FACULTAD DE INGENIERIA CIVIL, SISTEMAS Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS DISEO DE EXPERIMENTOS

CURSO:

Estadstica Aplicada a la ingeniera

DISEO EXPERIMENTAL
El diseo experimental es una tcnica estadstica que permite identificar y cuantificar las causas de un efecto dentro de un estudio experimental. En un diseo experimental se manipulan deliberadamente una o ms variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de inters. El diseo experimental prescribe una serie de pautas relativas qu variables hay manipular, de qu manera, cuntas veces hay que repetir el experimento y en qu orden para poder establecer con un grado de confianza predefinido la necesidad de una presunta relacin de causa-efecto. El diseo experimental encuentra aplicaciones en la industria, la agricultura, la mercadotecnia, la medicina, las ciencias de la conducta, etc. constituyendo una fase esencial en el desarrollo de un estudio experimental. VENTAJAS DEL DISEO EXPERIMENTAL. 1. Se elimina el efecto de las variables perturbadoras o extraas, mediante el efecto de la aleatorizacin. 2. El control y manipulacin de las variables predictorias clarifican la direccin y naturaleza de la causa. 3. Flexibilidad, eficiencia, simetra y manipulacin estadstica.

VIABILIDAD DE LOS DISEOS EXPERIMENTALES. 1. Imposibilidad de manipular algunas variables.

2. 3.

Cuestiones ticas. Practicabilidad.

INCONVENIENTES DEL DISEO EXPERIMENTAL. 1. 2. 3. Dificultad de elegibilidad y manejo de las variables de control. Dificultad de disponer de muestras representativas. Falta de realismo.

CALIDAD DEL DISEO EXPERIMENTAL. 1. 2. 3. 4. Validez Interna. Validez Externa. Validez Ecolgica. Validez de Constructo.

PROPOSITO DE UN DISEO EXPERIMENTAL El propsito de un diseo experimental es proporcionar mtodos que permitan obtener la mayor cantidad de informacin vlida acerca de una investigacin, teniendo en cuenta el factor costo y el uso adecuado del material disponible mediante mtodos que permitan disminuir el error experimental. TRATAMIENTO Los tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o materiales y cuyos efectos van a ser medidos y comparados. El tratamiento establece un conjunto de condiciones experimentales que deben imponerse a una unidad experimental dentro de los confines del diseo seleccionado. Ejemplos: Dsis de fertilizante, racin alimenticia, profundidad de sembrado, distanciamiento entre plantas, variedades de un cultivo. TESTIGO El testigo es el tratamiento de comparacin adicional, que no debe faltar en un experimento; por ejemplo, si se usan cinco tratamientos con fertilizante, el testigo puede ser aquel tratamiento que no incluye fertilizante. La eleccin del tratamiento testigo es de gran importancia en cualquier investigacin, este se constituye como referencial del experimento y sirve para la comparacin de los tratamientos en prueba.

DISEOS FACTORIALES
Se llaman Diseos Factoriales a aquellos experimentos en los que se estudia simultneamente dos o ms factores, y donde los tratamientos se forman por la combinacin de los diferentes niveles de cada uno de los factores. Los Diseos factoriales en si no constituyen un diseo experimental si no que ellos deben ser llevados en cualquiera de los diseos tal como D.C.A. ; D.B.C.A.; D.C.L. Los Diseos factoriales se emplean en todos los campos de la investigacin, son muy tiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores. Un tipo de diseo experimental en el que hay ms de una variable independiente. Cada variable recibe el nombre de factor. Su principal accin es que sirven para valorar el efecto de la interaccin, es decir, saber el efecto combinado de las distintas variables. Cada variable recibe el nombre de factor y el nmero indica los niveles de cada variable. Ejemplo: 2X2 (dos variables independientes con dos niveles cada una) 2X2X3 (tres variables independientes, dos de ellas con dos niveles y una con tres) Ejemplo de un diseo complejo o factorial: Hiptesis: Las personas que son distradas, frente a las que no lo son, aguantan ms el dolor. (Meter la mano en agua helada). Tenemos 2 v. independientes que tienen dos niveles: Distraccin (se consigue mediante la lectura de un cuento).- Con cuento (distraccin) y - Sin cuento ( sin distraccin). Sexo del investigador:- Hombre.- Mujer.

