Diseno Experimental 10

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD Escuela de Ciencias Bsicas Tecnologa e Ingeniera Contenido didctico del curso Diseo
o Experimental
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS TECNOLOGA EINGENIERIA
30156 DISEO EXPERIMENTAL CAMPO ELAS RIAO LUNA (Director Nacional)

JOHN FREDDY JARAMILLO Acreditador
Bogot Julio de 2010

1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD Escuela de Ciencias Bsicas Tecnologa e Ingeniera Contenido didctico del curso Diseo Experimental
Algo de historia del diseo experimental
El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald A. Fisher, quin sent la base de la teora del Diseo Experimental y que a la fecha se encuentra bastante desarrollada y ampliada. Actualmente las aplicaciones son mltiples, especialmente en la investigacin de las ciencias naturales, ingeniera, laboratorios y casi todas las ramas de las ciencias sociales. La experimentacin proporciona los datos experimentales, en contraste con los datos de la observacin; los datos de la observacin se representan como su nombre indica por observaciones de las unidades elementales de una poblacin o de una muestra, y no deben ser cambiados ni modificados por ningn intento de parte de un investigador en el curso de la observacin.
DISEO EXPERIMENTAL
Tiene como fn Aplicar correctamente la terminologa y conceptos utilizados en los procesos investigativos
comprende Comceptos metodologicos de investigacin disciplinar
comprende
Conformados por Conocimientos de los tipos de diseo experimental de utilidad en su disciplina
Conocimientos detcnicas y herramientas analticas y estadsticas
Con el fin de
Con el fin de
Con el fin de
Claridad procesos
de
los
investigativos
Con el fin de
Diseo apropiado de Buen diseo de una una investigacin investigacin
Utilizacin razonable de recursos en los trabajos de grado einvestigaciones
Con el fin de Con el fin de
Buen diseo de una investigacin

Formando pprofesionales con
Concepcin critica de la investigacin en la solucin de problemas propios de la disciplina.
Comunidades acadmicas y locales
RED SEMNTICA PARA EL DISEO EXPERIMENTAL EN INGENIERA DE ALIMENTOS

Figura 1. Red semntica para el diseo experimental 3
ndice De Contenido
Unidad Uno Introduccin Justificacin Intencionalidades Formativas Capitulo uno Leccin uno Leccin dos Capitulo dos Leccin tres Leccin cuatro Capitulo Tres Leccin cinco Capitulo cuatro Leccin seis Leccin siete Captulo quinto Leccin ocho Leccin nueve Capitulo seis Leccin diez Leccin once
Los diseos experimentales
La investigacin y el diseo experimental La investigacin Diseo de investigacin Definiciones bsicas en el diseo de experimentos Experimentacin Fundamentos de la experimentacin Definiciones bsicas en el diseo de experimentos Anlisis de experimentos Utilidad del Diseo Estadstico de Experimentos Modelo estadstico Diferencia mnima significativa Clasificacin de los diseos experimentales Caractersticas de los diseos experimentales Clasificaciones prcticas de los diseos experimentales Experimentos de una variable Experimentos de una variable y sin bloquear Diseo en bloques
Unidad dos Introduccin Capitulo siete Leccin doce Capitulo ocho Leccin trece Capitulo nueve Leccin catorce Capitulo diez Leccin quince Capitulo once Leccin diecisis Capitulo doce Leccin diecisiete Capitulo trece Leccin dieciocho Ejercicios propuestos Unidad dos Bibliografa para la
D iseos experimentales de dos y tres factores Diseo en cuadro latino Diseo en cuadro latino Diseo en cuadro greco latino Diseo en cuadro greco latino Diseos factoriales Diseos factoriales Diseos factoriales 2k El diseo factorial completo 2k Diseo factorial de tres factores Diseo factorial de tres factores Metodologa de la superficie de respuesta. Superficie de respuesta Otros diseos experimentales Diseos no experimentales
LISTADO DE TABLAS
LISTADO DE GRFICOS Y FIGURAS
Aspectos De Propiedad Intelectual
El contenido didctico del curso acadmico: Diseo experimentalfue diseado inicialmente en el ao 2004 por el Ing. Qumico. MSc. Campo Elas Riao Luna, docente de la UNAD, ubicado en la sede Jos Celestino Mutis. Se ha desempeado como docente y tutor de la UNAD a partir del 2003, anteriormente se desempeo como investigador cientfico II en CENICAFE. Esta es la segunda actualizacin del presente mdulo, el cual se ofrece con carcter estrictamente educativo. Por lo cual se ha recurrido a los conocimientos y experiencias de varios autores de textos regulares sobre las temticas tratadas. La version del contenido didctico que actualmente se presenta tiene como caractersticas: 1) Reorganizacin de los contenidos relacionados en las dos unidades en lecciones. 2) Repaso a los conceptos estadsticos. Las temticas pueden ser actualizadas acorde con el desarrollo del curso. De acontecer esto se informara oportunamente.
Cuando se inicia el diseo experimental? El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald Aymer Fisher, matemtico ingles nacido en Londres el 17 de febrero de 1890 y fallecido en Adelaida, Australia, el 29 de julio de 1962. Desde 1919 y hasta 1933, trabajo para la Rothamsted Experimental Station, cerca de Harpenden, Inglaterra en la aplicacin de un exhaustivo anlisis estadstico a los datos de investigaciones agrcolas que el personal haba recolectado. Ejercicio que le permiti desarrollar y consolidar los principios bsicos del diseo y anlisis experimental que hasta la fecha son prcticas necesarias para llegar a resultados de investigacin vlidos. Estudiando y analizando estadsticamente experimentos relativos a los cultivos de trigo, desarroll el anlisis de varianza y unific sus ideas bsicas sobre los principios del diseo de experimentos. Figura.2. Sir Ronald Fisher. Su primera obra el artculo "The Arrangement of Field Experiments" lo publico en, 1926; en ese importante artculo describi tres componentes fundamentales de los experimentos en el rea de pruebas agrcolas: control local de las condiciones de campo para reducir el error experimental, replicacin como un medio para estimar la varianza del error experimental y la aleatorizacion para obtener una estimacin valida de esa varianza. Fue quin sent la base de la teora del Diseo Experimental y que a la fecha se encuentra bastante desarrollada y ampliada. Actualmente las aplicaciones son mltiples, especialmente en la investigacin de las ciencias naturales, ingeniera, laboratorios y casi todas las ramas de las ciencias sociales. (20) La experimentacin proporciona los datos experimentales, en contraste con los datos de la observacin; los datos de la observacin se representan como su nombre indica por observaciones de las unidades elementales de una poblacin o de una muestra, y no deben ser cambiados ni modificados por ningn intento de parte de un investigador en el curso de la observacin. (30).
Ningn otro investigador ha tenido tanto impacto en los principios estadsticos del diseo de experimentos en su tiempo como Ronald A. Fisher.
10
INTRODUCCIN
En la UNAD se viene adelantando a travs del rediseo curricular un plan estratgico para la formacin y capacitacin en investigacin disciplinar y formativa, con el fin de continuar con el refuerzo de los procesos de acreditacin de los programas. Condicin que exige entre otras la formacin integral de talento humano en ciencia y tecnologa, capaz de investigar y transformar su entorno regional haciendo uso racional de los recursos disponibles, mediante la modalidad de educacin abierta y a distancia. Con este objeto se propone como curso obligatorio el diseo experimental cuyo contenido induce a los estudiantes a la aplicacin de los principios estadsticos en la investigacin. Curso complementario a los dos (2) primeros mdulos sobre cultura investigativa que se ofrecen en la UNAD, especficamente en la F.C.B.I.; el contenido de este dar los lineamientos para una de las etapas importantes en todo proceso de investigacin como es la experimentacin y la comprobacin de hiptesis. Adems de incentivar a los estudiantes y docentes sobre la forma y la importancia de obtener informacin rpida, de utilidad, con ventajas econmicas para el desarrollo de los trabajos de grado y proyectos de investigacin en la UNAD, en la Facultad de Ciencias Bsicas e Ingeniera y en el programa de Ingeniera de Alimentos se tienen establecidos.
11
Justificacin Para responder al reto que le plantea su proyecto acadmico, la Universidad, desde la perspectiva de ser abierta y a distancia, se ha propuesto crear las condiciones que le permitan consolidar cientficamente los currculos, con este propsito se ofrece el modulo de diseo experimental de aplicacin a todas los programas de la UNAD, con el fin de aprender a planificar de una manera razonable los trabajos de grado y las diferentes investigaciones que se propongan, reconfirmando las tcnicas necesarias para realizar con xito dicha labor y sustentar objetivamente los resultados a travs de la investigacin planificada. Objetivos del modulo La UNAD y la Facultad de Ciencias Bsicas e ingeniera a travs de este modulo suministrara los elementos esenciales para que el alumno que se encuentra cursando los semestres octavo, noveno y dcimo del ciclo de ingeniera conozca el proceso que requiere la elaboracin de un trabajo de investigacin respaldado por un estudio estadstico, aplicado a una recogida y toma de datos experimentales productos de una metodologa debidamente planificada, con interpretacin de resultados hasta su posterior anlisis y conclusiones. Finalmente se pretende que el alumno sea capaz de planificar y elaborar, por s mismo, estudios con aplicacin de la estadstica, relacionados con los obtenidos por medio de la bsqueda de documentacin en bibliotecas, en los laboratorio, en centros especializados en diversos estudios, en analizar tendencias poblacionales, etc., y el uso y manejo de algn paquete de software estadstico adecuado. Intencionalidades formativas Las intencionalidades formativas del presente curso estn constituidas por los propsitos, los objetivos, competencias y metas de aprendizaje. Propsitos Se pretende con este modulo y gua proporcionar y suministrar los elementos, los conceptos y la informacin necesaria para el desarrollo de las actividades a tener presentes para la planificacin y el desarrollo de un proyecto de investigacin, con el fin de inducir a los docentes y estudiantes en la aplicacin de estrategias que conduzcan al correcto planteamiento, desarrollo y formulacin de actividades propias de la investigacin con racionalizacin de los recursos asignados. Objetivos
12
Ofrecer y dar las herramientas necesarias para que el estudiante maneje y comprendan los conceptos y la informacin relacionada con el diseo experimental y el procedimiento investigativo. Despertar el inters del estudiante por la aplicabilidad del diseo de experimentos en diversas reas de su disciplina. Competencias Contextual: relacin de los conocimientos adquiridos con la planeacin de la investigacin. Comunicativa: manejo de un lenguaje cientfico y tecnolgico para describir e interpretar los diferentes aspectos de la investigacin disciplinar, formativa y la socializacin de los conocimientos adquiridos. Cognitiva: conocimiento, comprensin, anlisis y aplicacin de los principios del mtodo cientfico objetivo a la investigacin a travs del planteamiento de diseos experimentales para la solucin de problemas de las comunidades Unadistas. Valorativa: desarrollo de valores como honestidad, tica, respeto y la generacin de hbitos de estudio, disciplina, perseverancia, iniciativa, entusiasmo y compromiso. Metas Al finalizar el curso los participantes tendrn la capacidad de: Dirigir y coordinar investigaciones, a travs del estudio de los aspectos principales que conforman la planeacin de un trabajo de investigacin. Comprender los beneficios de los diseos experimentales en la investigacin. Realizar y desarrollar diseos experimentales. Resolver problemas cualitativos y cuantitativos inherentes a su profesin.
13
Para no olvidar Los mtodos experimentales son ampliamente usados en la investigacin bsica y aplicada pero con propsitos muy diferentes. La meta primaria en la investigacin cientfica normalmente es mostrar la importancia estadstica de un efecto que un factor particular ejerce en la variable dependiente de inters En la industria, la meta primaria es extraer la cantidad mxima de informacin imparcial con respecto a los factores que afectan un proceso, la produccin y la calidad del producto terminado. 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.
14
UNIDAD PRIMERA: Los diseos experimentales
Planear Definir
Trabajo de campoLaboratorio
Datos
Grafica 1.Diagrama de un proceso experimental
15
Capitulo 1 La investigacin y el diseo experimental
Introduccin La experimentacin juega un papel fundamental en todos los campos de la investigacin y el desarrollo. El objetivo de la experimentacin es obtener informacin de calidad y confiable. Informacin que debe permitir el desarrollo de nuevos productos y procesos, comprender mejor un sistema y tomar decisiones sobre como optimizarlo adems el de comprobar hiptesis cientficas, etc. Obviamente la experimentacin se debe planificar (disear) cuidadosamente para que proporcione la informacin buscada. Dicha planificacin debe considerar dos aspectos importantes relacionados con toda experimentacin.
Leccin uno: La investigacin La investigacin debe cumplir con dos propsitos fundamentales: Producir conocimientos y teoras, entonces se habla de una investigacin bsica o pura. Resolver problemas prcticos, mediante la aplicacin del conocimiento, entonces se habla de la investigacin aplicada o emprica. Este debe ser el campo de investigacin para las escuelas de la UNAD, por lo tanto la poltica ser fortalecer y desarrollar la investigacin aplicada. Definiciones Investigacin cientfica. Este tipo de investigacin esta basada en la aplicacin del mtodo cientfico para la obtencin de un nuevo saber que en la mayora de los casos pretende mover las fronteras de la ciencia.
El mtodo cientfico. El mtodo cientfico es el procedimiento o conjunto de procedimientos que se utilizan para obtener conocimientos cientficos, el modelo de trabajo o pauta general que orienta la investigacin. Discusin
16
Tanto la investigacin cientfica, bsica como la aplicada, implica un proceso que comprende varias etapas fundamentales a saber: Seleccin, planteamiento y anlisis del problema que se va a investigar. Delimitacin del tema. Formulacin del marco terico (conceptos antecedentes referentes bibliogrficos). Presentacin de la hiptesis explicativa. Diseo metodolgico. Recoleccin de datos. Procesamiento, anlisis e interpretacin de los datos. Confrontacin con la hiptesis. Presentacin del informe final de la investigacin. El estudio del mtodo - o de los mtodos, si se quiere dar al concepto un alcance ms general - se denomina metodologa, y abarca la justificacin y la discusin de su lgica interior, el anlisis de los diversos procedimientos concretos que se emplean en las investigaciones y la discusin acerca de sus caractersticas, cualidades y debilidades. Ejemplo P.F: Revisa el ejemplo que se propondr en la pgina del curso Ejercicio P.F: Revisa el ejemplo que se propondr en la pgina del curso
Leccin 2: Diseo de investigacin
Realizar el diseo de una investigacin significa llevar a la prctica los postulados generales del mtodo cientfico, planificando una serie de actividades sucesivas y organizadas donde se encuentran las pruebas que se han de efectuar y las tcnicas que se van a utilizar para recolectar y analizar los datos. Definiciones Niveles de investigacin. Existen diferentes niveles de investigacin, segn el grado de profundizacin, del rigor y exactitud y del mtodo empleado, a saber:
17
Nivel descriptivo: Responde a las preguntas qu es esto?, cmo se comporta? Describe, las propiedades o caractersticas del objeto en estudio. Nivel clasificatorio: existe una sistematizacin de los datos obtenidos de acuerdo a un criterio previamente definido. Nivel aplicativo: Se busca la causa de un fenmeno o problema, teniendo en cuenta el contexto prctico y terico. Discusin Las etapas de todo trabajo de investigacin se pueden resumir de la siguiente manera: a) Enunciado del problema. b) Objetivos generales y especficos. c) Formulacin de hiptesis. d) Seleccin del procedimiento y diseo experimentales. e) Realizacin del experimento. f) Aplicacin de los mtodos estadsticos a los resultados. g) Interpretacin de resultados h) Anlisis econmico y su utilidad prctica para la comunidad.
Ejemplo P.F: Revisa el ejemplo que se propondr en la pgina del curso Ejercicios P.F: Revisa el ejemplo que se propondr en la pgina del curso
Capitulo 2. Definiciones bsicas en el diseo de experimentos
Leccin tres: La experimentacin
18
La experimentacin juega un papel fundamental en todos los campos de la investigacin y el desarrollo. El objetivo de la experimentacin es obtener informacin de calidad y confiable. Informacin que debe permitir el desarrollo de nuevos productos y procesos, comprender mejor un sistema y tomar decisiones sobre como optimizarlo adems el de comprobar hiptesis cientficas, etc. Obviamente la experimentacin se debe planificar (disear) cuidadosamente para que proporcione la informacin buscada. Dicha planificacin debe considerar dos aspectos importantes relacionados con toda experimentacin Definiciones Experimento. Conjunto de reglas usadas para obtener una muestra de la poblacin y al concluir el ensayo obtener informacin acerca de la poblacin. Un experimento es un procedimiento mediante el cual se trata de comprobar (confirmar o verificar) una o varias hiptesis relacionadas con un determinado fenmeno, mediante la observacin y medicin de las variables que influyen en el mismo. Por ejemplo todas las pruebas de laboratorio y las pruebas de campo que realices para desarrollar tu trabajo de grado. Es un cambio en las condiciones de operacin de un sistema o proceso para obtener una muestra de la poblacin y al concluir el ensayo obtener informacin acerca de la poblacin o del producto obtenido. Por ejemplo variar las condiciones de operacin (temperatura, presin, velocidad de agitacin de un proceso, las raciones para semovientes, dosis de agroqumicos). O la utilizacin de diferentes proporciones de materias primas y aditivos para mejorar la condicin de un producto de consumo masivo. La experimentacin constituye uno de los pasos del mtodo cientfico. Ejemplos de sistemas experimentales son: - Una reaccin qumica y/o bioqumica, cuyo rendimiento (Y) puede ser funcin, entre otros, del tiempo de reaccin (t1), la temperatura de la reaccin (T2) y el tipo de microorganismo (Mo1) utilizado. Otras variables que pueden influir son, por ejemplo, la presentacin de los sustratos, la velocidad de agitacin,.... Experimento aleatorio. Actividad que tiene como resultado o que produce un evento. Prueba donde existen dos o ms resultados posibles, y no se pude anticipar cul de ellos va a ocurrir.
19
Cuando en tus ensayos que vienes realizando no puedes controlar completamente todas las variables intervinientes en el proceso como variaciones internas de una dieta alimenticia, materia prima, temperatura del ambiente, metabolismo de los animales que intervienen en el experimento.. Unidad experimental (10).Es el material experimental al que se le aplica un tratamiento de manera uniforme. O unidad de anlisis, se caracteriza por unos atributos que la diferencia unas de otras parcial o totalmente; pueden someterse a ordenacin de acuerdo con algn criterio. Unidad experimental es el material (objeto del experimento)al que se aplica un tratamiento de manera uniforme. Tambin es la unidad de observacin, es la entidad (p.ej el alimento, la parcela,el semoviente, el catador) sobre la que se mide una o varias caractersticas de inters. Por ejemplo: Puede ser un producto a mejorar, un conjunto de materias primas (frutas, hortalizas, tejidos musculares), un lote de un producto, un tubo de ensayo, etctera. Un producto de panadera, una variedad de productos del agro (maiz, harina de trigo), frutas de una regin, tejidos musculares, un sustrato para ensayos biotecnolgicos.
Aleatorizacion: La aleatorizacin es realizada cuando las unidades se han agrupado y los tratamientos han sido asignados al azar a las unidades dentro de cada grupo. Seleccin del material experimental. El muestreo, o seleccin de las unidades experimentales que van a componer la muestra a analizar, debe disearse de modo que esta muestra sea representativa del fenmeno o la poblacin estudiada, de manera que los resultados obtenidos se puedan extrapolar a situaciones diferentes de las que se van a medir. (8) Repetitividad (precisin) de un experimento. Es la variacin en las mediciones hechas por un solo operador en la misma unidad y con el mismo instrumento o equipo de medicin. Se define como la variacin alrededor de la media. Esta variacin debe ser pequea con respecto a las especificaciones y o la variacin del proceso. Reproducibilidad de un experimento: Variacin entre las medias de las mediciones hechas por varios analistas con las mismas unidades experimentales y con el mismo instrumento de medicin.
20
Discusin Los principales problemas que comprometen dicha representatividad son la falta de independencia de las muestras y el efecto de factores no controlados que puedan estar afectando los resultados. La eleccin de las unidades es de importancia; por ejemplo en la planeacin de experimentos de campo, se han hecho numerosos estudios de la variabilidad entre los rendimientos de materias primas provenientes de cultivos en parcelas de diferentes tamaos formas y de compaas o marcas, bajo tratamiento uniforme. Si los resultados del experimento van a ser aplicados a material no seleccionado, estos tipos de especializacin tienen desventajas potenciales. Las respuestas obtenidas para tratamientos sobre material experimental altamente seleccionado, pueden no ser las mismas que se obtienen de material no seleccionado. Es importante definir el criterio de uniformidad el cual se refiere al tratamiento; al material experimental y la tcnica. La cantidad de muestra debe ser la suficiente para permitir al experimentador realizar medidas auxiliares. El mtodo tradicional de experimentacin, el que quizs surge de forma ms intuitiva y acorde con la experiencia del experimentador como por ejemplo variar-un-factor-cada-vez fijado a partir de unas condiciones iniciales y en donde se realizan experimentos en los cuales todos los factores se mantienen constantes excepto el que est estudio. De este modo, la variacin de la respuesta (Y) se puede atribuir a la variacin del factor, y, por tanto, revela el efecto de ese factor. El procedimiento se repite para los otros factores. Mtodo que presenta inconvenientes importantes cuando existe interaccin entre factores. La solucin, por lo tanto, debe consistir en variar ms de un factor simultneamente al realizar un nuevo experimento solucin conocida como Diseo Estadstico de Experimentos (DEE), universalmente denominado diseo experimental, como la metodologa basada en ayudas matemticas y estadsticas cuyo objetivo es ayudar al investigador a: 1. Seleccionar la estrategia experimental ptima que permita obtener la informacin buscada con el mnimo coste. 2. Evaluar los resultados experimentales obtenidos, garantizando la mxima fiabilidad en las conclusiones que se obtengan.
Ejemplo
21
P.F: Revisa el ejemplo que se propondr en la pgina del curso Ejercicios P.F: Revisa el ejemplo que se propondr en la pgina del curso
Leccin cuatro: Fundamentos de la experimentacin La experimentacin tiene como finalidad: a) El estudio de la variacin de una poblacin de seres vivos. b) La comparacin entre poblaciones y muestras para juzgar su semejanza. e) La interpretacin de resultados de experimentos biolgicos, agropecuarios y de ingeniera, en donde se comparan poblaciones o muestras sometidas a diferentes estudios o pertenecientes a diferentes variedades o razas. d) La determinacin de la relacin entre dos o ms variedades (correlacin y regresin). e) La aplicacin de mtodos para reducir las fuentes de error en la correlacin de datos. f) Y en poblaciones segregadas la separacin de la variacin atribuible a la seleccin de los genes debido al medio, en estudios de herencia cuantitativa.
Definiciones Diseo de experimentos en la investigacin. Disear un experimento significa planear un experimento de modo que rena la informacin pertinente al problema bajo investigacin. El diseo de un experimento es la secuencia completa de pasos tomados de antemano para asegurar que los datos apropiados se obtendrn de modo de modo que permitan un anlisis objetivo que conduzca a deducciones vlidas con respecto al problema establecido. Diseo experimental. es el proceso de planeamiento de un experimento, tal que se tomen datos apropiados con la mayor realidad posible, los cuales deben ser analizados mediante mtodos estadsticos que deriven conclusiones vlidas y objetivas. Podemos decir que la filosofa del diseo experimental es la obtencin
22
de informacin con una alta fidelidad sobre el mensaje de la naturaleza a un costo mnimo. Es el ordenamiento de las unidades experimentales para controlar y minimizar el error experimental.
Discusin La necesidad de disear experimentos surge de la necesidad de responder a preguntas como: Cmo se va a medir el efecto? Cules son las caractersticas a analizar? Qu factores afectan las caractersticas que se van a analizar? Cules son los factores que se estudiaran en esta investigacin? Cuntas veces deber ejecutarse el experimento? Cul ser la forma de anlisis? A partir de que valores se considera importante el efecto? El diseo de experimentos es una herramienta que nos ayuda a hacerlo de forma sistemtica.
Entre los muchos objetivos para disear un experimento se encuentran:

