Diseo de Experimentos

Mg. Oswaldo Quiroz Marn

 Experimento
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/o manipulacin de
la(s) variables que presumiblemente son su
causa.
La experimentacin constituye uno de los
elementos claves del mtodo cientfico y es
fundamental para ofrecer
explicaciones causales.
 Partes Importantes Del
Diseo de Experimentos
1. Objetivo
2. Variables
3. Unidad de anlisis y unidades
experimentales
ASPECTOS IMPORTANTES PARA
EL DISEO DE EXPERIMENTOS
Control de los efectos de la
variable.
Uso de la rplica (Permite
reconocer las diferencias que
resultan de los diferentes
tratamientos).
Empleo de la aleatoriedad.
(Asegura la representatividad de la
muestra.)
 Mtodos estadsticos y
Fuentes
Los mtodos estadsticos se rigen por
la apropiada obtencin de datos y
estas pueden venir de dos fuentes:
Fuentes Observacionales
Fuentes Experimentales
 Estudio observacional
Nos permite medir analizar y
estudiar caractersticas especficas,
pero no modificar a los sujetos que
se esta estudiando
 Estudios Experimentales
Se realiza impulsos (tratamientos o
shocks) y luego se observa los
resultados sobre los sujetos.
 Tipos de Estudios
observacionales
Estudios transversales (encuestas)
Estudios retrospectivos (o de control
de casos)
Estudios prospectivos (longitudinal o
de cohorte)
Control de los efectos de las variables
(para Estudios experimentales)
Estudio a ciegas
Diseo de bloques aleatorios
Diseo Experimental completamente
aleatorio
Diseo experimental rigurosamente
controlado.
 Se debe asegurar que:
Si los datos muestrales no se renen
de manera adecuada, stos podran
resultar intiles por completo: (no
hay mtodo estadstico para corregir
esto), para ello debe de respetarse :
1. Aleatoriedad
2. Tcnicas de Muestreo o Diseo
Muestral
 Aleatoriedad y tcnicas de
muestreo
Muestra aleatoria
Muestra Aleatoria simple (n sujetos)
Muestra probabilstica (probabilidad
conocida aunque no necesariamente
la misma de ser elegido)
8-4

Muestreo
Muestreo: Es el proceso de obtencin de una
muestra procedente de una poblacin.

Muestreo Aleatorio:
Una muestra aleatoria es una muestra seleccionada
de manera que cada elemento o persona en la
poblacin que se estudia tiene una probabilidad
conocida de quedar incluido en la muestra.
Todos los elementos de la poblacin tienen la misma
probabilidad de aparecer en la muestra.
De este Tipo Existe dos tipos:
Simple y Sistemtico
8-5

1. Muestra aleatoria simple

Muestra formulada de manera que

cada elemento o persona en la
poblacin tiene la misma
oportunidad de quedar incluida. De
manera que cada posible muestra
del mismo tamao n tenga la misma
probabilidad de ser elegida.
8-8

EJEMPLO 1
El gerente de Obras de la Mun. Del Tambo cuenta
con cinco expedientes de 5 empresas constructoras.
Cada una de ellas informan de cuentos meses de
experiencia llevan en el mercado.

El gerente debe seleccionar dos empresas cuntas muestras

diferentes son posibles de elegir aleatoriamente?
8-9

EJEMPLO
sta es la
combinacin
de 5 objetos
tomados de 2
en 2. Es decir:

=10
 Metodologa para seleccionar una
muestra aleatoria simple del Ejemplo 1
Paso 1: Enumerar a cada unidad de anlisis:
Paso 2: Seleccionar n unidades de la
poblacin
Se debe utilizar alguna tcnica de
seleccin.
Tabla de Nmeros aleatorios
Seleccin por mtodos
computacionales.
Excel (uso de la herramienta de
Muestreo)
8-5