Se forman dos grupos: uno experimental y otro de control. Y se plantea realizar una estrategia distractiva: leer un cuento mientras se realiza la prueba. Diseo del experimento: 2 grupos, uno con distraccin y al otro sin distraccin (no lectura del cuento), y mido el tiempo que aguanta cada uno con la mano sumergida en agua helada. La investigadora pens que ella misma poda ser un elemento de distraccin y entonces aadi una variable de confusin que era el atractivo de la propia investigadora, pasando el estudio a ser de dos variables y por lo tanto se necesitaban cuatro grupos. Las dos variables tenan efecto sobre el dolor, tanto con el entretenimiento como con la presencia del investigador.

No hubo efecto combinado de potenciacin entre las variables. CARACTERSTICAS DE LOS DISEOS COMPLEJOS O FACTORIALES. *1. Un diseo complejo es mejor que dos diseos simples, ya que es el nico que permite observar el comportamiento de una variable bajo todas las condiciones. PERMITE VALORAR EL EFECTO DE INTERACCIN (el efecto combinado de ambas variables), es decir, permite saber el efecto principal de A, el de B y el efecto combinado de ambos). Un diseo de este tipo, dentro de un estudio de enfermera, nos ayudara a saber en que porcentaje la mejora del paciente es debido a: El mdico. La Enfermera. Ambos (conjuntamente)

*2. A ms niveles en variables mejor se rastrea la relacin causal, pero presenta el Inconveniente de necesitar ms sujetos. Cuanto ms aumenta el nivel de las variables, ms aumenta la cantidad de sujetos que se necesitan. Para garantizar un buen resultado hay que tener por lo menos 10 sujetos por grupo, si tengo un diseo de: 7. x 9, necesitar 630 sujetos. Ejemplo para el diseo: 2 x 2 x 2 (con tres variables).

Variable Independiente: Varones / Hembras. Variable Dependiente: Con distraccin / Sin distraccin. Tenemos que formar 8 grupos de sujetos, ya que tenemos: 1. 2. 3. Variable independiente con dos niveles: Con distraccin / Sin distraccin. Variable, el investigador: Mujer / Hombre. Sujetos, los investigados: Mujer / Hombre.

Son tres variables independientes causales DISEO DE CUATRO GRUPOS DE SALOMON. Permite ver los efectos pretest y evitar la amenaza de seleccin. O1 X O2 // O3 X O4 // X O5 // X O6 ---- Amenaza la seleccin de control con pre-test. X = O2 + O5 / O4 + O6 = Efectos debidos al tratamiento.

X = O2 + O4 / O5 + O6 = Efectos pretest. Un estudio para detectar efecto pretest, se puede hacer mediante un diseo factorial con dos variables. Diseo de 4 grupos: Pretest: 2 niveles: SI / NO. Tratamiento: 2 niveles: SI / NO. Con pre-test y tratamiento. Sin pre-test y tratamiento. Con pre-test y sin tratamiento. Sin pre-test y sin tratamiento.