Proporcionar la mxima cantidad de informacin pertinente al problema bajo investigacin. El diseo, plan o programa debe ser tan simple como sea posible. La investigacin debe efectuarse lo ms eficientemente posible; ahorrar tiempo, dinero, personal y material experimental. "Proporcionar la mxima cantidad de informacin al mnimo costo"
Ejemplo El diseo de experimentos en el caso de la ingeniera es fundamental conocer el comportamiento de un sistema, determinar las variables que tienen incidencia en un proceso, optimizar los procesos y sus productos para la reduccin de los costos. El diseo de experimentos es una herramienta que ayuda a hacerlo de forma sistemtica. En las ciencias agrarias igualmente colabora con los profesionales de la disciplina en la planeacin, ejecucin, anlisis y conclusin de los experimentos
23
realizados para determinar el comportamiento de una raza de semovientes a una dieta.
Capitulo tres La investigacin
Leccin cinco: componentes de una investigacin
Definiciones La observacin. Es la recoleccin de los datos necesarios para un estudio. La observacin es un mtodo clsico de investigacin cientfica; adems, es la manera bsica por medio de la cual obtenemos informacin acerca del mundo que nos rodea. Se fundamenta en los siguientes principios bsicos: Debe tener un propsito especfico. Debe ser planeada cuidadosa y sistemticamente. Debe llevarse, por escrito, un control cuidadoso de la misma. Debe especificarse su duracin y frecuencia. Debe seguir los principios bsicos de confiabilidad y validez.
Analizar. Despus que el investigador realiza las pruebas o ensayos propuestos toma datos de la variable dependiente seguidamente procede a categorizarlos, ordenarlos y resumirlo en una forma tal que le de respuesta a las preguntas planteadas en ella. En resumen es la operacin intelectual que considera por separado las partes de un todo.
Capitulo cuatro Anlisis de experimentos
Leccin seis: Modelo estadstico
24
Definiciones Modelo estadstico. (Varios autores). La finalidad de una serie de experimentos es determinar un modelo estadstico que refleje la creencia respecto a la relacin entre los tratamientos y las observaciones. Discusin Cada resultado del experimento si este se repite n veces, esta determinado por la media general
y el efecto del tratamiento
La identificacin de este fenmeno y la comprobacin de las suposiciones se hacen en el momento de proponerlo basndose en el siguiente modelo matemtico:
Yij = + i
En donde i= 1,., k j=1,., r
Modelo matemtico Ecuacin 1
numero de tratamientos nmero de repeticiones
=
Y
promedio de todas las unidades experimentales del experimento =
segn el caso.
la diferencia entre el promedio ( ) y el resultado cuando se tiene la combinacin de factores determinada por el tratamiento i. Como hay variaciones no controlables, la inexactitud de las mediciones, conforman un factor llamado error experimental ( ). El modelo finalmente se expresa como:
i =
Yij = + i + ij
Ejemplo
Modelo estadstico Ecuacin 2
P.F: Revisa el ejemplo que se propondr en la pgina del curso
25
Leccin siete: Diferencia mnima significativa
Definiciones Diferencia mnima significativa. Es la diferencia mnima que debe haber entre dos medias mustrales para poder considerar que dos tratamientos son diferentes. Discusin Cuando para este diseo se rechaza la hiptesis de igualdad entre los tratamientos el investigador se pregunta cual(es) de ellos son diferentes entre s. Para averiguarlo se emplean los mtodos de comparacin de medias, uno de estos mtodos(formulas) es el LSD diferencia minina significativa (Ecuacion 1) en donde se sustituye el numero de replicas por el numero de bloques, y tambin se deben cambiar los grados de libertad del error en el caso de bloques esta dado por (b-1)(tratam-1). Ver el modulo de repaso. Para K tratamientos se tienen un total de k (k-1)/2 pares de medias. K=tratamientos b= bloques N = Total de experiencias observaciones para cada tratamiento. n= numero de
El valor de t / 2, N K se toma de las tablas de la distribucin T de Student con N-K grados de libertad del error.
LSD = t / 2, N K 2CME / n
Ecuacin 3
K= Numero de tratamientos o niveles o grupos del factor de inters N= Numero total datos reportados n = Nmero total de datos por grupo CMtratam = SCtratam / (K-1) CME Ecuacin 4
= SCE /(N-k) Ecuacin 5
Ejemplo P.F: Revisa el ejemplo que se propondr en la pgina del curso
26
Captulo quinto Clasificacin de los diseos experimentales
Leccin ocho: Caractersticas de los diseos experimentales
Los diseos experimentales deben tener entre otros las siguientes caractersticas: simplicidad, grado de presicin, ausencia del error sistematico, rango de validez de las conclusiopnes y calculo del grado de incertidumbre. Definiciones a. Simplicidad. La seleccin de los tratamientos y la disposicin experimental deber hacerse de la forma ms simple posible. b. Grado de precisin. El experimento deber tener la capacidad de medir diferencias entre tratamientos con los grados de precisin que desee el investigador. Para cumplir con este propsito se deber partir de un diseo y un nmero de repeticiones adecuados. c. Ausencia de error sistemtico. Se debe planear un experimento con el propsito de asegurar que las unidades experimentales que reciban un tratamiento no difieran sistemticamente de aquellas que reciben otro tratamiento, procurando de esta manera obtener una estimacin insesgada del efecto de tratamientos. d. Rango de validez de las conclusiones. Este deber ser tan amplio como sea posible. Los experimentos que contribuyen a aumentar el rango de validez del experimento son los experimentos replicados y los experimentos con estructuras factoriales. e. Clculo del grado de incertidumbre. En todo experimento existe algn grado de incertidumbre en cuanto a la validacin de las conclusiones. El experimento deber ser concebido de modo que sea posible calcular la probabilidad de obtener los resultados observados debido nicamente al azar. Discusin Se puede decir que el nmero de diseos experimentales es tan amplio como el nmero de situaciones a estudiar y dar respuesta y a la gran diversidad de problemas o situaciones que ocurren en la prctica diaria de las profesiones. De all que es importante saber cmo elegir el ms adecuado para la situacin o problema que se quiere resolver, por lo tanto la clasificacin de los diseos de acuerdo a su objetivo y a su alcance dentro del objetivo en cuestin.
27
Los cinco aspectos que ms influyen en la seleccin de un diseo experimental son: a. El objetivo del experimento. b. El nmero de factores a controlar. c. El nmero de niveles que se prueban en cada factor. d. Los efectos que interesa investigar (relacin factores-respuesta). e. El costo del experimento, tiempo y precisin deseada. Leccin nueve: Clasificaciones prcticas de los diseos experimentales
Para dar solucin al gran nmero de situaciones y problemas tericos prcticos que se presentan en la ingeniera y en otras actividades profesionales se han propuesto un buen numero de diseos experimentales cantidad que hacen necesario saber elegir el ms adecuado para la situacin que se quiere resolver, de all que es conveniente conocer su clasificacin de acuerdo a su alcance dentro del objetivo en propuesto. Definiciones Clasificacin: de acuerdo con su objetivo y su utilizacin, sin pretender ser exhaustivo, los diseos se pueden clasificar como: 1. Diseos para comparar dos o ms tratamientos. 2. Diseos para estudiar el efecto de varios factores sobre la(s) respuesta(s ). 3. Diseos para determinar el punto ptimo de operacin de un proceso. 4. Diseos para la optimizacin de una mezcla. 5. Diseos para hacer el producto insensible a factores no controlables. Ejemplos de los anteriores son los que se van a tratar en este curso como los citados a continuacin: Diseo Completo al Azar, Diseo de Bloques Completos al azar, diseo de Cuadro Latino, diseo de Cuadro Greco Latino, diseo factorial 2K, diseos factoriales 3K.
28
Leccin diez: Experimentos de una variable y sin bloquear
Definiciones Los experimentos de una variable se realizan para averiguar cmo una variable experimental afecta una o ms variables de respuesta. En este tipo de experimentos, los tratamientos son simplemente niveles seleccionados de la variable experimental. Dependiendo de la variable experimental seleccionada, los tratamientos pueden diferir ya sea cualitativa o cuantitativamente. A los experimentos sin bloquear algunos autores los denominan diseo totalmente aleatorizado o completamente al azar, es el diseo ms simple y se usa cuando las unidades experimentales son homogneas, tienen las mismas posibilidades de recibir cualquier tratamiento y la variacin entre ellas es muy pequea. Aplicaciones prcticas En los experimentos de laboratorio, de invernadero y en experimentos en donde las condiciones ambientales son controladas, en algunos casos este diseo necesita solo una rplica con un solo criterio de clasificacin. Por lo tanto: 1. Es fcil de planear. 2. Es flexible en cuanto al nmero de tratamientos y repeticiones, el lmite est dado por el nmero de unidades experimentales en general. 3. No es necesario que el nmero de tratamientos sea igual al nmero de repeticiones. 4. No se estiman unidades o muestras perdidas. 5. El nmero de grados de libertad para el error aumenta por no tener muchas restricciones. Discusin Para un diseo al azar, el procedimiento estadstico para la comprobacin de hiptesis acorde con el anlisis de varianza para el diseo completamente al azar se muestra en las tablas 1 y 2. El procedimiento a seguir es comn y debe ser acorde con lo planteado en la siguiente tabla. Tabla 1. Procedimiento estadstico para la comprobacin de hiptesis
29
INFORMACION RECOPILADA SOBRE LA RESPUESTA A LOS TRATAMIENTOS
OPERACIONES ARITMETICAS A DESARROLLAR PARA EL CALCULO DEL ANAVA
F1A1 OBSERVACIONES F2A1 F3A1
F1B1 F2B1 F3B1
F1C1 F2C1 F3C1 1. = suma de cuadrados de todas las observaciones 2. Suma de los datos 3. Numero total de mediciones 4. Media de los datos 5. Efecto del mtodo = Y observada - Y media
Total tratamiento
por
Yi.1
N
n
Numero de datos n por tratamiento Media tratamiento por
Yi .= Yij
1 j=
Yi. = Yi.
Gran media
Y .. = Y ..
N = an
Suma de SCT cuadrados totales Suma de SCt cuadrados de los tratamientos
Y el ANAVA en la siguiente tabla
30
Tabla 2. Anlisis de varianza para los tratamientos con un solo factor, en un diseo totalmente aleatorizado o completamente al azar. Grados de SC Libertad Suma de cuadrado s k-1 N-k N-1 SCtrat SCE SCT CM Cuadrados medios SCtrat /(k-1) SCE /(N-k) SCMT / (kn -1) F0 Razn p-valor
Fuente de variacin Tratamientos Error Total
SCtrat / CME
P (F>F0 )
k= Numero de tratamientos o niveles o grupos del factor de inters N= Nmero total de datos reportados n = Numero total por grupo El procedimiento consiste en calcular la suma del cuadrado de los tratamientos, la suma de los cuadrados totales y por diferencia la suma de cuadrados del error. Tabla 3. Recopilacin y presentacin de los resultados de los tratamientos, en un diseo totalmente aleatorizado o completamente al azar.
NIVEL
X X
1
A B C D E
F1A1 F1B1 F1C1
F2A1 F2B1 F2C1
F3A1 F3B1 F3C1
Yi.1
Y i..1
F1D1 F2D1 F3D1 F1A1 F2A1 FjeAJ
Yi.1
CT
31
F1A1 hasta FJEAJ son los anlisis o las muestras recolectadas o tomadas
Yij
es
cada hasta
uno Fje
de
los
datos
representa
dos
como
F 1 A1
X = Y .. = Gran media
Ecuacin 6
Yi. = Yij
j =1
Ecuacin 4
Yi. = Yi.
Y .. = Yi j Ecuacin 7
j =1
a =1
Y .. = Y ..
Ecuacin 7.1
N = an Ecuacin 7.2
N = datos totales registrados a = nmero de niveles de = A + B + C + D + E n = nmero de repeticiones = 1 + 2 + 3 + etc