2. Muestreo aleatorio
sistemtico
Los elementos de la poblacin se
colocan en cierto orden. Se elige un
punto de partida aleatorio y despus
se selecciona uno cada k-simo
elemento de la poblacin para la
muestra.
 Metodologa para seleccionar una
muestra aleatoria Sistemtica del
Ejemplo 1
En el universo (N) se elige el primer
elemento al azar.
Luego los dems se escogen cada cierto
intervalo (k), hasta completar el tamao
muestral (n).
El tamao del intervalo (k) se calcula as:
k = N/n
MA. Sistemtico del Ejemplo
1
INTERVALO MUESTRAL UNIDADES DE ANALISIS

POBLACION: 5 N= 5 1 U Al azar 2
Muestra: 2 n= 2 2 U 2+2 4
K=5/2
K= 2.5 =2 3

K=2 Se Selecciona al Azar

Diferencias entre MASIMP y MASIST

El muestreo sistemtico difiere del

muestreo aleatorio simple en el hecho
de que la elecciones no son
independientes.

Una vez elegido el primer caso, todos

los casos subsecuentes que estarn
incluidas en la muestra se determina
de modo automtico.
 PROCEDIMIENTOS MUESTRALES

AZAR SIMPLE AZAR SISTEMATICO

K = N/n
LISTADO DE LISTADO TOTAL
UNIVERSO UNIDADES DEL N = Universo
PEQUEO UNIVERSO n = N de Muestra
K = Constante FORMULA

LISTADO
EJEMPLO

INTERVALO MUESTRAL UNIDADES DE ANALISIS

POBLACION: 1200
1200 100% N= 1200 1 U 10
X 10% n= 120 2 U 10+10 20
UM: 120 K=1200/120 3 U 10+20 30
K= 10 4 U 10+40 50
ORQM
 Otros tipos de muestreos
Muestreo Sistemtico
Muestreo de conveniencia
Muestreo estratificado
Muestreo por conglomerados
3. MUESTREO ESTRATIFICADO

Considera que al interior del universo

existen estratos (subgrupos
internamente homogneos pero
cualitativa y cuantitativamente
diferentes entre s), y que no se cumple
la condicin de seleccin aleatoria pues
los miembros del grupo mayoritario
tienen una mayor probabilidad de ser
seleccionados en la muestra.

ORQM
 3. MUESTREO ESTRATIFICADO
Ejemplo:
Por ejemplo, si se va a efectuar una
encuesta diseada para evaluar las
opiniones sobre un tema poltico, sera
conveniente dividir la poblacin en
grupos segn la edad, condicin
socioeconmica o la profesin, pues cabe
esperar que las opiniones difieran
sistemticamente entre diversos grupos
de edades, niveles socioeconmicos o
profesiones.
ORQM
ESTRATOS Homogneos en su interior;
diferentes entre s en propiedades y
tamao

Comuna B

Comuna A

Comuna C

Comuna D

Los estratos ms grandes

Tienen mayor probabilidad de ser representados
ORQM
 Cmo garantizar la aleatoriedad
en universos estratificados... ?
Puede usarse alguna de las
siguientes tcnicas:
1. Muestreo Estratificado
Proporcional
2. Muestreo Estratificado No
Proporcional
3. Alocacin ptima de los
estratos.

ORQM
 Muestreo Estratificado
Proporcional
Establece la distribucin proporcional
del universo y aplica esta distribucin
a su tamao muestral para conformar
estratos en la muestra.
Luego elige aleatoriamente los
elementos al interior de cada estrato
muestral hasta ajustar su tamao.
Es mejor que el Muestreo Aleatorio
Simple pues disminuye el error
estndar de la medicin muestral.
ORQM
 Muestreo Estratificado NO
Proporcional (Fraccin variable de
muestreo):
Ajusta convencionalmente los
tamaos de los estratos
muestrales para aumentar la
eficiencia de la seleccin de los
grupos ms pequeos.
Esta condicin se deber tener
en cuenta al hacer inferencias
(corregir las inferencias).