Permite conocer las interacciones. Los diseos factoriales pueden ser experimentales o cuasiexperimentales. *3.- Efecto de le interaccin como punto central de estos diseos. *4.- Efecto suelo y efecto techo: Se pueden confundir con la interaccin, son debidos a que la variable medida no vara significativamente, estn causados por la restriccin en el rango de medida de la variable dependiente. EFECTO SUELO: medida con poco rango de variabilidad, puntuaciones muy bajas. EFECTO TECHO: Las variables no discriminan, todos los sujetos presentan puntuaciones muy elevadas. Ej.: Si para valorar los conocimientos de la clase en matemticas hacemos un examen de 8 E.G.B. y todos sacamos un 10 esto se dice que es un techo, si el examen es del final de la carrera de matemticas y todos sacamos y un cero, esto se dice que es efecto suelo. VENTAJAS: 1. Requieren relativamente pocos experimentos elementales para cada factor, y permiten explorar factores que pueden indicar tendencias y as determinar una direccin prometedora para experimentos futuros. 2. Si existe interaccin entre los factores estudiados permite medirla. 3. Cuando el nmero de factores (variables) suelen ser importantes para estudiar todas las variables, los diseos factoriales fraccionados permiten estudiarlas a todas para estudiarlas superficialmente en lugar de hacer experimentos ms pequeos que pueden no incluir las variables importantes.

4. Estos diseos y sus correspondientes fraccionados pueden ser utilizados en bloques para construir diseos de un grado de complejidad que se ajuste a las necesidades del problema. 5. La interpretacin de las observaciones producidas por estos diseos se puede realizar en gran parte a base de sentido comn y aritmtica elemental. DESVENTAJA: 1.- Se requiere un mayor nmero de unidades experimentales que los experimentos simples y por lo tanto se tendr un mayor costo y trabajo en la ejecucin del experimento. 2.- Como en los experimentos factoriales c/u de los niveles de un factor se combinan con los niveles de los otros factores; a fin de que exista un balance en el anlisis estadstico se tendr que algunas de las combinaciones no tiene inters prctico pero deben incluirse para mantener el balance. 3.- El anlisis estadstico es ms complicado que en los experimentos simples y la interpretacin de los resultados se hace ms difcil a medida de que aumenta el nmero de factores y niveles por factor en el experimento. CONCEPTOS GENERALES: FACTOR.- Es un conjunto de tratamientos de una misma clase o caracterstica. Ejemplo: tipos de riego, dosis de fertilizacin, variedades de cultivo, manejo de crianzas, etc. FACTORIAL.- Es una combinacin de factores para formar tratamientos. NIVELES DE UN FACTOR.- Son los diferentes tratamientos que pertenecen a un determinado factor. Se acostumbra simbolizar algn elemento i por la letra minscula que representa al factor y el valor del respectivo subndice. Ejemplo: Tipos de riego: Secano Goteo Aspersin Niveles: a0 a1 a2 TIPOS DE FACTORES: 1.- Factores Cuantitativos. 2.- Factores Cualitativos. 1.- FACTORES CUANTITATIVOS.- Son aquellos factores cuyos niveles son cantidades numricas. Ejemplo: Factor A : Dosis de fertilizacin Niveles : 10 Kg/Ha (ao), 20Kg/Ha (a1), 30Kg/Ha (a2).

2.- FACTORES CUALITATIVOS.- Son aquellos factores cuyos niveles son procedimientos o cualidades. Ejemplo: Factor A: Variedades de cultivo Niveles : Variedad 1, Variedad 2. Ejemplo de un diseo complejo o factorial: Hiptesis: Las personas que son distradas, frente a las que no lo son, aguantan ms el dolor. (Meter la mano en agua helada). Tenemos 2 v. independientes que tienen dos niveles: Distraccin (se consigue mediante la lectura de un cuento).- Con cuento (distraccin) y - Sin cuento (sin distraccin). Sexo del investigador:- Hombre.- Mujer. Se forman dos grupos: uno experimental y otro de control. Y se plantea realizar una estrategia distractiva: leer un cuento mientras se realiza la prueba. Diseo del experimento: 2 grupos, uno con distraccin y al otro sin distraccin (no lectura del cuento), y mido el tiempo que aguanta cada uno con la mano sumergida en agua helada. La investigadora pens que ella misma poda ser un elemento de distraccin y entonces aadi una variable de confusin que era el atractivo de la propia investigadora, pasando el estudio a ser de dos variables y por lo tanto se necesitaban cuatro grupos. Las dos variables tenan efecto sobre el dolor, tanto con el entretenimiento como con la presencia del investigador. No hubo efecto combinado de potenciacin entre las variables.