SCTotal =
i =1 a Yij Y .. Ecuacin 8 j =1 n 2
SCTotal = n
i =1
a Y i. Y .. + i =1
n
Yij Yi. Ecuacin 9 j =1 n
SCTotal =
i =1
( Yij ) [ Y ..
2 j =1
Ecuacin 10
SS tratamient os = Yij
i =1
n [ Y ..2 / N
Ecuacin 11
SSTotal = SStratam + SSerror Ecuacin 12

Cuadrado Medio de los tratamientos = CMtratam = SCtratam /(k-1) Ecuacin 13
32
Cuadrado Medio del error = CME= SCerror /(N-k) Ecuacin 14 Con estos calcular el estadgrafo F0 como CMedio de tratT / CME Ecuacin 15
Y con un elegido ( generalmente 5%), con unos grados de libertad en el numerador (k-1) de los tratamientos, con unos grados de libertad en el denominador (N-k) del error se encuentra el valor critico superior de la distribucin F, en una tabla de valores crticos como la de los apndices. Se realiza la comparacin P (F>F0 ) para determinar las hiptesis propuestas. Este diseo sigue un modelo estadstico. (24) Modelo estadstico para un diseo al azar. (Varios autores) Generalmente es representado por la ecuacin siguiente:
Yij = + i + ij
= mediaglobal i = tratamientos ij = error
Ecuacin 16
Ejemplo de un diseo de experimentos sin bloquear Se quiere mejorar las propiedades de transportabilidad, manejo y presentacin de las rosquillas elaboradas por una panificadora, para tal efecto de determinara el efecto que sobre la dureza de estas tiene la incorporacin de tres aditivos en la misma proporcin; los aditivos se incorporaran individualmente en la masa elaborada (amasijo). Para el estudio se empleara un diseo de experimentos sin bloquear. Hiptesis de investigacin: La hiptesis planteada es que al menos uno de los tres ingredientes mejorara la dureza final de las rosquillas. Diseo del experimento: una masa bien homognea para la confeccin de las rosquillas se dividen en seis porciones iguales y a cada dos de ellas se les mezcla el ingrediente seleccionado. La dureza se evala despus de seis das de almacenamiento a 10*C.
33
El primer paso es aleatorizar asignndole una secuencia de nmeros aleatorios a las unidades experimentales, utilizando una de las tablas de permutacin de donde se toma una permutacin aleatoria por ejemplo: 318594267, asignar el primer tratamiento a las dos porciones del tratamiento A , los dos siguientes al tratamiento B y finalmente los otros dos restantes al tratamiento C En la tabla siguiente se resume la aleatorizacin hecha.
Diseo experimental totalmente aleatorizado Rosquillas
Ingrediente A
IngredienteBB Ingrediente
Ingrediente C
Figura 3. Diagrama de flujo para la produccin de rosquillas a partir de una masa estandarizada. Tabla 4. De aleatorizacin para el ejemplo de las rosquillas
Porcion de masa Tratamiento o aditivo
C 34
Solucin: con los datos de la tabla desarrolle las operaciones indicadas
Yi. = Yij = 7+9 +5+10+8+9+10+9+12 = 79

j =1
Yi. = 79 / 9 = 8.77
SCTotal =
i =1
( Yij ) [ Y ..
2 j =1
Ecuacin 17
SCT = {(7)2+(9)2 + (5)2+(10)2 + (8)2+ (9)2+ (10)2+(9)2 + (12)2}- {(8.77)2/3x3 }= SCtratamientos = [{(21)2+(27)2 + (31)2}]/3 -- {(8.77)2/3x3 } = .. SCT=SCE+SCt SCT SCt = SCE SCE = ..
Tabla 5. Datos obtenidos en la determinacin de la dureza para el ejemplo de las rosquillas.
Tratamientos
Dureza o variable de respuesta Total Media Determinacin (Und / cmt)

