos.
43
Modelo de efectos aleatorios
Todos los factores son factores de efectos aleatorios.
Factor del que solo se incluyen en el experimento una muestra aleatoria

simple de todos los posibles niveles del mismo. Se utilizan estos factores
cuando tienen un número muy grande de niveles y no es razonable o
posible trabajar con todos ellos. Interesa examinar la variabilidad de la
respuesta debida a la población entera de niveles del factor.
44
6.9. Esquematizar los pasos del análisis estadístico.
De acuerdo con el modelo elegido, determinar:
o Estimaciones que hay que calcular,

o Contrastes a realizar,
o Intervalos de confianza que se calcularán,
45
6.10. Determinar el tamaño muestral (número de repeticiones)
Calcular el número de repeticiones que se deben tomar para alcanzar los

objetivos del experimento.
Se estima a partir del experimento piloto y con base en experiencias

previas en trabajos con diseños experimentales semejantes.
Existen fórmulas y tablas para determinar este tamaño. Todas requieren

el conocimiento del tamaño de la variabilidad no planificada (no
sistemática y sistemática, si es el caso) y estimarlo a priori no es fácil,
siendo aconsejable sobreestimarla.
46
47
48
49
𝛅 refleja la potencia de la prueba. También depende de 𝛂
50
Planificación de un experimento
51
7. Consideraciones para el diseño
• La factorización del diseño.
• El principio de aleatorización.
• El bloqueo.
52
7.1. Factorización del Diseño
La factorización del diseño define una estrategia eficiente para

elegir el número de puntos experimentales sin considerar en
absoluto como asignarlos después a las unidades experimentales.
53
Diseño factorial
Es el diseño de experimentos en que existen observaciones de

todos los posibles tratamientos.
En un diseño de experimentos completo de tres factores, todos

ellos con K niveles, necesita K3 observaciones, número elevado si K
es grande.
54
Diseños de fracciones factoriales
Son diseños en los que se supone que muchas de las interacciones

son nulas, esto permite estudiar el efecto de un número elevado de
factores con un número relativamente pequeño de pruebas.
Los más usados son el cuadrado latino y el cuadrado grecolatino.
55
Cuadrados latinos
Se selecciona un conjunto de condiciones experimentales con la

condición de que cada nivel de un factor aparezca una vez con cada
uno de los niveles de los otros factores.
56
Cuadrados latinos
El diseño de cuadrado latino se puede utilizar si se verifican las

siguientes condiciones:
• Es un diseño de experimentos con tres factores.

• Los tres factores tienen el mismo número de niveles: K.
• No hay interacciones entre los tres factores.
57
Cuadrados latinos
Permite controlar al mismo tiempo dos fuentes de error o de

variabilidad, como las diferencias entre los renglones y las
diferencias entre las columnas.
En tales casos es necesario que cada tratamiento aparezca una vez

en cada renglón y una vez en cada columna.
58
Cuadrados latinos
Un esquema general es el siguiente:
59
Ejemplo:
Un investigador quiere evaluar el rendimiento de una determinada reacción, mediante el uso de
cuatro variedades de catalizador sólido (I, II, III, IV), utilizando para ello un solo reactor de laboratorio.
Dentro de su diseño decide estudiar también dos factores adicionales: tamaño de partícula del
catalizador (0,1; 0,5; 0,9; 1,3 mm) y pH del medio reaccionante (A=7,5; B=8,0; C=8,5; D=9,0). Para
ello, consideró el uso de un cuadrado latino en lugar de un experimento factorial. Los datos se
encuentran en % Rendimiento (reactivo a productos).
TIPO DE DIÁMETRO DE PARTÍCULA (mm)

CATALIZADOR 0,1 0,5 0,9 1,3
I D 78,5 B 73,0 C 70,0 A 59,5
II B 85,5 D 77,5 A 76,0 C 71,0
III C 95,0 A 88,5 D 79,5 B 78,0
IV A 94,5 C 95,0 B 88,0 D 83,5
60
Cuadrados grecolatinos
Cuando es necesario controlar tres fuentes de error o de

variabilidad.
Son dos cuadrados latinos superpuestos uno sobre otro, usando las
letras latinas A, B, C y D para uno de los cuadrados y las letras
griegas α, β, γ y δ para el otro.
Cada letra griega debe usarse una y sólo una vez con cada letra
latina; si se satisface esta condición se dice que el cuadrado es
ortogonal.
61
Cuadrados grecolatinos
Un esquema general es el siguiente:
62
Diseños factoriales a dos niveles
En experimentos en los que hay muchos factores que pueden influir

