Taller de estadstica II

Programa ingeniera industrial

Tema: Preliminares de diseo experimental
1. defina diseo de experimento. Escriba ejemplos.
Este trmino se utiliza para planear un experimento de manera que se pueda
obtener la informacin pertinente a un determinado problema que se investiga
y as tomar decisiones correctas, es decir, es una secuencia de pasos
elaborados con anticipacin (planeado) para asegurar que los datos se
obtendrn adecuadamente, lo que permitir un anlisis objetivo que conducir
a conclusiones validas del problema investigado.
El diseo experimental es el arreglo de las unidades experimentales utilizado
para controlar el error experimental, a la vez que acomoda los tratamientos.
Algunos ejemplos donde habra que utilizar estos diseos son:
el rendimiento de un determinado tipo de maquina (unidades
producidas por da), se desea estudiar la influencia del trabajador
que la maneja y la marca de la mquina.
Se quiere estudiar la influencia de un tipo de pila elctrica y de la
marca, en la duracin de las pilas.
Una compaa telefnica esta interezada en conocer la influencia
de varios factores en la variable duracin de una llamada
telefnica. Los factores que se consideran son los siguientes:
hora a la que se produce la llamada; dia de la semana en que se
realiza la llamada; zona de la ciudad desde que se hace la
llamada; sexo del que realiza la llamada; tipo de telfono (pblico
o privado)desde el que se realiza la llamada.
Algunos diseos experimentales clsicos:
Un diseo experimental es una regla que determina la asignacin de las
unidades experimentales a los tratamientos. Aunque los experimentos difieren
unos de otros en muchos aspectos, existen diseos estndar que se utilizan
con mucha frecuencia. Algunos de los ms utilizados son los siguientes:

Diseo completamente aleatorizado.

El experimentador asigna las unidades experimentales a los tratamientos al

azar. La nica restriccin es el nmero de observaciones que se toman en cada
tratamiento. De hecho si ni es el nmero de observaciones en el i-simo
tratamiento, i = 1,...,I, entonces, los valores n1,n2,...,nI , determinan por

completo las propiedades estadsticas del diseo. Naturalmente, este tipo de

diseo se utiliza en experimentos que no incluyen factores bloque.
El modelo matemtico de este diseo tiene la forma:

Diseo en bloques o con un factor bloque.

En este diseo el experimentador agrupa las unidades experimentales en

bloques, a continuacin determina la distribucin de los tratamientos en cada
bloque y, por ltimo, asigna al azar las unidades experimentales a los
tratamientos dentro de cada bloque.
En el anlisis estadstico de un diseo en bloques, stos se tratan como los
niveles de un nico factor de bloqueo, aunque en realidad puedan venir
definidos por la combinacin de niveles de ms de un factor nuisance.
El modelo matemtico de este diseo es:

El diseo en bloques ms simple es el denominado diseo en bloques

completos, en el que cada tratamiento se observa el mismo nmero de veces
en cada bloque.
El diseo en bloques completos con una nica observacin por cada
tratamiento se denomina diseo en bloques completamente aleatorizado o,
simplemente, diseo en bloques aleatorizado.
Cuando el tamao del bloque es inferior al nmero de tratamientos no es
posible observar la totalidad de tratamientos en cada bloque y se habla
entonces de diseo en bloques incompletos.

Diseos con dos o ms factores bloque.

En ocasiones hay dos (o ms) fuentes de variacin lo suficientemente

importantes como para ser designadas factores de bloqueo. En tal caso, ambos
factores bloque pueden ser cruzados o anidados.
Los factores bloque estn cruzados cuando existen unidades experimentales en
todas las combinaciones posibles de los niveles de los factores bloques.
Diseo con factores bloque cruzados. Tambin denominado diseo filacolumna, se caracteriza porque existen unidades experimentales en todas
las celdas (intersecciones de fila y columna).

El modelo matemtico de este diseo es:

Los factores bloque estn anidados si cada nivel particular de uno de los
factores bloque ocurre en un nico nivel del otro factor bloque.
Diseo con factores bloque anidados o jerarquizados. Dos factores bloque se
dicen anidados cuando observaciones pertenecientes a dos niveles distintos de
un factor bloque estn automticamente en dos niveles distintos del segundo
factor bloque.
En la siguiente tabla puede observarse la diferencia entre ambos tipos de
bloqueo.

Bloques Cruzados

Bloques Anidados

Bloque 1

Bloq
ue 2

Bloque 1

Bloq
ue 2

Tabla 2.1: Plan esquemtico de experimentos con dos factores bloque

Diseos con dos o ms factores.