3 7 1
Varianza
Aditivo A
21
Aditivo B
10
27
Aditivo C
10
12
31
10.33
1.527
Gran media
8.77
35
Tabla 6. Anlisis de varianza para evaluar el efecto de los aditivos en elaboracin de rosquillas. Grados de Libertad Ecuac 3-1=2 6 (9-1)=8 SC Suma de cuadrados Ecuac 16,8889 14,6667 31,5556 CM Cuadrados medios Ecuac 8,44444 2,44444 SSTotales / (kn -1) F0 Razon Ecuac 3,45
la
p-valor
Fuente de variacin Tratamientos Error Total
0,1004
Si utilizamos adems la prueba de rango mltiple para las rosquillas: 95% LSD Tabla 7. Anlisis de homogeneidad y contraste de las rosquillas.
Tratamiento A B C Muestras 3 3 3 Media 7 9 10.33 Homogeneidad del grupo X XX X Contraste (Diferencia) A-B B-C B-C ( -2) (-3.33)* (-1,33)
* Indica diferencia estadsticamente significativa
Comprobando que el tratamiento seleccionado es el que presenta mejores condiciones para ser aplicado a la rosquilla. Desventajas del diseo Las desventajas del diseo completamente al azar son: 1. No es eficiente con material experimental heterogneo. 2. Puesto que no existen restricciones en cuanto a la aleatoriedad, el error experimental incluye la variacin total entre unidades experimentales.
36
Capitulo seis Diseo en bloques Leccin once: Diseo en bloques El objetivo es reunir las unidades experimentales a las cuales se aplicaran los tratamientos, en bloques de cierto tamao, de tal forma que los tratamientos se efectan dentro de cada bloque. Definiciones El nombre de bloques completos al azar es debido a que en cada bloque (por ejemplo un operador, un semoviente, una parcela) se prueban todos los tratamientos (completo) en orden aleatorio. Diseo de bloques completos al azar. (8) El diseo de bloques completos al azar (DBCA) reune las unidades experimentales a las cuales se aplicaran los tratamientos, en bloques de cierto tamao, de tal modo que los tratamientos se efecten dentro de cada bloque, la variabilidad entre unidades experimentales de bloques diferentes ser mayor que entre unidades del mismo bloque, como consecuencia, las diferencias encontradas entre unidades se deben principalmente a la discrepancia entre tratamientos. La disparidad que no se deba tratamiento, se elimina por el diseo y forma parte del error experimental. De acuerdo con esto, es fcil observar que la variabilidad entre bloques no afecta las diferencias entre medias de tratamientos, porque en cada bloque aparece una vez por tratamiento y as los bloques y tratamientos son ortogonales. Caractersticas En este diseo el material experimental es dividido en grupos de unidades experimentales (UE) lo ms homogneas posible. Cada uno de los grupos es una sola prueba o repeticin. El objeto en todas las etapas del experimento es de mantener el error experimental dentro de cada grupo tan pequeo como sea posible en la prctica. Los conjuntos o grupos son llamados bloques. Dentro de cada bloque las (UE) son asignadas aleatoriamente, cada tratamiento ocurre exactamente una vez en un bloque. Se caracteriza por su equilibrio, fcil planeacin y procedimiento de calculo simple.
37
Discusin Fuentes de variabilidad: En este diseo (DBCA) se consideran tres fuentes de variabilidad: el factor de tratamientos, el factor de bloques y el error aleatorio es decir, se tienen tres posibles responsables de la variabilidad que presenten los datos obtenidos. Se denominan completos porque en cada bloque se prueban todos los tratamientos, es decir, que los bloques estn completos Procedimiento estadstico para la comprobacin de hiptesis en un diseo de bloques completos al azar. El procedimiento a seguir es comn y debe ser acorde con lo planteado en la siguiente tabla. Tabla 8. Recopilacin y presentacin de los resultados de los tratamientos, en un diseo de bloques completos al azar.
BLOQUES Tratam r1 r2 r3 r4 Y.j B1

XT1B1
B2
XT1B2
B3
XT1B3
B4
XT1B4
Y i.
X X X X
X
R1
XT2B1
XT2B2
XT2B3
XT2B4
R2
XT3B1
XT3B2
XT3B3
XT3B4
R3
XT4B1
XT4B2
XT4B3
XT4B4
R4
Yi. B1
Yi. B2
Yi. B3
Yi. B4
Btotales
= Ttratotales..
X = Y ..
38
X = Y .. = Gran media
Y .s = Yij
j =1 a
Yi. = Yij Yi. =

j =1
Yij
j =1
Ecuacin 18
Ecuacin 19
Yi. = Yi
Y .. = Y ..
b
N
Ecuacin 20 Gran media Ecuacin 22
Yij = Y . j
a Ecuacin 21
N = datos registrados totales
N = an
a b
a = nmero de niveles = A + B + C + D + E n = nmero de repeticiones = 1 + 2 + 3 + etc

a
Y .. = Yi j = Yi = Y . j
i =1 j =1 i =1
Ecuacin 23
SCTotal =
i =1
a
(Yij)
j =1
2
(Y ..) 2
a ] [(Y ..) 2
Ecuacin 24
SS Bloques = [
(Y . j )
i =1
a i =1
]
]
Ecuacin 25
SStratamientos = [
(Y .i)
b ] [(Y ..)2
Ecuacin 26
SSTotal = SSBloques + SSError Ecuacin 27

Arreglo de los datos en un diseo de DBCA. (Varios autores) Se acostumbra seguir el siguiente arreglo.
39
Tabla 9. Arreglo de los datos en un diseo de bloques completos al azar.

TRATAMIENTOS 1 1 2 3 BLOQUES 4 Yll... Y12 Y13 Y14
..
2 Y22 Y21 Y23 Y24
3 Y31 Y32 Y33 Y34
4 Y41 Y42 Y43 Y44
. .. .
J Yj1 Yj2 Yj3 Yj4
YiB
Yi. B1 Yi. B2 Yi. B3

.. .
.....
. f
Y1f
Y2f
Y3f Y4f
Yjf
Yi. Bn.
Y.JB.. Y.JBN
Y.JBJ
Y.JB1
Y.JB2
Y.JB3
Y.JB4
Modelo estadstico para un DBCA Cualquier observacin en el DBCA, se puede representar por el modelo;
Yij = + i + j + ij
i= 1,., k j=1,., b
Ecuacin 28
numero de tratamientos numero de bloques
j = efecto debido al bloque
Hiptesis a probar Las pruebas de hiptesis que se pueden efectuar dependen del tipo de modelo empleado. Estas conclusiones pueden estar sujetas a error: Error de Tipo I: rechazar la igualdad de las medias de los tratamientos cuando stas no difieren entre si.
40
Error de Tipo II: no rechazar la igualdad de las medias de los tratamientos cuando stas difieren entre si. H0 : Ha:
1 = 2 = 3 = ... k =
1#
j
Ecuacin 29
para algun i # j Ecuacin 30
ANOVA para un diseo en bloques completos al azar (DBCA) (Varios autores) La metodologa de anlisis a emplear es el ANOVA a dos criterios de clasificacin. En este caso, el anlisis de varianza particiona la variabilidad total de la informacin en tres componentes: una primera debida al efecto de los tratamientos (Suma de Cuadrados Entre Tratamientos), la segunda a efecto de los bloques (Suma de Cuadrados de Bloques), y finalmente el Error Experimental (Suma de Cuadrados del Error). En la misma forma se particionan los grados de libertad. El rechazo o no de la hiptesis nula depende del valor del estadstico F: F = (S. C. de Tratamientos / t - 1) / (S. C. del Error / (t - 1) (r - 1)) Ecuacin 30.1
Comparacin de medias de tratamiento en el diseo de bloques completos al azar (BCA) Cuando para este diseo se rechaza la hiptesis de igualdad entre los tratamientos el investigador se pregunta cual(es) de ellos son diferentes entre s. Para averiguarlo se emplean los mtodos de comparacin de medias, uno de estos mtodos(formulas) es el LSD diferencia mnima significativa (Ecuacin .) en donde se sustituye el numero de replicas por el numero de bloques, y tambin se deben cambiar los grados de libertad del error en el caso de bloques esta dado por (b-1)(tratam-1). Para K tratamientos se tienen un total de k(k-1)/2 pares de medias. K=tratamientos b= bloques N = Total de experiencias observaciones para cada tratamiento. n= numero de
El valor de t / 2, N K se toma de las tablas de la distribucin T de Student con N-K grados de libertad del error.
LSD = t / 2, N K 2CME / n
Ecuacin 31
41
Tabla 10. ANOVA para un diseo en bloques completos al azar
Suma de cuadrados Ecuac
Grados de libertad Ecuac
Cuadrados medios Ecuac
Fo
p-value
Ecuac
Tratamientos
SCtrat
k-1
SCtrat
Fo = SCtrat / CME
P(F > Fo)
Bloques
SCB
b-1
CMB
Fo = CMB / CME
P(F > Fo)
Error
SCE
(k -l)(b -1)
CME
Total
SCT
N-1
Ejemplo de bloques completos al azar (BCA) (Varios autores) Una empresa procesadora de jugos investiga el efecto de cuatro evaporadores en la velocidad de evaporacin (concentracin) de un jugo de tomate proveniente de cuatro localidades de la geografa nacional. Para lo cual se elabora un jugo con los tomates provenientes de una mima localidad y concentra cada uno de ellos en cuatro turnos en los cuatro evaporadores en orden completamente aleatorio. Como variable de respuesta se determina el tiempo de empleado para llegar a una concentracin de 20 grados brix. El resultado de las 16 pruebas se presentan el la tabla 9. Por favor realizas las operaciones indiadas y disctelas con el tutor..
42
Tabla 11. Datos obtenidos en la determinacin del contenido de slidos para el ejemplo de concentracin del jugo de tomate.
Tratamientos = mtodos de concentracin 1 2 3 4
BLOQUES =
1 2
1.7 2.3 2 1.8
2.3 2.08 1.9 2
1.8 2.2 2.1 2.3
2.1 2.4 1.95 2
Turnos
3 4
Para la realizacin de esta tabla se sigue el procedimiento que se ha venido siguiendo a travs de los ltimos cinco numerales.
Yi. = Yij = 1.7+2.3+1.8+2.1+2.3+2.08+2.2+2.4+2+1.9+2.1+1.95+.+2.3+2=

j =1
Yi. = 79 / 9 = 8.77
a
SSCTotal =
i =1
( Yij ) [ Y ..
2 j =1
Ecuacin 32
SSCT = {(1.7)2+(2.32 + (1.8)2+(2.1)2 +.+ (2)2+ (2.3)2+(2)2 }- {(33.83)2/4x4 }=
SSCtratamientos = [{(7.8)2+(8.28)2 + (8.4)2+(8.44)}]/4 -- {(33.83)2/4x4 } = .. SSCBLOQUES = [{(7.9)2+(8.88)2 + (7.95)2+(8.1)}]/4 -- {(33.83)2/4x4 } = .. SSCT=SCE+SCt SCT SCt = SCE SCE = .
Y el ANAVA elaborado para este ejemplo es el siguiente:
43
Tabla 12. Procesamiento de los datos obtenidos en la determinacin del contenido de slidos para el ejemplo de concentracin del jugo de tomate.
Mtodos de concentracin 1 1 2 3 Turnos 4 Totales por tratamiento Media por tratamiento 1,8 7,8 1,95 2 8,28 2,07 2.3 8,4 2,1 2 8,44 2,11 33.83 8,1 2,025 1.7 2.3 2 2 2.3 2.08 1.9 3 1.8 2.2 2.1 4 2.1 2.4 1.95 7,9 8,88 7,95 1,975 2,245 1,9875 Totales por bloque Medias
Tabla 13. ANAVA para los datos obtenidos en la determinacin del contenido de slidos para el ejemplo de concentracin del jugo de tomate.
Fo Ecuac
p-value
Tratamientos Mtodo de concentracin
0,0661688
0,0220563
??
0,6662
Bloques B:OPERARIOS
0,191669
??
1,57
0,2641
Error
0,367006
0,0407785 44
Total
0,624844
15
P. Favor : Completa los faltantes de la tabla 9 anterior. Ninguno de los factores tiene efecto significativo en el tiempo de concentraciones el nivel de confidencia del 95%. Ventajas Las principales ventajas de bloques al azar son las siguientes: 1. Por medio de la agrupacin comnmente se obtienen resultados ms exactos que cuando se usan diseos completamente al azar. Cochran. 2. Puede incluirse cualquier numero de repeticiones. El anlisis estadstico es el acostumbrado. 3. Si la varianza del error experimental es mayor para algunos tratamientos que para otros aun puede obtenerse un error insesgado para probar cualquier combinacin especfica de las medias de los tratamientos. 4. Ningn otro diseo se usa tan frecuentemente como los bloques al azar. Ejercicio para realizar Realizar un ensayo sobre la siguiente pregunta: Cuando el nmero de unidades experimentales no es igual; que procedimiento se realiza? Ejercicio propuesto Los profesionales de una empresa productora de quesos estn realizando un estudio sobre la forma de presentar y transportar una variedad de queso (Q) que comercializan para lo cual han realizado una serie de mediciones sobre la dureza (de los mismos) en seis muestras provenientes de procesos diferentes utilizando para ello tres instrumentos de medida (P)... Obteniendo los siguientes resultados: Tabla 14. Ejemplo de resultados experimentales
P1 P2 P3
45
Q1 Q2 Q3 Q4 Q5 Q6
9,5 10 11,4 11,2 9,8 9,4
12,3 13 11,2 9,6 11 9,1
12 10,8 10,6 10,2 10,2 10,3
-Probar si la diferencias entre la dureza de los quesos es significativa y si la diferencia entre los instrumentos de medida es significativa. Plantear las respectivas hiptesis, y que concluira de la ganancia en peso. Si consideramos un = 0.01.
UNIDAD SEGUNDA D iseos experimentales de dos y tres factores
Capitulo siete: Diseo en cuadro latino El nombre de cuadrado Latino se debe a R.A. Fisher [The Arrangement of Field Experiments, J. Ministry Agric., 33: 503-513 (1926)]. Las primeras Aplicaciones fueron en el campo agronmico, especialmente en los casos de suelos con tendencias en fertilidad en dos direcciones. Leccin doce: Diseo en cuadro latino Hasta ahora estbamos considerando un solo factor Definiciones Diseo en cuadro latino. Diseo que contempla el control de dos factores de bloque, adems del factor de tratamientos y los tres factores tienen la misma cantidad de niveles. Considerndose cuatro fuentes de variabilidad que vienen siendo los dos factores de bloque, el tratamiento y el error aleatorizado. Formacin y tabulacin de los datos experimentales en un cuadrado latino.
46
Suponga 4 tratamientos A, B, C y D, con estos tratamientos se pueden formar 4 cuadros diferentes llamadas tpicas o estandar (en la primera fila y en la primera columna se tiene la misma distribucin). Tabla 15. Recopilacin y presentacin de los resultados de los tratamientos, en cuadro latino. A B C D B A D C C D B A D C A B A B C D B C D A C D A B D A B C A B C D B D A C C A D B D C B A a b c d b a d c c d a b d c b a
De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros diferentes. Un diseo de este tipo slo es posible cuando el nmero de niveles de ambas restricciones sea igual al nmero de niveles del tratamiento. Arreglo de los datos en un diseo de Cuadro latino Representacin del cuadro latino Por ejemplo, en una granja experimental necesitamos averiguar si hay diferencias entre soluciones al tratar una enfermedad. Para esto administramos cuatro medicamentos (tratamientos) a cuatro cabras de diferente raza, con cuatro diferentes raciones alimenticias cada una. El orden en el que los caprinos reciben los tratamientos puede ser completamente aleatorizado (diseo por bloques) o aleatorizado bajo la condicin de equilibrio requerida para un cuadrado latino. Designemos los tratamientos por A, B, C, D. Una asignacin equilibrada respecto al orden de administracin puede ser, la representada en la tabla 15,16. El primer factor de bloqueo se representa en los renglones o filas-raza, el segundo factor de bloqueo se representa en las columnas-raciones y los tratamientos se representan por letras latinas, A, B, C, D. Se distribuyen en forma tal que cada tratamiento aparece slo una vez en cada fila y una sola vez en cada columna (Latin square design). El inters se centra en un solo factor, los tratamientos, pero se imponen dos restricciones a la aleatorizacin en un cuadro como el ejemplo de la tabla del siguiente numeral. Para facilitar el entendimiento de este diseo se debe seguir como ejemplo el recomendado por varios autores y presentado en la siguiente tabla:
47
Hiptesis a probar H0 : Ha:
1 = 2 = 3 = ... k =
1 # j para algun
i # j
Ecuacin 33 Ecuacin 34
En este caso
es el promedio
Procedimiento estadstico en un diseo de bloques en cuadro latino El procedimiento a seguir para la comprobacin de la hiptesis es comn y debe ser acorde con lo planteado en la siguiente tabla.
Y ... = la suma de todos los datos de la tabla de resultados Y ... = Y ijk

