CENTRO DE INVESTIGACION

CURSO PRUEBAS PARAMTRICAS Y NO PARAMTRICAS

Diseos experimentales
Un experimento diseado es una prueba o serie de pruebas en las
cuales se inducen cambios deliberados en las variables de entrada de
un proceso o sistema, de manera que sea posible observar e identificar
las causas (factores) de los cambios en la respuesta de salida,
situacin que se puede esquematizar de la siguiente manera:

FACTORES
CONTROLABLES
X1 X2 X3
Xp
.....
.
ENTRAD SALID
A PROCESO AS

.....
.
Y1 Y2 Y3
Yp
FACTORES
INCONTROLABLES
 Cuando las variables de un proceso estn
correlacionadas, se pueden producir dos situaciones:

1. Confusin de los efectos, al no poder discriminar con certeza a cules

variables o factores se debe el efecto o resultado de un proceso.

Variable
1
Variable
Variable 3
2
2. Relacin no causal, cuando existe una variable oculta que influye
indirectamente en la variable dependiente.
RELACIN NO CAUSAL

Variable 1 Variable 2

Variable 3

Estos problemas pueden ser detectados si se realizan experimentos con

las variables que afectan el proceso.
El esquema de un experimento se puede
representar de la manera siguiente:

ESTMULO, FACTOR
(Variable
Independiente)
Material
experimental

Tiempo Respuesta,
X X
Efecto
X (variable
X
X Dependient
e).

Unidades
Medio experimentales
experimental
Elementos

El diseo de experimentos considera los

siguientes elementos: i) Los factores que
incluyen el conjunto de tratamientos
incluidos en el estudio ii) El conjunto de
unidades experimentales utilizadas en el
estudio iii) Las reglas y procedimientos de
asignacin de los tratamientos a las
unidades experimentales (o viceversa) y,
iv) Las mediciones o realizadas a las
unidades experimentales luego de
aplicar los tratamientos y que constituyen
las respuestas, destacndose que stas
se determinan al final del proceso.
Principios del Diseo de Experimentos

Los principios bsicos de un diseo de

experimentos son 3:

1) Control Local (o control del error

experimental).
2) Repeticin, reproduccin o replicacin.
3) Aleatorizacin.
Anlisis de varianza

Es una tcnica estadstica que permite analizar la variacin total de

los resultados experimentales de un diseo en particular,
descomponindolo en fuentes de variacin independientes atribuibles
a cada uno de los efectos que constituyen el diseo experimental.
que corresponde al modelo del Diseo Completamente al Azar
(DCA), donde j es el efecto tratamiento.

Este modelo equivale a:

Respuesta = Media general + Efecto tratamiento + Error Experimental

 Hiptesis estadstica en el diseo de experimentos

H0:j= 0 (Los j tratamientos tienen el mismo efecto sobre las unidades

experimentales, o No tienen efecto o las medias de cada
tratamiento son iguales).
H1:j 0 (Los tratamientos NO tienen el mismo efecto sobre las
unidades experimentales. S tienen efecto, o las medias de los
tratamientos son diferentes).
 Pruebas de comparacin de medias
Diferencia Significativa Mnima (DLS):
Es una prueba para comparar dos medias y su uso en comparaciones simultneas se justifica slo
en las siguientes condiciones:
a. Cuando la prueba F resulta significativa.
b. Las comparaciones fueron planeadas antes de ejecutar el experimento.
Cada par de medias se compara con el valor de la DSM (Diferencia Significativa Mnima) que se
obtiene utilizando la ecuacin:
. Si la diferencia de las medias supera la DSM se entiende que es significativa. (CMEr son los
cuadrados medios del error).

Prueba de Rangos Mltiples de Duncan:

Se utiliza para realizar comparaciones mltiples de medias; y en esta prueba no es necesario realizar
previamente la prueba F y que sta resulte significativa; sin embargo, es recomendable efectuarla
cuando la prueba F haya resultado significativa, a fin de evitar contradicciones entre ambas pruebas.

Prueba de Rangos Mltiples de Tukey:

Se utiliza para realizar comparaciones mltiples de medias; esta prueba es similar a la prueba de
Duncan en cuanto a su procedimiento y adems es ms exigente.

Prueba de Comparacin de Dunnet:

Es til cuando el experimentador est interesado en determinar que tratamiento es diferente de un
testigo, control o tratamiento estndar, y no en hacer todas las comparaciones posibles (que
pasaran a una segunda prioridad).
Clases de Diseos

Los diseos experimentales conocidos, basados en la tcnica del anlisis de varianza son
el Diseo Completamente el Azar, el Diseo en Bloque Completo al Azar, el Diseo en
Cuadrado Latino entre los que consideran un solo factor de anlisis. Entre los que analizan
dos o ms factores se tienen los diseos factoriales completos e incompletos y, como
casos particulares los diseos en parcelas divididas y los diseos en franjas. Una
clasificacin general se muestra a continuacin:

Diseos con un solo factor o variables independientes:

- Diseo completamente al Azar (DCA).
- Diseo en Bloque Completo al Azar (BCA)
- Diseo en Cuadrado Latino (DCL)
Diseos con 2 o ms factores o variables independientes
- Diseos factoriales
- Parcelas Divididas
- Diseos en franjas
 DISEO COMPLETAMENTE AL AZAR (DCA)
(o anlisis de varianza a una va

El modelo matemtico de este diseo tiene la forma:

Respuesta = Constante + Efecto tratamiento + Error

Para cada j = 1,...,t, i = 1,...,r, el modelo matemtico del diseo es:

Yij = j + ij

En el que los componentes Yij y ij son aleatorios y j es determinista.