ORQM
 MUESTREO
POR ALOCACIN OPTIMA DE LOS ESTRATOS

Selecciona el tamao de los estratos

en funcin de la desviacin estndar
de cada uno de ellos, de tal manera
que los estratos ms heterogneos
(mayores varianzas) aporten ms
casos a la muestra total.

ORQM
 4. Muestreo aleatorio por conglomerados
(racimos)

Parte del enfoque de que muchas veces las unidades

de anlisis estn encapsuladas en determinados
lugares fsicos o geogrficos a los que se denomina
racimos.
En este tipo de muestreo se reducen costos, tiempo y
energa.
Resulta ideal cuando hay limitacin de recursos
financieros, tiempo, distancia a recorrer o una
combinacin de stos.

2/24/17
31
ORQM
 MUESTREO
ALEATORIO POR CONGLOMERADOS
Se divide el rea de la poblacin en secciones (o
conglomerados), luego se eligen al azar algunos de
estos conglomerados y despus se elige a todos los
miembros de los conglomerados seleccionados.
Los miembros del grupo mayoritario tienen una
mayor probabilidad de ser seleccionados en la
muestra.
En Las unidades de observacin se elign
aleatoriamente al interior de los conglomerados.
El error de la medicin (error muestral) no se da al
interior del conglomerado sino entre los
conglomerados.
Antes de hacer inferencias, el analista deber
examinar la variabilidad interna de cada
conglomerado y la variabilidad entre ellos, pues es
posible que algunos de los conglomerados no sean
representativos del universo.
ORQM
 CONGLOMERADOS

Grupo 1A

Grupo 5C

Grupo 2A

Grupo 3B

Heterogneos en su interior. La unidad elegida

no es un individuo sino un grupo de personas.
ORQM
 Muestreo
Aleatorio por Conglomerados
Requisitos Del Procedimiento :
Los conglomerados deben estar muy bien
definidos de modo que cada elemento
pertenezca a uno y solo a un conglomerado.

El tamao de cada conglomerado debe ser

bien conocido (por lo menos bien estimado).

El nmero de conglomerados debe ser

pequeo.
ORQM
 5. Muestreo por
Conveniencia
Se utilizan resultados que son fciles
de obtener
Esta determinado por conveniencia
para el investigador
Se debe tener cuidado que esta
muestra deba de ser representativo.
 Muestreo de Etapas
Mltiples
Es la combinacin de los cinco
mtodos presentados anteriormente.
Implica la seleccin de la muestra en
diferentes etapas.
Incluyen diferentes procedimientos
de muestreo
Etapas de seleccin Mltiple
Unidad muestral Primaria: (Considera
grupos grandes geogrficos Grandes
Unidad Muestral Secundaria:
(considera grupos dentro de las UMP.
Bloques
ERROR MUESTRAL O ALEATORIO

Es el error que se comete debido al

hecho de que se obtienen
conclusiones sobre la poblacin a
partir de la observacin de slo una
muestra de ella.
Es la diferencia absoluta entre un
estadstico y su parmetro
correspondiente.
ERROR MUESTRAL O ALEATORIO

Es una medida de la variabilidad de

las estimaciones de muestras
repetidas en torno al valor de la
poblacin,
Es el error mximo estadstico de la
muestra, vlido para el conjunto de
todas las distintas muestras que se
pueden tomar de la misma poblacin.
ERROR MUESTRAL O ALEATORIO
ERROR NO MUESTRAL O
SISTEMTICO

Es el error cometido por factores

externos a la muestra seleccionada
ERROR NO MUESTRAL O
SISTEMTICO
ERROR NO MUESTRAL O
SISTEMTICO
 Para la realizacin apropiada de un diseo
muestral se debe tener en cuenta diferentes
conceptos de poblacin y muestra, por tanto es
recomendable repasar estos conceptos.
Delimitacin de la poblacin
Marco poblacional
Marco Muestral
Unidad de Muestreo
Diseo muestral
Nivel de confianza
Error Muestral