Ecuacin 35
Yi.. = Yi..
Yij. = Y ...
bn
n
Y j.. = Yj,\..
an
Ecuacin 37
Tabla 16. Arreglo de los resultados de los tratamientos, en cuadro latino.
BLOQUES II
1 2 3 4 J Yi..
1 2
BLOQUES I
3 4 . . f
A=Yl1l B=Y212 C=Y313 D=Y414

..
B=Y221 C=Y322 D=Y423 F =Y524
C=Y331 D=Y432 A =Y533 F=Y634
D=Y4411 E=Y442 B =Y443 A=Y544
. .. .
F=YjJ1 A=Y1j2 B=Y2j3 C=Y3j4
Yi..1 Yi..2 Yi..3 Yi..4 Yi..,,
.....
F=Yf1f A=Y12f B=Y23f C=Y34f
J=YJjf Yi..f
48
Y ... = Y ijk
Yj..
Y1..
Y2..
Yj..
Yj..
Ynj..
Yj..
La eleccin del cuadro latino se realiza antes de la obtencin de los datos.
SSCTotal =
i
( Yijk ) [ Y ...
2 j k
N
2
Ecuacin 39
2 SStratamiento = [ Yijk j =1
a ] Y ...
N Ecuacin 40
Nota : Los tratamientos se definen con las letras latinas
2 SSrenglone s = Yijk i =1
2 SScolumnas = [ Yijk k =1 t
b ] Y ...
c ] Y ...
2
Ecuacin 41
N Ecuacin 42
*Renglones primer factor de bloqueo **Columnas segundo factor de bloqueo A=B= C Los grados de libertad se cal SSTotales= SSrenglon+SScolumn+SStratamien+SSError Ecuacin 43 Anlisis del diseo de Cuadro latino (Varios autores) Cualquier observacin en el DBCA, se puede representar por el modelo;
Yijl = + i + j + l + ijl
i= 1,., k j=1,., b numero de tratamientos numero de bloques
Ecuacin 44
49
j = efecto debido al bloque
i = efecto debido al tratamiento

ANAVA para el diseo de cuadro latino El anlisis de varianza se realiza siguiendo el mtodo tradicional para comparar tres factores y en igual numero de factores, para el efecto se deben diligenciar las casillas contempladas en la tabla 36 y a manera de ejemplo practico en la tabla 17.
SSCT = SSCtrat + SSCBl + SSCB2 + SSCE y los grados de libertad correspondientes son
Ecuacin 45
k2 -1 = (k -1) + (k -1) + (k -1) + (k - 2)(k -1) Ecuacin 46
Tabla 17. ANOVA para el diseo de cuadro latino*
FUENTES DE VARIABILIDAD Tratamientos
SUMA DE CUADRADOS SCTRAT
GRADOS CUADRADOS DE MEDIOS LIBERTAD k-1 CMTRAT
Fo F= CMTRAT/ CME F = CMB l /CME F= CMB2/CME
P-value P (F > Fa) P(F > Fa) P(F > Fa)
Renglones Columnas Error Total
SCBl SCB2 SCE SCT
k-1 k-1 (k - 2)(k -1) k2 - 1
CMBl CMB2 CME
*Tomado de Gutierrez, H, et all. Analisis de experimentos. Captulo Cuatro 132

50
Ejemplo de un diseo de cuadro latino. En una industria procesadora de alimentos se decide comprobar si es significativo la perdida en peso determinada en gramos de un producto almacenado en cuatro empaques diferentes A, B, C y D para lo cual se le solicita la comprobacin del mismo a cuatro diferentes tecnlogos I, II, III y IV, utilizando para el efecto cuatro balanzas diferentes 1, 2, 3 y 4, las determinaciones son llevadas a cabo siguiendo el modelo de cuadro latino de la tabla siguiente: El resultado de las 16 pruebas se presenta en la tabla 18. Tabla 18. Datos recolectados por los tecnlogos
Mtodos de pesado - Balanzas Tecnlogo I 1 A= 503 2 B= 507 3 C=510 4 D=512
II
B=514
A=493
D=495
C=496
III
C=507 D=511
D=509 C=517
A=509 B=499
B=505 A=520
IV
Procedimiento 1- Calcule la SSCtratamientos (suma de cuadrados) acorde con la formula 35 a 46 y la tablas 16 y 17. 1.1. Para lo cual se debe calcular la sumatoria de todos los tratamientos A, los B, los C y los D como:
A = 503 + 493 + 509 + 520 = 2025 D = 512 + 495 + 509 + 511 = 2027
Cada una de estas sumatorias se reemplaza en la ecuacin de los tratamientos.
51
2- Calcule la SSC renglones (suma de cuadrados) acorde con la formula dada. 3- Calcule la SSCcolumnas (suma de cuadrados) acorde con la formula 4- Calcule la SSCTotales (suma de cuadrados) acorde con la formula Ec 39. 5- Determine el error por diferencia. SSCE = SSCT - SSCtrat - SSCBl - SSCB2 6- Determine los grados de libertad correspondientes Ecuacin . 7- Calcule el ANAVA tabla . 8- Que se puede concluir El estudiante debe seleccionar la frmula adecuada de las anteriormente propuestas. Tabla 19. Calculo de los tratamientos (3eros o letras)
Letra latina
A B
Total de tratamiento
A=
En este ejemplo
A = 2025 B =2025
Yl1l
B= C D
Y221 C =2030 D =2027
C=
Y331 yi3
D=
Tabla 20. ANOVA para el diseo de cuadro latino del ejemplo prdida de peso
FUENTES DE VARIABILIDAD
SUMA DE CUADRADOS Ecuac.
GRADOS DE LIBERTAD Ecuac.
CUADRADOS MEDIOS Ecuac.
Fo Ecuac
P-value
Determinacin peso- balanza
74,1875
24,7292
0,28
0,8355
52
Operario Empaque Error Total
??
4,1875
106,229
1,22
??
0,9969
??
87,0625
0,02
522,375
919,438
15
P.F: completa los faltantes de la tabla 20 anterior.
No hay valores de P que sean menores de 0,05, y ningn factor presenta efecto significativo estadsticamente significativo en la perdida de peso en el nivel de 95% de confianza. Cual sera tu conclusin y que se podra recomendar para ejercicio?
Ejercicio propuesto
1) Con el fin de determinar si se presentan efectos en el peso, debido a la posicin que pueden ocupar pollos de engorde, criados en jaula de 4 pisos (filas) y 4 casilleros (columnas). La variable analizada fue: Peso del pollo (kg.) a las 8 semanas de edad Tabla 21. Resultados experimentales Casilleros Pisos 1 2 3 4 1 1.40(A) 1.35(B) 1.38(C) 1.39(D) 2 1.38(B) 1.28(A) 1.40(D) 1.39(C) 3 1.40(C) 1.45(D) 1.42(B) 1.40(A) 4 1.60(D) 1.62(C) 1.63(A) 1.60(B)
53
a) Formule y realice la Prueba de Hiptesis correspondiente. Use =0.05 b) Realice la prueba de Tukey para comparar si existe diferencia entre el tratamiento A y B. Use =0.05 c) Realice la prueba DLS para comparar si existe diferencia entre el tratamiento C y D. Use =0.01 d) Utilice la prueba t para comparar si el peso promedio utilizando el tratamiento C es menor al peso promedio usando el tratamiento B. Use =0.05
Capitulo ocho Diseo en cuadro greco latino
Leccin trece: Diseo en cuadro greco latino Si en el ejercicio del numeral 1.19.5 se decide considerar el sitio de realizacin del experimento o la procedencia de un ingrediente para el producto considerado; entonces tendramos que controlar activamente un cuarto factor de bloque. Para esto se utiliza el cuadro greco latino. Definiciones El diseo de cuadro greco latino (DCGL), los niveles de el nuevo factor se denotan por las letras griegas , , , a; representndose los tratamiento con las letras latinas A, B, C y D. Arreglo de los datos en un diseo de Cuadro latino La Formacin y tabulacin de los datos experimentales en un cuadrado greco latino es aconsejable presentarla como en la tabla siguiente. Tabla 22. Arreglo de los resultados de los tratamientos, en cuadro Greco-Latino.
BLOQUES II Y ..k 1 2 3 4 Yi
1 BLOQUES I 2
A=Y B=Y
l1l
B=Y
C=Y
22
212
C=Y D=Y
331
D=Y
4411
F=YjJ1 A=Y1j2 B=Y2j3
432
322
54
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD Escuela de Ciencias Bsicas Tecnologa e Ingeniera Contenido didctico del curso Diseo Experimental Y i.. 3 4 . . f Yl
C=Y D=Y
313 414
D=Y4 A=Y
A =Y533
23f
B =Y
C=Y3j4
443
12f
B=Y
A=Y544
34f
C=Y
J=YJjf
Hiptesis a probar para el diseo greco latino
H0 : 1 = 2 = 3 =
Ha:
.. k =
1 # j para algun
i # j
En este caso
es el promedio
Procedimiento estadstico para la comprobacin de hiptesis en un diseo de bloques en cuadro greco latino.
El procedimiento a seguir es comn y debe ser acorde con lo planteado en la siguiente tabla.
Y .... = la suma de todos los datos de la tabla de resultados Y .... = Y ijkl
Ecuacin 46
SSCTotal =
i
( Yijkl ) [ Y ...
2 j k l1
] Ecuacin 47
SStratamiento letra latin = [ Y. 2.. j

j =1
p ] Y ....
N Ecuacin 48
55
Nota : Los tratamientos se definen con las letras latinas
2 SSrenglone s = Yi... i =1
p ] Y ....
Ecuacin 49
2 SScolumnas = [ Y.... L L =1
Pt
p ] Y ....
N Ecuacin 50
SStratamle trgriega = Y..2 . k

k =1
p ] Y ....
Ecuacin 51
*Renglones primer factor de bloqueo **Columnas segundo factor de bloqueo Tratamiento representado por las letras griegas
1 = 2 = =
Los grados de libertad se cal SSTotales= SSrenglon+SScolumn+SStratamienLatin+SStratamien;etrgriega+SSError Ecuacin 52 ANAVA para el diseo grecolatino. Tabla 23. ANOVA para el diseo de cuadro greco latino*
FUENTES DE VARIABILIDAD Tratamientos Letra latin Renglones
SUMA DE CUADRADOS SCtratlatin
GRADOS CUADRADOS DE MEDIOS LIBERTAD k-1 CMtratalatin
Fo Ftralat = CMtratlatin/ CMEr Fre = CMrenglol /CMEr
P-value P (F > Fa) P(F > Fa)
SCrenglo
k-1
CMrenglo
56
Columnas Tratamientos Letra griega Error Total
SCcolumn SCtratgiega SCE SCT
k-1 k-1 (k - 2)(k -1) k2 - 1
CMcolumn CMtaratgriega CMErr
F colmn= P(F > Fa) CMcolumn/CM