en la variable de interés, la utilización de experimentos completos
necesita un número elevado de observaciones. A menudo, muchos
de los factores en estudio no son influyentes y mucha información
recogida no es relevante.
Una estrategia mejor es 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.
63
Diseños factoriales a dos niveles
Los diseños factoriales 2k son diseños en los que se trabaja con k

factores, todos ellos con dos niveles (se suelen denotar + y -). Estos
diseños son adecuados para tratar el tipo de problemas descritos
porque permiten trabajar con un número elevado de factores y son
válidos para estrategias secuenciales.
64
7.2. Aleatorización y Bloqueo
Aleatorizar y bloquear son estrategias eficientes para asignar los
tratamientos a las unidades experimentales sin preocuparse de
qué tratamientos considerar.
65
Aleatorización
Aleatorizar todos los factores no controlados por el experimentador

en el diseño experimental y que pueden influir en los resultados, a
través de una asignación al azar de los puntos experimentales a las
unidades experimentales.
66
Aleatorización
Los puntos experimentales se asignan a las unidades

experimentales de manera completamente aleatoria.
El propósito de la aleatorización es eliminar diversas fuentes de

error.
67
Diseño completamente aleatorizado
El experimentador asigna las unidades experimentales a los puntos

experimentales al azar.
Los modelos matemáticos que se utilizan para realizar el análisis

estadístico de este tipo de diseño, consideran que:
Valor de la Respuesta = Constante + Efecto factor + Error
68
Ejemplo:
Se desea verificar si el analista tiene influencia en el resultado de un

ensayo de poder calórico. El laboratorio cuenta con cuatro analistas
y cuatro equipos para determinación de poder calórico. Para ello,
todos los analistas trabajarán con la misma muestra de crudo y
realizarán cuatro repeticiones del ensayo.
69
Es necesario que las unidades experimentales (equipos de poder
calórico A, B, C, D) se asignen al azar a cada uno de los ensayos a
realizarse (cuatro analistas, cuatro repeticiones cada uno)
Analista R1 R2 R3 R4
Diana D A C C
Ricardo B D B A
Fernanda D C B D
Santiago A B C A
70
Aleatorización - Ventajas
Transforma la variabilidad sistemática no planificada en ruido

aleatorio. Aleatorizar previene contra la introducción de sesgos en
el experimento.
Evita la dependencia entre observaciones al aleatorizar los
instantes de recogida muestral.
Valida muchos de los procedimientos estadísticos más comunes.
71
Bloqueo
Se deben dividir las unidades experimentales en grupos llamados

bloques de modo que las observaciones realizadas en cada bloque
se realicen bajo condiciones experimentales lo más parecidas
posibles.
72
Bloqueo
El experimentador no está interesado en investigar las posibles

diferencias de la respuesta entre los niveles de los factores bloque.
Bloquear es una buena estrategia siempre y cuando sea posible
dividir las unidades experimentales en grupos de unidades
similares.
La ventaja de bloquear un factor que se supone que tienen una
clara influencia en la respuesta pero en el que no se está
interesado, es que convierte la variabilidad sistemática no
planificada en variabilidad sistemática planificada.
73
Diseño en bloques
El experimentador agrupa las unidades experimentales en bloques,

a continuación determina la distribución de los puntos
experimentales (niveles) en cada bloque y, por último, asigna al
azar las unidades experimentales a los puntos dentro de cada
bloque.
Respuesta = Constante + Efecto factor + Efecto bloque + Error
74
Diseño en bloques
El diseño en bloques más simple es el denominado diseño en

bloques completos, en el que cada nivel del factor se observa el
mismo número de veces en cada bloque.
75
Bloques aleatorizados
Cuando se necesita todo un conjunto de niveles de un factor para

cada bloque, los tratamientos A, B, C y D se introducen en orden
aleatorio en cada uno de los bloques I, II, III y IV.
Se emplea para controlar una fuente de error o variabilidad: a

saber, la diferencia entre los bloques.
76
Ejemplo:
Se desea verificar si el analista tiene influencia en el resultado de un