DISEOS COMPLETAMENTE ALEATORIZADOS

En el diseo de experimentos, diseos completamente aleatorizados son para el estudio de los efectos de un factor primordial, sin la necesidad de tomar otras variables molestia en cuenta. El experimento se compara los valores de una variable de respuesta basada en los distintos niveles de ese factor principal. Para diseos completamente al azar, los niveles del factor de primaria son asignados al azar a las unidades experimentales. LA ASIGNACIN AL AZAR

Es decir, la secuencia de ejecucin de las unidades experimentales se determina al azar. Por ejemplo, si hay 3 niveles del factor primario con cada nivel que se ejecuta dos veces, luego hay 6 secuencias de ejecucin posible (o formas de ordenar los ensayos experimentales). Debido a la replicacin , el nmero de ordenaciones nica es de 90 (desde 90 = 6! / (2! * 2! * 2!)) Un ejemplo de un diseo unrandomized sera correr siempre 2 repeticiones para el primer nivel, a continuacin, 2 para el segundo nivel, y finalmente dos para el tercer nivel. Para cambiar aleatoriamente las pistas, una forma sera la de poner 6 hojas de papel en una caja con 2 plantas que tiene 1, 2 plantas con 2, y 2 con nivel 3. Antes de cada carrera, una de las cuas se elaborar a ciegas de la caja y el nivel seleccionado se utilizar para la prxima ejecucin del experimento. En la prctica, la aleatorizacin se realiza normalmente mediante un programa informtico. Sin embargo, el azar tambin puede ser generada a partir de tablas de nmeros al azar o por algn mecanismo fsico (por ejemplo, dibujar las tiras de papel). TRES NMEROS DE CLAVE Todos los diseos completamente al azar con un factor primario se definen por tres nmeros:

k = nmero de factores (= 1 para estos diseos) L = nmero de niveles n = nmero de repeticiones

y el total tamao de la muestra (nmero de pistas) es N = k L n. Balance dicta que el nmero de repeticiones es el mismo en todos los niveles del factor (esto maximizar la sensibilidad del t estadstico posterior - (o F -) las pruebas). Ejemplo Un ejemplo tpico de un diseo completamente al azar es el siguiente:

k = 1 de los factores (X 1) L = 4 niveles de ese factor (llamado "1", "2", "3", y "4") n = 3 repeticiones por nivel N = 4 niveles 3 repeticiones por nivel = 12 carreras

EJEMPLO DE SECUENCIA AL AZAR DE LOS ENSAYOS La secuencia al azar de los ensayos puede ser como: X 1: 3, 1, 4, 2, 2, 1, 3, 4, 1, 2, 4, 3 Tenga en cuenta que en este ejemplo hay 12! / (3! 3 *! * 3! * 3!) = 369.600 formas de ejecutar el experimento, todos la misma probabilidad de ser elegido por un procedimiento de asignacin al azar.

Modelo para un diseo completamente aleatorizado El modelo para la respuesta es:

con

Y i, j que sea la observacin de que X 1 = i (i y j denotan el nivel del factor y la replicacin en el nivel del factor, respectivamente) (o mu) es el general parmetro de localizacin T i es el efecto de tener nivel de tratamiento i LAS ESTIMACIONES Y PRUEBAS ESTADSTICAS ESTIMACIN Y PRUEBAS DE LOS NIVELES DE FACTOR MODELO

Estimacin de : Estimacin de T i: con

= El promedio de todos los datos

= media de todas Y para los que X 1 = i.