Er
Ftratlgrieg=CM
taratgriega
P (F > Fa
*Tomado de Gutierrez, H, et all. Anlisis de experimentos. Captulo Cuatro, p. 132 SSCT = SSCtrat + SSCBl + SSCB2 + SSCE Y los grados de libertad correspondientes son k2 -1 = (k -1) + (k -1) + (k -1) + (k - 2)(k -1) Ecuacin 54 Ecuacin 53
Anlisis del diseo de Cuadro greco latino (Varios autores En el diseo en cuadrado greco-latino se superponen dos cuadrados latinos, resultando el siguiente modelo matemtico:
Yijl = + i + j + l + k + ijl
i= 1,., l j=1,., b numero de tratamientos numero de bloques
Ecuacin 55
i = Efecto debido al bloque 1
j = Efecto debido al bloque 2 l = Efecto debido al tratamiento 1

=
Efecto debido al tratamiento 2
{ , , , }
El inconveniente de este modelo es que su utilizacin es muy restrictiva. Adems pueden no existir cuadrados grecos latinos en determinadas condiciones.
57
Ejemplo para el diseo grecolatino. Ejemplo de un cuadrado greco-latino (Pena, 2002). Se compara el rendimiento de tres procesos de fabricacin (A, B, C) en tres condiciones experimentales ( , , ) tres das distintos con tres procedimientos de medicin. El dise y los resultados obtenidos se indican en la tabla 30. Y..1.=28
.Y..2.=32
..Y..3.=30
Tabla 24. ANOVA para el ejemplo de diseo de cuadro greco latino*
Da 1 Dia2 Da 3 Yi
A
Mtodo 1 10
B
13
C
11 34
C
Mtodo 2 8
A
8
B
10 26
B
Mtodo 3 yL 9 27
C
11 32
A
10 31 30 90
58
Capitulo nueve Diseos factoriales
Leccin catorce: Diseos factoriales En ingeniera muchos de los experimentos se llevan a cabo para estudiar los efectos producidos por dos o ms factores. El desplazamiento de estos dentro de un dominio experimental es costoso adems las limitaciones de tiempo obligan al experimentador a ejecutar slo los experimentos imprescindibles. En los mtodos tradicionales solo se varia un factor cada vez esto no es lo mejor pues implica ms experimentos de los necesarios y se obtiene informacin parcial pues no muestran la interaccin entre los factores; las interacciones en un experimento son corrientes y son los efectos ms importantes para comprender el comportamiento de muchos sistemas. Definiciones Los diseos experimentales permiten variar simultneamente varios factores pero evitndose que se vaya en la misma direccin. Y se complementan de tal modo que la informacin buscada se obtiene combinando las respuestas de todos ellos. El efecto de un factor se define como el cambio en respuesta producido por un cambio en el nivel del factor. En algunos experimentos podemos encontrar que la diferencia en respuesta entre los niveles de un factor no es la misma en todos los niveles del otro factor. Cuando esto ocurre se dice que hay iteracin entre los factores. En un experimento factorial se analizan todas las posibles combinaciones de los niveles de los factores en cada rplica del experimento. Por ejemplo, si el factor A tiene a niveles y el factor B tiene b niveles entonces cada replica tiene ab combinaciones posibles como muestra la figura 1. Arreglo factorial El conjunto de experimentos individuales o tratamientos que se forman al considerar las posibilidades de combinacin para el diseo factorial es el mostrado en las figuras siguientes:
59
Figura 4.Representacin de un experimento factorial
FACTOR B
FACTOR A
A1
B1
Figura 4.1. Un experimento factorial
FACTOR B B1 B2
A1
FACTOR A
A2
Figura 5.Un experimento factorial

60
Hiptesis a probar H0 : Efecto A = 0 Ha: Efecto A # 0 H0 : Efecto B = 0 Ha: Efecto B # 0 H0 : Efecto AB = 0 Ha: Efecto AB # 0 Si efecto A=
Si efecto B=
Las hiptesis tambin se pueden plantear de la siguiente manera:
1 = 2 = ... a = 0 HA : #0 para algn i H0 : 1 = 2 = ... b = 0 HB : j #0

H0 : H0 : HAB:
( ) ij = 0 ( ) ij #0
para algn ij
Hiptesis que se prueban con la tcnica de anlisis de varianza (conocida). Procedimiento estadstico para la comprobacin de una hiptesis en un diseo El anlisis de varianza se calcula de una manera similar a los primeros numerales del presente capitulo. La ecuacin fundamental de ANOVA est dada por la suma de los cuadrados y se expresa de la siguiente manera teniendo el factor A con a niveles y el factor B con b niveles: Calculo de la suma de cuadrados del error. SSCT = SSCA+ SSCB + SSCAB + SSCE Ecuacin 56 Calculo de la suma de cuadrados del error SSCE= SSCT - SSCA-SSCB - SSCAB Ecuacin 57
61
Suma de cuadrados totales:
SCTotal =
i =1
(Yij)
j =1 k =1
(Y ..) 2
N Ecuacin 58
N= abn Suma de los cuadrados de los efectos son:
SSA = 1
bn Yij [ Y ..2 / N
i =1 n
] Ecuacin 59 ] Ecuacin 60
SSB = 1
an Y . j.2 [ Y ..2 / N
i =1
Es conveniente obtener la suma de los cuadrados de la interaccin, SSAB, en dos fases. Primero, se calcula la suma de cuadrados entre los totales de las celdas ab que se conoce como la suma de cuadrados debido a "subtotales":
SSsubtotal es = 1
(Yij.)
i =1 j =1
(Y ..) 2
N Ecuacin 61
Esta suma de cuadrados tambin contiene SSCA y SSCB. Por lo tanto, el segundo paso es calcular la suma de cuadrados de la interaccin como sigue: SSCAB = SSCSubtotales - SSCA-SSCB o SSCE= SSCT - SSSubtotales
ANOVA para el diseo factorial (a x b) o de dos factores Tabla 25. ANOVA para el diseo factorial a x b
Suma de cuadrados
Grados de libertad
Cuadrados medios
Fo
p-valor
62
EFECTOA
SCA
a-1
CMA
Fo = CMTRAT / CME
P(F > Fo)
EFECTOB
SCB
b-1
CMB
Fo = CMB / CME
P(F > Fo)
EFECTOAB
SCAB
(a -l)(b -1)
CMTRAT
Error
SCE
ab(n-1)
CME
Total
SCT
abn-1
CMTRAT
Modelo estadstico para un diseo factorial Cualquier observacin en el diseo factorial se puede representar por el modelo;
Yijl = + i + j + ( ) ij + ijk
i= 1,., a j=1,., b k= 1,2,..n numero de bloques
Ecuacin 62
numero de tratamientos
= media general, tambin denominada
i = efecto debido al i-esimo nivel del factor A, tambin denominada
1 2 .
= efecto debido al j-esimo nivel del factor B, tambin denominada

( ) ij = ( ) ijk =
denominada 1 2 .
representa al efecto de interaccin en la combinacin ij, tambin
es el error aleatorio que supone una distribucin con media cero y
varianza constante
2
63
Estando el modelo de regresin descrito por :
Yijl = o + 1 X 1 + 2 X 2 + 1 2 X 1 X 2 + ijk
Discusin Ventajas de los Experimentos Factoriales Podemos resaltar entre varias las siguientes:
Ecuacin 63
1. Economa en el material experimental pues se obtiene informacin sobre varios factores sin incrementar el tamao del experimento. 2. Permiten el estudio de la interaccin, o sea determinan el grado y la forma en la cual se modifica el efecto de un factor por los niveles de otro factor Desventajas de los diseos factoriales Una desventaja de los experimentos factoriales es que requieren un gran nmero de tratamientos, especialmente cuando se tienen muchos factores o muchos niveles de un mismo factor. Este hecho tiene los siguientes efectos: 1. Si se desea usar bloques completos es difcil encontrar grupos de unidades experimentales homogneas para aplicar todos los tratamientos. 2. Se aumenta el costo del experimento al tener muchas unidades experimentales; esto se minimiza usando factoriales fraccionados donde se prueba una sola parte de todo el conjunto de tratamientos. Los experimentos factoriales se pueden ejecutar bajo cualquier tipo de diseo de control de error o un sub muestreo o con covariables. En este modulo slo se presentaran anlisis de experimentos factoriales de dos factores bajo un DCA y o DBCA. Ejemplo de un diseo factorial Se corre un diseo factorial 3x2 con 2 replicas para investigar el encogimiento de un producto despus del proceso de estandarizado. Los factores investigados son. A: Temperatura de la bodega de almacenamiento ( tres niveles, T1, T2 y T3) y contenido del preservante (material de curado) a dos niveles, B1 y B2. Los datos obtenidos se muestran en la tabla siguiente: Hiptesis de investigacin: la temperatura y los aditamentos influyen en el tamao final del producto.
64
Diseo del experimento: una masa bien homognea para la confeccin del producto se dividen en seis porciones iguales y a cada una de ellas se les mezcla el porcentaje del ingrediente seleccionado.
Tabla 26. Resultados del ensayo NOVA para el diseo factorial a x b
Temperatura T1 B1 Empaque B2
3,9 3,5 4,2 3,8 4,3 4,0 3.81 3.37
T2
3.72 3.50 3.84 3,6 4 3,9
T3
3,8 4,1 3,4 4,3
** Elabore el ANAVA para este proceso y socialcelo con los compaeros en el grupo de curso. Realizamos la suma por fila y por columnas para facilidad de los clculos. Calculando la suma de cuadrados de los efectos SSCT, SSCA, SSCB , SSCAB Tabla 27. ANOVA para el ejemplo de diseo factorial a x b
Fo Ecuac
p-value
EFECTOA
EFECTOB
EFECTOAB
65
Error
Total
* Que conclusiones sacaras?
Capitulo diez Diseos factoriales 2k
Leccin quince: El diseo factorial completo 2k Definiciones Los diseos factoriales 2k son diseos en los que se trabaja con k factores, todos ellos con dos niveles (se suelen denotar + y -). Estos diseos son adecuados para tratar el tipo de problemas descritos porque permiten trabajar con un nmero elevado de factores y son vlidos para estrategias secuenciales. En este diseo se consideran solo dos factores, A y B, cada uno con dos niveles. Se acostumbra denominar el nivel inferior de los factores como -1 o tambin A1 Y el nivel inferior por 1 o tambin A2. Es la estrategia ms adecuada para conocer simultneamente qu efecto tienen k factores sobre una respuesta y descubrir si interaccionan entre ellos. Para la notacin utilizada k = numero de factores. Y 2 (base) es el nmero de niveles seleccionados.
Las interacciones suelen ser muy corrientes y a veces son los efectos ms importantes, por lo que conocerlas es imprescindible para comprender el comportamiento de muchos sistemas. ste describe los experimentos ms adecuados para conocer simultneamente qu efecto tienen k factores sobre una respuesta y descubrir si interaccionan entre ellos.
66
Al no haber factores correlacionados se evitan experimentos redundantes. Adems, los experimentos se complementan de tal modo que la informacin buscada se obtiene combinando las respuestas de todos ellos. Codificacin de las variables La codificacin consiste en asignar valores numricos o alfanumricos (cdigos) a cada una de las variables con el fin de facilitar el tratamiento de los datos. Los niveles de los factores para el diseo factorial se pueden codificar con los smbolos +1 ( nivel superior) y -1 ( nivel inferior); para proporcionar un marco de trabajo uniforme y apropiado para investigar los efectos de los factores (variables) en cualquier regin experimental en la que los valores reales de los factores dependen de la diferencia entre los valores altos y bajos.
X Codificada i = ( X i X ) / Diferencia
Diferencia = (X M Xn) Ecuacin 65
Ecuacin 64
(X M Xn) = diferencia entre los valores mximo y mnimo.
X i = es el valor de x
= el valor en el experimento
X = valor medio de los = el valor medio en el experimento

Efecto de un factor en un diseo 22 La influencia que tiene un factor sobre la variable de respuesta como el cambio en la respuesta cuando un factor cambia de su nivel inferior a su nivel superior, promediado sobre los dems factores. Procedimiento Calculo del efecto de un factor en un diseo 22 La influencia que tiene un factor sobre la variable de respuesta como el cambio en la respuesta cuando un factor cambia de su nivel inferior a su nivel superior, promediado sobre los dems factores
Tabla 28. Signos algebraicos para calcular los efectos en un diseo 22
67
Combinaci PRUEBA A B AXB n de los tratamient os 1 2 3 4

