Unidad 4 Diseo experimental para un factor.

4.1 .Introduccin, conceptualizacin, importancia y alcances del diseo experimental

en el mbito empresarial.

Introduccin
El diseo experimental suele plantearse cuando se requiere analizar una
caracterstica cualitativa sometida a un nico factor. Este nico factor debe de
tener una influencia significativa sobre la caracterstica cualitativa.
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.
Conceptualizacin
El diseo experimental es una tcnica estadstica que permite identificar y
cuantificar las causas de un efecto dentro de un estudio experimental.
En un diseo experimental se manipulan deliberadamente una o ms variables,
vinculadas a las causas, para medir el efecto que tienen en otra variable de
inters.
Importancia

El Diseo Experimental, como tcnica de investigacin, toma importancia en los

aos 80 en donde se le da una aplicacin estadstica de los proyectos de Seis
Sigma buscando el famoso nmero de 3,4 defectos por milln de unidades
producidas.
El diseo experimental busca entonces a travs de una serie de
herramientas estadsticas aplicadas metodizar los ensayos de prueba y error para
encontrar la mejor combinacin de variables independientes que optimice una
variable de respuesta en unas circunstancias determinadas.
El anlisis experimental se basa en la comprensin de la variacin que presentan
los datos de salida de un problema. La variacin siempre est presente en todos
los procesos de la naturaleza y por ende en los procesos humanos, la planeacin

de un experimento permite identificar las fuentes de que la producen, clasificarlas

y tomar decisiones con respecto a ellas.
Alcances del diseo experimental en el mbito empresarial.
El diseo experimental se distingue por el hecho de definir y controlar las variables
independientes antes de lanzarlas al mercado, intentando distintos tipos de
estmulos a los que respondan los clientes, antes de observar cmo ocurre
verdaderamente.
Puede establecer diferencias en su respuesta que pueden atribuirse a los
estmulos en cuestin, como el envoltorio o el color de un producto, y no a otros
factores, como la disponibilidad limitada del producto.
Aplicar los mtodos de diseo experimental requiere juicio empresarial y un grado
de sofisticacin matemtica y estadstica
Hoy en da, las empresas pueden recopilar informacin detallada de los clientes
con mayor sencillez y pueden emplear dichos datos para crear modelos que
predigan la respuesta del consumidor con mayor rapidez y precisin.

4.2 Clasificacin de los diseos experimentales

Diseo Completamente Aleatorizado

Es el diseo mas simple y sencillo de realizar en el cual los tratamientos se elijen
al azar entre las unidades experimentales o viceversa. Este diseo tiene amplia
aplicacin cuando las unidades experimentales son muy homogneas.

Diseo en Bloques Completos Aleatorizados

Al estudiar la inuencia de un factor sobre una variable cuantitativa es frecuente
que Aparezcan otras variables o factores que tambin inuyen y que deben ser
controladas.
A estas variables se las denomina variables bloque, y se caracterizan por
(i) No son el motivo del estudio sino que aparecen de forma natural y obligada en
el mismo.
(ii) Se asume que no tienen interaccin con el factor en estudio.

4.3 Nomenclatura y simbologa en el diseo experimental.

En los diseos experimentales se presenta la nomenclatura que se utilizara para

representar de una manera clara y visual la estructura de los diseos:
O: Indica la medida de la variable independiente antes (O1) o despus (O2) del
tratamiento. El subndice expresa la posicin de la medida en el diseo.
X: Indica el tratamiento o variable independiente.

4.4 Identificacin de los efectos de los diseos experimentales.

4.5 La importancia de la aleatorizacin de los especmenes de prueba.

4.6 Supuestos estadsticos en las pruebas experimentales.

Los supuestos necesarios del modelo estadstico son:

a. Aditivita: Los factores o componentes del modelo estadstico son aditivos, es
decir la
Variable respuesta es la suma de los efectos del modelo estadstico.
b. Linealidad: La relacin existente entre los factores o componentes del modelo
estadstico
Es del tipo lineal.
c. Normalidad: Los valores resultados del experimento provienen de una
distribucin de probabilidad Normal con media m y variancia s2.
d. Independencia: Los resultados observados de un experimento son
independientes entre s.
e. Variancias Homogneas: Las diversas poblaciones generadas por la aplicacin
de dos o ms tratamientos tienen variancias homogneas (variancia comn).
4.7 Prueba de Duncan.
4.8 Aplicaciones industriales.