En algunas ocasiones se est interesado en estudiar la influencia de dos (o

ms) factores tratamiento, para ello se hace un diseo de filas por columnas.
En este modelo es importante estudiar la posible interaccin entre los dos
factores. Si en cada casilla se tiene una nica observacin no es posible
estudiar la interaccin entre los dos factores, para hacerlo hay que replicar el
modelo, esto es, obtener k observaciones en cada casilla, donde k es el
nmero de rplicas.
El modelo matemtico de este diseo es:

Diseos factoriales a dos niveles.

En el estudio sobre la mejora de procesos industriales (control de calidad) es

usual trabajar en problemas en los que hay muchos factores que pueden influir
en la variable de inters. La utilizacin de experimentos completos en estos
problemas tiene el gran inconveniente de necesitar un nmero elevado de
observaciones, adems puede ser una estrategia ineficaz porque, por lo
general, muchos de los factores en estudio no son influyentes y mucha
informacin recogida no es relevante. En este caso una estrategia mejor es
utilizar una tcnica secuencial donde se comienza por trabajar con unos pocos
factores y segn los resultados que se obtienen se eligen los factores a
estudiar en la segunda etapa.
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.
Si k es grande, el nmero de observaciones que necesita un diseo
factorial 2k es muy grande (n = 2k). Por este motivo, las fracciones
factoriales 2k-p son muy utilizadas, stas son diseos con k factores a dos
niveles, que mantienen la propiedad de ortogonalidad de los factores y donde
se suponen nulas las interacciones de orden alto (se confunden con los efectos
simples) por lo que para su estudio solo se necesitan 2k-p observaciones
(cuanto mayor sea p menor nmero de observaciones se necesita pero mayor
confusin de efectos se supone).

En los ltimos aos Taguchi ha propuesto la utilizacin de fracciones factoriales

con factores a tres niveles en problemas de control de calidad industrial.
2. Defina: tratamiento, replica y unidad experimental, de ejemplos.
Tratamiento: es una de las modalidades o niveles que puede
tomar un factor en estudio, por ejemplo: las variedades por
ensayar en un experimento de campo.
Unidad experimental: es el material para evaluar la variable
respuesta y al que se le aplican los distintos niveles de los
factores de tratamientos para obtener una medicin o dato
representativo. Ejemplo: una persona, unidad de tiempo, una
seal, entre muchas pueden ser consideradas como unidad
experimental.
Replica: es el nmero de veces que se repite el experimento
bsico (aplicar los tratamientos a las unidades aleatoriamente).
Ejemplo 1:
Se desea investigar las posibles diferencias en la produccin de dos mquinas,
cada una de las cuales debe ser manejada por un operario.
En el planteamiento de este problema la variable respuesta es la produccin
de una mquina (en un da), el factor-tratamiento en el que se est interesado
es el tipo de mquina que tiene dos niveles y un factor nuisance(factor de
poco inters en el estudio) es el operario que maneja la mquina. En el
diseo del experimento para realizar el estudio se pueden utilizar dos
estrategias para controlar el factor operario que maneja la mquina.
Ejemplo 2:
Si en un experimento en la cual se desea medir el consumo de alimento y la
ganancia de peso en cerdos alimentados con diferentes dietas, si cada cerdo
est en un corral individual y los tratamientos se aplican de forma individual a
cada cerdo, la unidad experimental es el cerdo. Pero si se tienen cuatro cerdos
en un mismo corral la unidad experimental es el corral y no cada uno de los
cerdos. Esto porque no se tiene un control individual de la variable de
respuestas que se est evaluando, por lo tanto, es al corral al cual se le estn
aplicando los tratamientos. En el primer caso si se quieren tener cinco
repeticiones, se tendra un total de cinco cerdos, alojados de forma individual
en cada tratamiento. En el segundo caso como la unidad experimental es el
corral, se necesitarn cinco corrales con cuatro cerdos cada uno, cada corral
con cuatro cerdos es una repeticin, es decir se necesitaran 20 cerdos por
tratamiento.