Y
REPETICIONES
Y 2 Y Y
..
PROMEDIO
+ +
+ +
+ +
(1) a b ab
a) El efecto promedio de A es definido como: A = 1/2n {[ ab-b]+[a-(1)]} A = 1/2n [ ab+a b -(1)] Ecuacin 66
b) El efecto promedio de B es definido como: B = 1/2n {[ ab-a]+[b-(1)]} B = 1/2n {[ ab + b a - (1)]} Ecuacin 67
c) El efecto de interaccin de AB es definido como: AB = 1/2n {[ ab-b]-[a-(1)]} AB = 1/2n [ ab+(1)-a-b] Ecuacin 68
n = nmero de repeticiones o replicas
d) la suma de cuadrados de los efectos se calcula a partir de los contrastes y se definen como: SS= [Efecto]2[2k-2]n Ecuacin 69
Tambin puede ser calculada
68
d1) Para el factor A este se calcula con:

SC A = {[ab + a b (1)]}2 n 2 2 Ecuacin 70
d2. De B
SC B = {[ab a + b (1)]}2 n 2 2 Ecuacin 71
d3. De AB
SC AB = {[ ab + (1) a b]}2 n 2 2 Ecuacin 72
d4. Calculo de la suma de cuadrados totales

SS T =
i =1 a
Y
j =1 k =1
2 K =1
Y 2
Ecuacin 73
N = nmero de pruebas d5. Calculo de la suma de cuadrados del error SCE= SCT-SCA-SCB-SCAB Ecuacin 74
ANOVA para un diseo factorial 22 Con los productos de las ecuaciones del numeral anterior debemos construir la siguiente tabla. Tabla 29. ANOVA para un diseo factorial 22
Suma de cuadrados Grados de libertad Cuadrados medios Fo p-value
EFECTOA
SCA
CMA
Fo = CMA / CME
P(F > Fo)
EFECTOB
SCB
CMB
Fo = CMB / CME
P(F > Fo)
EFECTOAB
SCAB
CMAB
Fo = CMAB/ CME
P(F > Fo)
69
Error
SCE
4(n-1)
CME
Total
SCT
n22-1
Ejemplo de un diseo experimental factorial 22 Los pasos a seguir en la resolucin de un ejercicio o situacin de ingeniera en donde se aplique un diseo experimental son los siguientes: 1- Planteamiento del problema Se quiere comprobar el rendimiento de una reaccin con un nuevo catalizador. Por tanto, se pretende determinar en qu grado la temperatura y el tiempo influyen en el rendimiento de reaccin y cmo este se puede variar para mejorarlo. 2- Factores y dominio experimental Para lo cual acorde con la experiencia previa, la revisin bibliografa o las necesidades de la experimentacin (criterios de rentabilidad, limitaciones experimentales), se debe escoger qu factores interesa estudiar y qu valores pueden tomar (el dominio experimental). La Tabla 28 muestra los dos factores escogidos. Como ambos factores son continuos, su dominio experimental se expresa con los valores mximo y mnimo que pueden tomar. Para lo cual se acord que el tiempo de reaccin no debera ser inferior a 8 horas para que el proceso fuera rentable, y superior a 6 horas para asegurar un buen rendimiento; adems el rango de temperatura de trabajo debe ser superior a los (40C) pero sin exceder los 80C. La Tabla 29 tambin muestra la notacin codificada ms habitual para factores continuos: se asigna el valor 1 al extremo inferior del dominio experimental y el valor +1 al extremo superior 2. Para simplificar a menudo slo se indican y +. Es necesario definir la correspondencia entre variables reales y codificadas porque el diseo de experimentos describe la experimentacin ptima empleando variables codificadas (X1, X2,...) sin dimensin. De este modo las herramientas matemticas y estadsticas son generales y se pueden aplicar a cada problema concreto.
70
La experimentacin ms econmica (mnimo nmero de experimentos) es aquella en la que cada factor toma slo dos valores (niveles). Y la que proporcionar la informacin con menor incertidumbre es aquella en la que estos valores son los extremos del dominio experimental, 1 y +1. Esta misma tabla 28 muestra la matriz de experimentos que se obtiene combinando los dos niveles de los dos factores. Cada fila es un experimento y cada columna es un factor estudiado. Tabla 30. Respuestas para el ejemplo de diseo factorial 22
Matriz de experimentos x1
x2
Plan de experimentacin Tiempo (h) Temperatura (C) 40 40 60 60
Respuesta (% rendimiento)
Corrida 1
Corrida 2
Corrida 2
1 2 3 4
+ +
+ +
6 8 6 8
49 54 70 78
48 58 72 55
49 55 73 56
Tabla 31. Matriz para el ejemplo de diseo factorial 22
Combinacin de los tratamientos PRUEBA A B AXB
Repeticiones
Y PROMEDIO
x1
1 2 3 4
x2
x1 x2
Y 1
Y 2
Y 3
+ +
+ +
+ +
(1) a b ab
49 54 70 78
48 58 72 55
49 55 73 56
48,66666667 55,66666667 71,66666667 63
Pasos a seguir a) El efecto promedio de A es definido como:

71
A = 1/2n[ ab+a b -(1)] A = 1/2n[ ab+a b -(1)] A= 7,666
b) El efecto promedio de B es definido como: B = 1/2n{[ ab + b a - (1)]} B = 13
c) El efecto de interaccin de AB es definido como: AB = 1/2n{[ ab-b]-[a-(1)]} AB = 1/2n[ ab+(1)-a-b] = AB = -9 n = nmero de repeticiones o replicas
Tabla 32. Anlisis de varianza para el ejemplo de diseo factorial 22
Suma de cuadrados
Grados de libertad
Cuadrados medios
Fo
p-value
EFECTOA
176,3333333
176,3333333
0,032713984
P(F > Fo)
EFECTOB
507
507
0,094060433
P(F > Fo)
EFECTOAB
264,4533907
264,4533907
0,049062328
P(F > Fo)
72
Error
43121,21328
5390,151659
Total
SCT
11
Capitulo once
Diseo factorial de tres factores Leccin diecisis: Diseo factorial de tres factores Definiciones Diseo factorial de tres factores con dos niveles cada uno. Un diseo factorial de 23 involucra a tres factores A, B, C, todos con dos niveles sus combinaciones se muestran en la tabla siguiente. Si tenemos un factorial con 3 factores cada uno con 2 niveles, las posibles combinaciones de este experimento forman los vrtices de un cubo como se muestra en la figura 6. Al variar un factor a la vez solo se pueden explorar la mitad de las posibles combinaciones. En la figura 6. Podemos notar los espacios vacos de las combinaciones sin explorar.
C
17 16.5 16 15.5 15 14.5 14
-1
-0.6
-0.2
0.2
0.6
0.6 -0.20.2 -1 -0.6
Factor_B
Factor_A
Figura 6. Diseo de tres factores

73
Efecto de un factor en un diseo 23 Es la influencia que tiene un factor sobre la variable de respuesta (cambio en la respuesta) cuando un factor cambia de su nivel inferior a su nivel superior, promediado sobre los dems factores. Discusin El efecto de un factor en un diseo 23, se calcula como se explica en las tablas siguientes:
Tabla 33. Combinacin de los tratamientos para un diseo 23
COMBINACIN DE TRATAMIENTOS CORRIDA A B AXB AXC BXC AXBXC
C
+ + + + +
1 2 3 4 5 6 7 8
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
(1) a b ab c ac bc abc
Tabla 34. Signos algebraicos para calcular los efectos en un diseo 23
74
COMBINACIN DE LOS TRATAMIENTOS
EFECTO FACTORIAL
I
C
+ + + +
AXB
AXC
BXC
AXBX C
(1) a b ab c ac bc abc
+ + + + + + + +
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
+ + + +
a) El efecto promedio de A es definido como: a b ab c ac bc abc
A = 1/2n{[-(1)+a -b+ab-c+ac-bc+abc]} Ecuacin 75 A = 1/2n[ a+ab+abc b - bc -(1)] Ecuacin 76
b) El efecto promedio de B es definido como:
B = 1/2n{[-(1)-a+b+ab-c-ac+bc+abc]} B = 1/2n{[ ab + b+bc+abc a-c-ac - (1)]} Ecuacin 77
c) El efecto de interaccion de AB es definido como: AB = 1/2n{[(1)-a-b+ab+c-ac-bc+abc]} AB = 1/2n{[(1) +abc+ab+c -a-b-ac-bc]} Ecuacin 78

75
n = numero de repeticiones o replicas
d) El efecto de interaccion de AC es definido como:
AC = 1/2n{[(1)-a+b-ab-c+ac-bc+abc]} AC = 1/2n{[(1) +b+ac+abc a -ab-c-bc]} Ecuacin 79 n = numero de repeticiones o replicas
e) El efecto de interaccion de ABC es definido como: ABC = 1/2n{[(-1)+a+b-ab+c-ac-bc+abc]} ABC = 1/2n{[ a +b+c+abc (1) -ab-ac-bc]} Ecuacin 80 n = numero de repeticiones o replicas
f) la suma de cuadrados es definida como: SS= [Efecto]2[2k-2]n Ecuacin 81 Tambin pueden ser calculados. Calculo de la suma de cuadrados totales
SS T =
i =1
Y
j =1 k =1
2 K =1
Y 2
Ecuacin 82
g) Calculo de la suma de cuadrados del error. SSE= SST-SSA-SSB-SSAB Ecuacin 83 h) Analisis de residuos
Y = 0 + 1 X 1 + 2 X 2 +
Ecuacin 84
Anlisis de varianza para un diseo factorial 23
76
Tabla 35. Calculo del Anlisis de varianza para un diseo factorial 23
Suma de cuadrados
Grados de libertad
Cuadrados medios
Fo
p-valor
EFECTOA
SCA
CMA
Fo = CMA / CME
P(F > Fo)
EFECTOB
SCB
CMB
Fo = CMB / CME
P(F > Fo)
EFECTOC
SCC
CMC
Fo = CMC / CME
P(F > Fo)
EFECTOAB
SCAB
CMAB
Fo = CMAB/ CME
P(F > Fo)
EFECTOAC
SCAC
CMAC
Fo = CMAC / CME
P(F > Fo)
EFECTOBC
SCBC
CMBC
Fo = CMBC / CME
P(F > Fo)
EFECTOABC
SCABC
CMABC
Fo = CMABC / CME
P(F > Fo)
Error
SCE
23(n-1)
CME
Total
SCT
n23-1
Coeficientes de determinacin Estos coeficientes miden la proporcin o el coeficiente de variabilidad en los datos experimentales que es explicada por el modelo considerado.
77
R 2 = { [ SCTotal SC Error / SCTotal ]100} R 2 = [ SC Modelo / SCTotal ]100}
Ejemplo de un diseo factorial 23 En una empresa productora de bebidas achocolatadas ha tenido problemas con la viscosidad de cierta bebida de chocolate. Se cree que tres ingredientes que se agregan en pequeas cantidades son con los que se puede resolver este problema, por lo que es necesario explorar la situacin; para ello se corre un experimento 23 con dos rplicas. Con los resultados obtenidos: Tabla 36. Datos de la viscosidad de la bebida desarrollada.
INGREDIENTE A INGREDIENTE B INGREDIENTE C
VISCOSIDAD y1 13,3 14,7 14,6 14,3 16,9 15,5 17,0 18,9 y2 13,7 14,4 14,5 14,1 17,2 15,4 17,1 19,0 Ym
13,4985184 14,5492268 14,5499141 14,1996479 17,0493402 15,4499191 17,0499267 18,949934
-1 +1 -1 +1 -1 +1 -1 +1
-1 -1 +1 +1 -1 -1 +1 +1
-1 -1 -1 -1 +1 +1 +1 +1
Tabla 37. Promedio y factores calculados para el ejemplo de la viscosidad Promedio Factor A Factor B Factor C Factor AB 15,6621 0,250257 1,0506 2,92545 0,524613 +/- 0,61255 +/- 1,2251 +/- 1,2251 +/- 1,2251 +/- 1,2251
78
Factor AC Factor BC
-0,099964 0,699696
+/- 1,2251 +/- 1,2251
Tabla 38. Anlisis de la varianza para la viscosidad de la bebida desarrollada. Suma de cuadrados Factor_A Factor_B Factor_C AB AC BC Total error Total (corr.) 0,125257 2,20754 17,1166 0,550439 0,0199856 0,979149 3,00174 24,0007 Grados de libertad 1 1 1 1 1 1 1 1 Cuadrados medios 0,125257 2,20754 17,1166 0,550439 0,0199856 0,979149 3,00174 F 0,04 0,74 5,70 0,18 0,01 0,33 p 0,8717 0,5487 0,2525 0,7424 0,9482 0,6696
Para este caso hay cero efectos que sean de valor p menor que 0,05, lo cual nos indica que son significativamente diferentes de cero al nivel de confidencia del 95%
79
Figura 6. Pasos para calcular el ANOVA en un diseo 2k
80
Tabla 39. Coeficientes de regresin de la ecuacin de los datos de viscosidad de la bebida desarrollada en el ejemplo anterior. Constante Factor_B AB BC = 15,6621 = 0,525302 = 0,262307 = 0,349848 Factor_A Factor_C AC R2 = 0,125129 = 1,46273 = -0,049982 = 87,4931
La ecuacin ajustada para el modelo es VISCOSIDAD = 15,6621 + 0,125129*Factor_A + 0,525302*Factor_B + 1,46273*Factor_C + 0,262307*Factor_A*Factor_B Estando los valores de las variables especificados en su forma original.
0,049982*Factor_A*Factor_C + 0,349848*Factor_B*Factor_C. Ecuacin 37. R-cuadrado (ajustado para los grados de libertad) = 12,4516 porciento Error estandar = 1,73255 Media absoluta del error = 0,61255
Tabla 40. Valores para el r2, el error estndar para el ejemplo de la viscosidad de la bebida desarrollada. El valor estadstico de R2indica que el modelo ajustado explica el 87,4931% de la variabilidad de la viscosidad, es mas apropiado para comparar modelos con diferente numero de variables independientes es de 12,455% El estimativo del error estndar muestra que la desviacin estndar del error de los residuos es de 1,73255. La media absoluta de error (MAE) fue de 0,61255 el cual es el valor promedio de los residuos.
81
Tabla 41. Resultados estimados para los datos de viscosidad con la ecuacin de regresin encontrada para el ejemplo anterior, utilizando el programa Stat Graphics. Datos 1 2 3 4 5 6 7 8 Valor observado 13,4985 14,5492 14,5499 14,1996 17,0493 15,4499 17,0499 18,9499 Valor fijado 14,1111 13,9367 13,9374 14,8122 16,4368 16,0625 17,6625 18,3374 Lower 95,0% CL for Mean -6,48132 -6,65571 -6,65502 -5,78019 -4,1556 -4,52992 -2,92991 -2,255 Upper 95,0% CL 34,7035 34,5291 34,5298 35,4046 37,0292 36,6549 38,2549 38,9298
Presentacin de resultados. La interpretacin de los resultados sugerimos realizarlos en el siguiente orden y las siguientes recomendaciones: 1) Valor medio 2) Efectos principales 3) Efectos de interaccin de dos factores 4) No olvidar que existe interaccin cuando el efecto de un factor es diferente a distintos niveles de otro(s) factor(es). Esto se puede comprender fcilmente si evaluamos el efecto de cada factor por pares de experimentos. 5) Efecto de interaccin de tres factores Por ejemplo para el ejercicio de la viscosidad se deberan presentar las siguientes graficas.
EFECTOS MEDIOS PARA LA VISCOSIDAD
18
VISCOSIDAD
17 16 15 14 -1.0 Factor_A 1.0 -1.0 Factor_B 1.0 -1.0 Factor_C 1.0
82
Figura 7. Efectos medios para el ejemplo de la viscosidad.