Diseo experimental con bloques al azar y diseos factoriales

5.1 Metodologa del diseo experimental de bloques al azar.

En muchos problemas de experimentos, es necesario hacer un diseo de tal

manera que la variabilidad proveniente de fuentes conocidas pueda ser
sistemticamente controlada.
Se seleccionan muestras aleatorias del tamao n de cada una de las k
poblaciones. Las k diferentes poblaciones se clasifican sobre la base de un criterio
nico tal como el de tratamientos o grupos diferentes. Hoy en da el trmino
tratamiento se utiliza generalmente para referirse a las diferentes clasificaciones,
sea que se trate de mezclas diferentes, analistas diferentes, fertilizantes
diferentes, o regiones diferentes de un pas. Se asumir que las k poblaciones son
independientes y tienen distribucin normal con medidas 1, 2, k y variacin
comn 2.

Diseo Completamente Aleatorizado

Es el diseo mas simple y sencillo de realizar en el cual los tratamientos se
elijen al azar entre las unidades experimentales o viceversa. Este diseo
tiene amplia aplicacin cuando las unidades experimentales son muy
homogneas.

Diseo en Bloques Completos Aleatorizados

Al estudiar la inuencia de un factor sobre una variable cuantitativa es
frecuente que Aparezcan otras variables o factores que tambin inuyen y
que deben ser controladas.
A estas variables se las denomina variables bloque, y se caracterizan por
(i) No son el motivo del estudio sino que aparecen de forma natural y
obligada en el mismo.
(ii) Se asume que no tienen interaccin con el factor en estudio.

Mtodo de Duncan
Se utiliza para comparar todos los pares de medias. Fue desarrollado por primera vez por
Duncan en 1951 pero posteriormente l mismo modific su primer mtodo generando el que
ahora se denomina Nuevo mtodo de Rango Mltiple de Duncan. Esta prueba no requiere de
una prueba previa de F, como sucede con la DMS o sea que an sin ser significativa la prueba
F puede llevarse a cabo.
La estadstica de Prueba es denotado, por

Donde es el nmero de medias inclusive entre las dos medias a comparar para diseos
balanceados. Para aplicar esta prueba al nivel
se debe pasar por las siguientes etapas:
1. Determine el error estndar (desviacin estndar) de cada promedio,
por la expresin:

Donde el CM

es obtenido de la tabla Anjova

2. Con los grados de libertad del error y el nivel de significancia

de

el cual es dado

determinar los valores

(intervalos o amplitudes estandarizadas significativos) utilizando las tablas de

amplitudes estandarizadas de Duncan dadas por Hartar (1960) y que se encuentran en el libro
de Miller (1992). Para encontrar estos valores, se requieren los grados de libertad del error y el
valor de

3.

las

Determinar

por

4.

amplitudes

mnimas

significativas

denotadas

calculados por la expresin:

Se

ordenan

de

manera

creciente

los

resultados

promedios

del

experimento
5. Se comparan las medias ordenadas
el siguiente orden:

as: comienza a comparar en

a) El promedio ms alto,
con el ms bajo,
comparando esta diferencia con el
intervalo mnimo significativo . Si esta diferencia es no significativa entonces todas las otras
diferencias son no significantes. Si la diferencia es significativa se contina con b)
b) Posteriormente se calcula la diferencia entre el valor ms alto
compara con el intervalo mnimo significativo

y el penltimo

y se

c) Este procedimiento se contina hasta que todas las medias se han comparado con la media
ms grande

d) A continuacin se compara la segunda media ms grande

pequea

y se compara con el intervalo mnimo significativo

con la ms

Este proceso contina hasta que han sido comparadas las diferencias entre todos
los

posibles pares.

Si una diferencia observada es mayor que el intervalo mnimo significativo, se concluye que la
pareja de medias comparadas son significativamente diferentes.
Para evitar contradicciones, ninguna diferencia entre una pareja de medias se considera
significativamente diferentes si stas se encuentran entre otras dos que no difieren
significativamente. A manera de ilustracin se tiene:
Cuando el diseo es desbalanceado pero los tamaos de rplicas
marcadamente este mtodo puede adaptarse utilizando en vez de
de la media armnica de los tamaos de muestras

O alternativamente se puede reemplazar a

extremas, donde

por

difieren
en la estadstica, el valor

la media armnica de las medias

Y
y
son los tamaos de muestra correspondientes a las medias de tratamientos
menos pequeo y ms grande respectivamente.

Ejemplo
Al aplicar el mtodo de Duncan a los datos del ejemplo del algodn se tiene:
1. El error estndar de la media es

2.

Determinacin

de

como
y
Montgomery se tiene:

los
Utilizacin

3. Los rangos mnimos significativos son:

4. Las medias ordenadas ascendentemente son:

5. Comparacin de las medias

intervalos
la

tabla

VII

significativos
del

Apndice

de

Se
compara con

porque entre

hay inclusive

medias. Ver numeral 4.

Al presentar en u diagrama de lneas los resultados se tiene