Las pruebas estadsticas para los niveles de X 1 son los que se utilizan para un ANOVA de una va y se detallan en el artculo sobre el anlisis de la varianza. DISEO DE BLOQUES AL AZAR En la estadstica de la teora de diseo de experimentos, el bloqueo es la organizacin de las unidades experimentales en grupos (bloques) que son similares entre s. Por lo general, un factor de bloqueo es una fuente de variabilidad que no es de inters primordial para el experimentador. Un ejemplo de un factor de bloqueo puede ser el sexo de un paciente, al bloquear en el sexo, esta fuente de variabilidad se controla, lo que conduce a una mayor precisin. Bloqueo a "eliminar" el efecto de factores de molestia Para los diseos de bloques al azar, hay un factor o variable que es de inters primordial. qSin embargo, tambin hay varios otros factores de molestia . Son los que pueden afectar el resultado de la medida, pero no son de inters primordial. Por ejemplo, en la aplicacin de un tratamiento, factores de molestia, podra ser el operador especfico que prepar el tratamiento, la hora del da el experimento se ejecut, y la temperatura ambiente.Todos los experimentos tienen factores de molestia. El experimentador normalmente tendr que pasar algn tiempo para decidir qu factores de molestia, son lo suficientemente importantes como para hacer un seguimiento o de control, si es posible, durante el experimento.

El bloqueo de utilizar los factores de molestia que puede ser controlado Cuando somos capaces de controlar los factores de molestia, una tcnica importante conocido como el bloqueo se puede utilizar para reducir o eliminar la contribucin al error experimental aportados por los factores de molestia. El concepto bsico es la creacin de bloques homogneos en los que los factores se mantienen constantes molestias y el factor de inters se le permite variar. Dentro de los bloques, es posible evaluar el efecto de diferentes niveles del factor de inters sin tener que preocuparse por las variaciones debidas a los cambios de los factores de bloque, que se tienen en cuenta en el anlisis. Definicin de factores de bloqueo Un factor de molestia se utiliza como un factor de bloqueo, si todos los niveles del factor primario que se produce el mismo nmero de veces con cada nivel del factor de molestia. El anlisis del experimento se centrar en el efecto de variar los niveles del factor principal dentro de cada bloque del experimento.

Bloque de algunas de las molestias factores ms importantes La regla general es: "Bloque de lo que puede, al azar lo que no puedes." El bloqueo se utiliza para eliminar los efectos de algunas de las variables ms importantes molestias. La aleatorizacin se utiliza para reducir los efectos contaminantes de las variables restantes molestias. Ejemplo de un diseo de bloques al azar Supongamos que los ingenieros de una planta de fabricacin de semiconductores quieres probar si la oblea diferentes dosis material de implante tiene un efecto significativo en las mediciones de resistividad despus de un proceso de difusin que tiene lugar en un horno. Tienen cuatro dosis diferentes que quieren tratar de suficiente obleas experimentales del mismo lote a ejecutar tres obleas en cada una de las dosis. El factor de molestias que les interesa es "correr horno", ya se sabe que cada ejecucin del horno se diferencia de los ltimos y los impactos de muchos parmetros de proceso. Una forma ideal para ejecutar este experimento sera para ejecutar todos los 4x3 = 12 obleas en el largo mismo horno. Que eliminara el factor de molestia horno completamente. Sin embargo, las obleas de regularidad de la produccin tienen prioridad horno, y slo unas pocas obleas experimentales se permiten en cualquier horno de ejecutar al mismo tiempo.

Una forma no bloqueado para ejecutar este experimento sera ejecutar cada uno de los doce obleas experimental, en orden aleatorio, por campaa de horno. Eso aumentara el error experimental de cada medida de resistividad por la variabilidad del horno de ejecucin para ejecutar y hacer ms difcil para estudiar los efectos de las dosis diferentes. El camino bloqueado para ejecutar este experimento, asumiendo que puede convencer de fabricacin que le permite poner cuatro obleas experimental en un horno de ejecucin, sera la de poner cuatro obleas con diferentes dosis de cada uno de tres carreras del horno.. La asignacin al azar slo sera elegir cul de las tres obleas con una dosis entrara en ejecucin un horno, y lo mismo para las obleas con dosis de 2, 3 y 4.