INTERACCION PARA LA VISCOSIDAD
18 + + +
VISCOSIDAD
+ Figura 8. Interacciones para el ejemplo de la+ viscosidad. 16 15 14 -1.0 AB 1.0 + -
17
-1.0 1.0 -1.0 Capitulo doceBC AC 1.0
Metodologa de la superficie de respuesta. Varios autores. Se conoce como superficie de respuesta a la estrategia experimental o al experimento planeado para modelar y determinar como responden los niveles de un factor cuando se comparan con los de otro. Leccin diecisiete: Superficie de respuesta Definiciones Para el ejemplo de la viscosidad, la superficie de respuesta obtenida es la siguiente: Regin experimental Es el espacio delimitado por los rangos de experimentacin utilizados con cada factor. Regin de operabilidad Conjunto de puntos donde el equipo o proceso puede ser operado.
Ejemplo
GRAFICO DE SUPERFICIE DE RESPUESTA

Estimado para la viscosidad
VISCOSIDAD
17 16.5 16 15.5 15 14.5 14
83
-1 -0.6 -0.2 0.2 0.6 1 -1 0.2 0.6 -0.6-0.2 1
Factor_B
Factor_A
Figura 9. Interacciones para el ejemplo de la viscosidad.
Capitulo trece
Otros diseos experimentales
Leccin dieciocho: Diseos no experimentales. Varios autores Es un diseo que se apoya en la observacin directa, la entrevista y la revisin de fuentes documentales; sin que se ejerza control, se manipule alguna sobre las variables bajo estudio, sino que se observa el desarrollo de las situaciones y acorde con un anlisis cuidadoso se intenta extraer explicaciones de cierta validez y como no hay control de las variables, se pueden presentar muchas fuentes de error que hacen dudar de su validez. Recomendaciones La observacin cientfica debe seguir algunos principios bsicos: 1. 2. 3. 4. 5. Debe tener un propsito especfico. Debe ser planeada cuidadosa y sistemticamente. Debe llevarse, por escrito, un control cuidadoso de la misma. Debe especificarse su duracin y frecuencia. Debe seguir los principios bsicos de validez y confiabilidad.
Ejercicios propuestos para la Unidad dos Resuelva los ejercicios siguientes y socialcelos con el tutor y compaeros en los momentos presnciales.
Ejercicios para desarrollar Y socializar en los momentos presnciales acordados con el grupo.
84
1- Un ingeniero presenta el siguiente diseo factorial. Conteste los siguientes incisos sin utilizar un software computacional, es decir haga las operaciones que se le piden de manera manual. a) Que nombre recibe este diseo y por que.? b) Cuales tratamientos tiene este diseo, cuantas replicas? c) en total son doce las corridas experimentales las que se realizaron, seale en que orden debieron correrse y explique por que.? d) Seale los efectos que se pueden estudiar a travs de este diseo. Tabla 42. Resultados experimentales
REPLICA A + + B + + I 66 61 71 75 II 74 76 70 67 III 67 79 83 80 Total (1) = ? (a) = ? (b) = ? (ab) = ?
e) Obtenga los contrastes para los efectos principales de A y B y para la interaccin. f) Realice la grafica de la interaccin entre los factores A y B e interprete con detalle. Verdaderamente el factor B tiene influencia sobre el factor A.
2- A un ingeniero de alimentos le solicitan analizar la resistencia a la ruptura (Y) de un empaque para alimentos, para lo cal utiliza una escala numrica. Examina tres factores, cada uno a dos niveles, X1 = material plstico, X2 = humedad , X3 = direccin del rasguo. Decide obtener tres observaciones o replicas en cada combinacin, las mismas que se muestran en la siguiente tabla: a) Realice el ANAVA para estos datos.
85
b) Interprete los datos significativos y que conclusin daras como ingeniero.? Tabla 43. Resultados experimentales X1 + + + + X2 + + + + X3 + + + + Resistencia a la ruptura 3,25 2,1 4,5 5,1 3,7 3,2 5 4,7 3 2,9 3,9 5,1 5,7 5,3 2,8 2,7 2,3 4,1 3,8 3,2 4,9 4,3 4 3,5
86
Referencias 1. Bavaresco, Aura (1979): Las tcnicas de la investigacin. Edit. Scott, Foresman & Co. 4 edicin. Gienview, Illinois, USA. (1 edicin: 1974). 2. Berenson, Mark; Levine, David; Krehbiel, Timothy. Estadstica para administracin. Edit, Pearson, 2a Edicin, mexico 2001, 734p 3. BickinG A. C. Some Uses of statistics en the Planning of Experiments. Industrial Quality Control, Vol. 10 No. 4, Enero 1954. 4. Bunge, Mario (1980): Ciencia y desarrollo. Edit. Siglo Veinte. Buenos Aires, Argentina. 5. Christensen, Howard. Estadstica paso a paso. Edit Trillas. 5 edic, 1990. Mxico. 682 p. 6. Cochran, Willian; Cox, Gertrude. Diseos experimentales. Edit, Trillas, 5 reimpresion. Mexico 2001, 661p. 7. Costamagna, Alicia, M. Mapas conceptuales como expresin de procesos de interrelacin para evaluar la evolucin del conocimiento de alumnos universitarios. Enseanza de la ciencia, 2001.19, (2), 309-318. 8. COX D. R. Planning of Experiments. John Wiley and Sons, Inc. New York, 1978. 700p. 9. Dawson, Beth; Trapp, Robert. Bioestadstica mdica. Edit, manual moderno. 3 Edicin. Mexico 2002, 435p. 10. FAOSTAT. 11. FSTA. Food science technology abstracts 12. Hernndez, Sampieri, Roberto. Metodologa de la investigacin. Edit Mac Graw hill. Mexico, 2003, 692 p. 13. Hinkelmann, Klaus. Design and analysis of experiments. Vol I, edit. John Wiley & sons, inc.1994. 495p. 14. Howard, B, Cristensen. Estadstica paso a paso. Edit, Trillas, 3 edicion. Mexico 2004, 682p. 15. Kempthorne O. The Design and Analysis of Experiments. John Wiley and Sons. New York, 1952, p.10. 16. Kuehl, O, Robert. Diseo de experimentos. Thompson Learning, .2da edicin. Mxico. 17. Mndez I. Lineamientos Generales para la planeacin de Experimentos. Monografa No. 15, Vol. 15 IIMAS. 1980. 18. Montgomery, Douglas. Diseo y anlisis de experimentos. Grupo editorial Iberoamrica.1991. 589p. 19. Novak, Joseph, D; Gowin, D, Bob. Aprendiendo a aprender. Edit. Martnez Roca, D.L. 1988. - 228 p. 20. Padrn, Corral, Emilio. Diseos experimentales con aplicacin a la agricultura. Editorial trillas, 1996. 21. Ostle B. Estadstica Aplicada. Limusa-Wiley, Mxico, 1975, Cap. 10 22. Montgomery, Douglas. Diseo y anlisis de experimentos. Grupo Editorial ibero Amrica, 1a Edicin, Mxico 1991, 589p.
87
23. Sabino, Carlos A. El proceso de investigacin. Ed. Lumen - Humanitas. Argentina (1996). 24. Tamayo y Tamayo, Mario. El proceso de la investigacin cientfica. 3 ED.. ED. Limusa S.A. Mxico (1998) 25. Valds de Len, Gustavo. Acerca de la posibilidad de experimentacin en diseo. Mayo 2004. Direcciones de las pginas Web. www.virtual.unal.edu.co/cursos/ciencias/2000352/ www.fao.org/docrep/T0848S/t0848s03.htm.pci204.cindoc.csic.es/tesauros/Tes_Psi c/HTML/PSI_D6.HTM http://www.sas.com/software/index.html www.educarchile.cl/eduteca/estadistica/esc_medic.htm es.wikipedia.org/wiki
88

Diseno Experimental 10

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diseno Experimental 10

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD Escuela de Ciencias Bsicas Tecnologa e Ingeniera Contenido didctico del curso Diseo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

30156 DISEO EXPERIMENTAL CAMPO ELAS RIAO LUNA (Director Nacional)

Bogot Julio de 2010

Algo de historia del diseo experimental

comprende Comceptos metodologicos de investigacin disciplinar

Conformados por Conocimientos de los tipos de diseo experimental de utilidad en su disciplina

Conocimientos detcnicas y herramientas analticas y estadsticas

Diseo apropiado de Buen diseo de una una investigacin investigacin

Utilizacin razonable de recursos en los trabajos de grado einvestigaciones

Con el fin de Con el fin de

Buen diseo de una investigacin

Concepcin critica de la investigacin en la solucin de problemas propios de la disciplina.

Comunidades acadmicas y locales

RED SEMNTICA PARA EL DISEO EXPERIMENTAL EN INGENIERA DE ALIMENTOS

Los diseos experimentales

LISTADO DE GRFICOS Y FIGURAS

Aspectos De Propiedad Intelectual

UNIDAD PRIMERA: Los diseos experimentales

Grafica 1.Diagrama de un proceso experimental

Capitulo 1 La investigacin y el diseo experimental

Leccin 2: Diseo de investigacin

Capitulo 2. Definiciones bsicas en el diseo de experimentos

Leccin tres: La experimentacin

Entre los muchos objetivos para disear un experimento se encuentran:

realizados para determinar el comportamiento de una raza de semovientes a una dieta.

Capitulo tres La investigacin

Leccin cinco: componentes de una investigacin

Capitulo cuatro Anlisis de experimentos

Leccin seis: Modelo estadstico

y el efecto del tratamiento

Modelo matemtico Ecuacin 1

numero de tratamientos nmero de repeticiones

promedio de todas las unidades experimentales del experimento =

Modelo estadstico Ecuacin 2

P.F: Revisa el ejemplo que se propondr en la pgina del curso

Leccin siete: Diferencia mnima significativa

= SCE /(N-k) Ecuacin 5

Ejemplo P.F: Revisa el ejemplo que se propondr en la pgina del curso

Captulo quinto Clasificacin de los diseos experimentales

Leccin ocho: Caractersticas de los diseos experimentales

Leccin diez: Experimentos de una variable y sin bloquear

INFORMACION RECOPILADA SOBRE LA RESPUESTA A LOS TRATAMIENTOS

OPERACIONES ARITMETICAS A DESARROLLAR PARA EL CALCULO DEL ANAVA

F1A1 OBSERVACIONES F2A1 F3A1

F1B1 F2B1 F3B1

Numero de datos n por tratamiento Media tratamiento por

Suma de SCT cuadrados totales Suma de SCt cuadrados de los tratamientos

Y el ANAVA en la siguiente tabla

Fuente de variacin Tratamientos Error Total

F1A1 F1B1 F1C1

F2A1 F2B1 F2C1

F3A1 F3B1 F3C1

F1D1 F2D1 F3D1 F1A1 F2A1 FjeAJ

N = datos totales registrados a = nmero de niveles de = A + B + C + D + E n = nmero de repeticiones = 1 + 2 + 3 + etc

Yij Yi. Ecuacin 9 j =1 n

SSTotal = SStratam + SSerror Ecuacin 12

= mediaglobal i = tratamientos ij = error

Diseo experimental totalmente aleatorizado Rosquillas

Porcion de masa Tratamiento o aditivo

Solucin: con los datos de la tabla desarrolle las operaciones indicadas

Yi. = Yij = 7+9 +5+10+8+9+10+9+12 = 79

Tabla 5. Datos obtenidos en la determinacin de la dureza para el ejemplo de las rosquillas.

Dureza o variable de respuesta Total Media Determinacin (Und / cmt)