ensayo de poder calórico. El laboratorio cuenta con cuatro analistas
y cuatro equipos para determinación de poder calórico. Sin
embargo, se sospecha que la hora de ensayo (4 horarios en el día)
es un factor que puede influir en el resultado, por lo que se decide
bloquear la hora del ensayo. Todos los analistas trabajarán con la
misma muestra de crudo, se realizarán dos réplicas.
77
Dentro de cada bloque (hora), se tienen 8 ensayos en total (cuatro
analistas con dos réplicas cada uno), a los cuales se asigna al azar los
cuatro equipos A, B, C, D disponibles (dos veces cada uno)
Hora de Ensayo
Analista 09:00 - 11:00 11:00 - 13:00 14:00 - 16:00 16:00 - 18:00
R1 R2 R1 R2 R1 R2 R1 R2
Diana D C A B A A A B
Ricardo B C A D D B C D
Fernanda A D C B D B D C
Santiago B A D C C C B A
78
Diseños con dos o más factores
En este modelo es importante estudiar la posible interacción entre

los dos factores. Para ello se hace un diseño de filas por columnas.
Si en cada casilla (punto experimental) se tiene una única
observación no es posible estudiar la interacción entre los dos
factores, para hacerlo hay que replicar el modelo, esto es, obtener
k observaciones en cada casilla, donde k es el número de réplicas.
Respuesta = Constante + Efecto Factor Fila + Efecto Factor Columna

+ Efecto Interacción + Error
79

Diseño de Experimentos V.o3 1718

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Diseño de Experimentos V.o3 1718

Загружено:

Авторское право:

Доступные форматы

INTRODUCCIÓN AL

Facultad de Ingeniería Química UCE.

La investigación es considerada una actividad orientada a la

Característica de un objeto que puede ser observada y que

Es la creación y preparación de lotes de prueba que verifiquen la validez

El experimentador escoge ciertos factores para su estudio, los altera

Es la causa que se supone influye sobre la característica que se mide. Para

VARIABLE DE RESPUESTA (VARIABLE DEPENDIENTE)

Es aquella variable que se mide en cada observación del experimento,

Son aquellas que el investigador no puede manipular, pero influyen en la

Son variables que se sabe pueden intervenir en los niveles de la variable

Algunos autores agrupan a las variables extrañas y las variables de

Toma de medida de una variable que genera un valor de la variable de

Reiteración de una observación al mismo nivel de tratamiento. Proporciona

El diseño experimental hace referencia a la definición de procedimientos y

• Controlar la variabilidad del experimento. Si la variabilidad es grande,

• Determinar si la aplicación experimental de un determinado valor de un

• Determinar las principales causas de variación en la respuesta.

• Encontrar las condiciones experimentales con las que se consigue un

• Comparar las respuestas en diferentes niveles de observación de

• Obtener un modelo estadístico-matemático que permita hacer

Es de aplicación a todos aquellos estudios y situaciones en las

La metodología del diseño de experimentos estudia cómo

Si se repite un experimento, los resultados presentan una cierta

Si se realiza en un laboratorio, el error experimental será pequeño y

• Permitir la prueba de las hipótesis de estudio, no dejándose confundir por

• Identificar la existencia de cualquier causa de variabilidad, aunque no haya

• Mantener los costos de experimentación a un nivel razonable, en relación

Es el cambio observable en el valor de la variable de respuesta a través de

El efecto de los factores y las variables bloque produce variabilidad

El efecto de variables no identificadas durante la realización del

El efecto de las variables extrañas produce variabilidad aleatoria.

La forma tradicional que se utilizaba en la experimentación, se basaba en

o Es necesario un gran número de pruebas.

Las técnicas de diseño de experimentos que se basan en

Identificar las fuentes de variación.

Clasificar las fuentes de variación.

Definir el número de niveles de los factores.

Elegir una regla de asignación de las unidades experimentales a las

Ejecutar un experimento piloto.

Especificar el modelo estadístico.

Esquematizar los pasos del análisis.

Determinar el tamaño muestral.

6.1. Definir los objetivos del experimento.

o Analizar la hipótesis principal.

6.2. Identificar todas las posibles fuentes de variación.

Es necesaria una revisión bibliográfica fuerte para identificar estudios

• Factores de estudio: fuentes cuyo efecto sobre la respuesta es de

Variables extrañas (Ruido)

El efecto de las variables extrañas no se aísla por medio de bloques. Sus

6.4. Definir el número de niveles de los factores.

Son los tipos o valores específicos de los factores que se tendrán en

Pueden ser cualitativos o cuantitativos.

… seleccionados en un rango de interés.

En el tratamiento matemático, los factores cuantitativos son tratados

Por lo general, un factor no suele tener más de cuatro niveles.

• diseño factorial o no,

• asignación al azar en determinados niveles de observación,

• orden de asignación, etc.

Es el diseño de experimentos en que existen observaciones de todos los

El más usado es el 2ek.

Se debe especificar con claridad la forma en que se realizarán las

Si no se dispone de procedimientos normalizados, es necesario