3. Principios bsicos de un experimento: aleatorizacin, replicacin y

control local.
Algunos principios bsicos del diseo experimental tienen que ver con la
formulacin del problema bajo investigacin, la escogencia del diseo
experimental, la ejecucin del experimento, el anlisis de los datos y la
interpretacin de los resultados.
Para garantizar el anlisis estadstico y para incrementar su sensibilidad,
se debe tener en cuenta tres principios bsicos en cualquier
experimento:

La replicacin
Por esta se entiende que cada tratamiento (o alguno de los
tratamientos) debe ser aplicado a varias unidades experimentales. La
replicacin sirve para:
Proveer un estimado del error experimental, tal estimacin se
convierte en la unidad bsica para determinar si las diferencias
observadas en los datos son estadsticamente significativas
Incrementar la precisin por medio de la reduccin de errores
estndar.
Calcular una estimacin ms precisa del efecto de un factor en el

experimento si se usa la media muestral ( Y ) como una

estimacin de dicho efecto.
La Aleatorizacin
Consiste en que tanto la asignacin del material experimental como el
orden en que se realizan las pruebas individuales o ensayos se
determinan aleatoriamente y sirve para:
Garantizar la validez de la estimacin del error experimental.
Garantizar la independencia de los errores o que las
observaciones sean variables aleatorias independientes. Esto es
necesario para obtener pruebas de significancia vlidas y
estimados de intervalos.
Eliminar el sesgo de tal manera que no se desfavorezca o
discrimine a los tratamientos y permite cancelar los efectos de
factores extraos que pudieran estar presentes.
Existen varias formas prcticas para la asignacin aleatoria de los
tratamientos a las unidades experimentales; una es la numeracin de los
tratamientos, que luego a manera de sorteo se extraen de una urna de
fichas rotuladas con dicha numeracin; el orden en que aparecen los
nmeros corresponde al orden de asignacin de los tratamientos,
tambin existen tablas que contienen nmeros aleatorios y programas
de computadora que los generan.

 control local o bloqueo

En el cual la idea bsica es particionar el conjunto total de las unidades
experimentales en subconjuntos (bloques) que sean lo ms homogneo
posible, eliminando de esta forma los efectos de factores extraos que
contribuyen a la variacin sistemtica de las diferencias entre las
unidades experimentales. Existen varias razones para bloquear en un
diseo experimental:
Puede incrementarse la precisin de un experimento. Las
diferencias entre los bloques es eliminada del error experimental
en el anlisis de resultados reduciendo de sta forma el error.
Los tratamientos son comparados bajo casi idnticas condiciones,
ya que las comparaciones son hechas dentro de bloques de
unidades uniformes.
4. Describa el procedimiento para el diseo experimental.
4.1Planteamiento del problema
El primer paso para realizar un diseo experimental es reconocer el problema.
Se entiende como problema tanto una situacin no deseable en la que algo
est funcionando mal, como la una situacin que trabaja correctamente, pero
que se debe mejorar. La formulacin del problema debe ser una descripcin
concisa y centrada en aquello que est mal. Siempre que sea posible, ser
conveniente cuantificar el problema en trminos de costo, pues esto permitir
cuantificar la mejora conseguida al final del proceso.
4.2Eleccin de tratamientos, factores y niveles.
El paso siguiente consiste en proponer cuales son los factores que se intuye
pueden influir en el problema que se est considerando. El trabajo en equipo
es importante en esta etapa, incluyendo en especial a las personas ms
cercanas al proceso; la tcnica del brainstorming y el uso de diagramas causaefecto pueden ayudar a ejecutar esta etapa de manera ordenada y
consensuada.
Una vez identificados los factores, estos deben clasificarse en primarios,
mantenidos constantes y molestos. Los primeros son los que sern modificados
en la experimentacin; los segundos son aquellos que podran tener influencia
en el problema, pero que en el experimento en curso no son de inters, por lo
que sern mantenidos constantes a propsito, por ltimo, los terceros con
aquellos que, en general, son difciles de mantener constantes para todas las
unidades experimentales y durante el proceso, pero que pueden tener efecto
en el problema.

En un diseo de experimentos se evaluar cada factor en condiciones

diferentes, llamados niveles del factor.
4.3Seleccin de la variable respuesta.
Se llama variable respuesta o dependiente a la variable con que se evala el
problema. En la prctica esta etapa se suele realizar conjuntamente con la
anterior y en muchos casos, hasta en orden inverso. Lo ideal sera que la
respuesta fuera continua, fcil y precisa de medir, aunque es bastante habitual
no poder tener todas estas caractersticas simultneamente.
En la prctica, es usual no poder establecer una nica respuesta para un
problema, ya que, por ejemplo, se pueden necesitar optimizar dos variables al
mismo tiempo. Esto conduce a la realizacin de experimentos con mltiple
respuesta que requieren un anlisis especial, aunque las etapas previas son las
mismas.
4.4Eleccin del diseo experimental.
Establecidos los factores y niveles con los que experimenta, es necesario
seleccionar las condiciones en las que se deben realizar los experimentos;
cantidad de experimentos por realizar, condiciones experimentales para cada
experimento y orden en que estos deben ser realizados. La experiencia y los
conocimientos tericos sobre distintos diseos son de gran ayuda en esta
etapa; en gran medida, ellos determinan el nmero de experimentos que se va
a realizar.
La eleccin de un diseo est directamente asociada con un modelo
matemtico que relaciona la respuesta con los factores analizados. La mayora
de los diseos utilizados (factoriales, ortogonales de Taguchi, Placket-Burman,
etc.) suponen un modelo lineal en la respuesta. Si se prev una no linealidad
importante se debe recurrir a diseos que permitan ajustar modelos de orden
superior. Diseos de segundo orden como los diseos compuestos
centrales(CCD) y diseos de Box-Behnken(BBD), por ejemplo, son muy
utilizados en la metodologa de superficies de respuestas(RSM), en zonas
cercanas al optimo, por ltimo, se debe mencionar que si se conoce que la
relacin existente no es polinmica, el diseo y anlisis debe acomodar esta no
linealidad realizando transformaciones en la funcin respuesta.
Una vez seleccionado el diseo, el nmero mnimo de experimentos necesarios
estar determinado. Tambin se deben analizar con cuidado los tres principios
bsicos para el diseo del experimento; aleatoriedad, obtencin de rplicas y
anlisis por bloques.

4.5Ejecucin del diseo.

Para realizar los experimentos, primero hay que asegurarse de que todos los
recursos necesarios estn disponibles, en mbitos de manufactura suelen
subestimarse los aspectos logsticos y de planificacin del diseo de
experimentos. Coleman y Montgomery sugieren que antes de la realizacin del
experimento puede ser conveniente realizar pruebas piloto que proporcionan
informacin acerca de la consistencia del material experimental y chequean los
sistemas de medicin para realizar una primera estimacin del error
experimental. Si sucediera algn imprevisto, las pruebas piloto permiten
modificar decisiones previas.
Cumplidas las etapas anteriores se procede a la realizacin del experimento y
recopilar informacin. A pesar de la aparente sencillez de esta etapa, es
necesario tener especial cuidado para que el experimento y la recopilacin de
datos se realicen apropiadamente, siguiendo el lay-out del diseo y evitando
posibles errores humanos en la experimentacin misma o en la medicin. Los
experimentos se deben realizar en orden aleatorio para evitar extraer
conclusiones errneas, por la presencia de algn factor no considerado. Si no
es posible aleatorizar alguno de los factores es recomendable aplicar los
diseos Split-plot.
4.6Anlisis de datos.
En esta etapa que requiere mayor conocimiento estadstico. Los mtodos
estadsticos se utilizan para analizar los datos, procurando que los resultados y
las conclusiones sean objetivos. La diversidad de software permite realizar los
clculos matemticos y las grficas necesarias.
Para los diseos factoriales completos sin replicas se suele comenzar el anlisis
con la herramienta Normal Probilibility Plot (incluida en cualquier software
estadstico),esta
grafica
permite
intuir
los
factores
que
influyen
significativamente en la respuesta.
Para determinar formalmente los efectos es habitual usar la prueba Anlisis de
varianza. En general, el mtodo consiste en obtener la variabilidad total del
proceso y clasificarla en varios grupos, ejecutando pruebas con validez
estadstica para saber los efectos que influyen significativamente en la
respuesta, con un determinado nivel de confianza.
4.7Conclusiones y recomendaciones.
Ya culminado el anlisis de la informacin, los experimentadores deben definir
si se han cumplido los objetivos propuestos y realizar una presentacin con
recomendaciones a los mandos y directivos. Si ellos deciden aplicar algunas de
las recomendaciones dadas, estn debern implementarse, asumiendo una
tarea que no suele ser sencilla, pues cualquier cambio tcnico debe ir
acompaado de un cambio cultural. Transcurrido cierto tiempo despus de

haber realizado las modificaciones, conviene realizar un control para evaluar si

las ventajas identificadas se mantienen.
Bibliografa

Montgomery,D,C,(2005). Diseo y anlisis de experimentos. 6 ed.

Ed. I. John Wiley & Sons.
Lorenzen, T. J. and Anderson, V.L. (1993). Diseo de experimentos,
A No-Name approach, ed, dekker.414
Hinkelmann, K. and Kempthome, O. (1994) diseo y anlisis de
experimentos. Ed. W. Interscience. Vol 1, 495