Si en este modelo se denota
j = + j para j: 1, ,t
se obtiene la siguiente forma alternativa del modelo

Yij = + j + ij
 En su estudio se suponen las siguientes hiptesis:

1. La varianza de la respuesta es constante (supuesto de homocedasticidad),

V(Yij) = 2 para i= 1,,r. para j= 1, ,t
Equivalentemente V ( It) = 2 para i= 1,,r. para j= 1, ,t
2. La distribucin de la respuesta Yij es normal (supuesto de normalidad),
Equivalentemente la distribucin de ij es normal.
3. Las observaciones Yij son independientes. Bajo las hiptesis de normalidad, esto
equivale a que Cov(Yij ,Ykh) =0, con i diferente de k, j diferente de h. Esto mismo
ocurre para los ij.
 La tabla ANOVA para el diseo DCA es el siguiente:

Tabla ANOVA del Diseo Completamente al Azar (DCA)

Fuentes Variacin Sumas de g.l Cuadrados F
Cuadrados Medios
Entre Tratamientos SCTrat. t-1 SCTrat/g.l (I) Fo= (I)/(II)

Dentro Trat. (Error) SCError t(r-1) SCError/g.l (II)

Total SC Total rt 1

Por tanto las ecuaciones resultantes son:

r t r t 2 r t

i 1
(yij y..) ( y.j y.. )
j1
2

i 1 j1 i 1
(y
j1
ij y.j ) 2

Suma de Suma de Suma de

Cuadrados Cuadrados de Cuadrados
del Total Tratamientos del Error
Las expresiones parciales de cada fuente
de variacin se expresan de la siguiente
manera:

r t r t t

(y ij y.j ) 2 yij2 r y . j
2

SCEr= i 1 j1 i 1 j 1 j 1
r t r t

(y y..) 2 yij2 n y
2

SCTot= i 1 j1
ij
i 1 j 1

r t 2 t

(y y.. ) r y . j n y
2 2
SCTrat= .j
i 1 j1 j 1
 Ejemplo 1 (Factor Cualitativo: Mtodo de estudio)

Se comparan 4 mtodos de estudio replicados en 5 estudiantes

universitarios. Los efectos se midieron en las notas en una escala
porcentual. Se obtuvieron los siguientes datos:
Mt. 1 Mt. 2 Mt. 3 Mt. 4

1 19 80 47 95
2 20 61 26 46
3 19 73 25 83
4 30 56 35 78
5 8 80 50 97

El Factor o variable independiente es el Mtodo de Estudio el cual

tiene 4 niveles o tratamientos: Mt. 1, Mt. 2, Mt. 3, Mt. 4 y es una
VARIABLE DE TIPO CUALITATIVO.

Hiptesis del estudio:

Las cuatro son muestras aleatorias simples de las correspondientes
poblaciones.
Las respuestas siguen una distribucin normal.
Las respuestas tienen la misma varianza.
 Mt. 1 Mt. 2 Mt. 3 Mt. 4 t

1 19 80 47 95 241 4

2 20 61 26 46 153 4

3 19 73 25 83 200 4

4 30 56 35 78 199 4

y 5. j y..
8 80 50 97 235 4
t r t r 2 t r

j1
(y ij96 y..) 2350
i 1
183 .j 399

( y y.. ) 1028
j1 i 1 j1
(y
t 1
ij y.j ) 2

r 5 5 5 5 20
r t r t

(y y..) yij2 rt y
2 2
SCTot= ij
i 1 j1 i 1 j 1
19.2 70 36.6 79.8 51.4 =
5 4 5 4

(y y..) yij2 5 x 4 y
2 2
ij
i 1 j1 i 1 j 1

SCTot = (192+ 202+ 192++ 832+ 782+ 972) -20x51.42 =

= 67830- 52839.2= 14990.8
r t 2 t

( y.j y.. ) r y . j n y
2 2
SCTrat=
i 1 j1 j 1

SCTrat = 5(19.22+ 702+ 36.62+79.82) -20x51.42 =

= 5x52839.2= 64881.2-52839.2=12042
r t r t t

(y ij y.j ) 2 yij2 r y . j
2
SCEr=
i 1 j1 i 1 j 1 j 1

r t 5 4 4

(y ij y.j ) 2 yij2 5 y . j
2
SCEr= 67830 64881.2= 2948.8
i 1 j1 i 1 j 1 j 1
 TABLA ANOVA

Fuentes Sumas de g.l Cuadrados F

Variacin Cuadrados Medios
Entre 12042 4-1 =3 Fc=21.78
Tratamiento
s 4014
Dentro Trat. 2948.8 4(5-1)=16 184.3
(Error)

Total 14990.8 5x4 1=19

Las hiptesis bajo estudio son:

H0: Los tratamientos son iguales

H1: Por lo menos un tratamiento es diferente.

La Fc=21.78 es mayor que el valor crtico F,[t-1,r(t-1)]=F0.05,[3,16] =3.24, lo que permite rechazar la H0 y
los tratamientos son diferentes. Por tanto, algn o algunos mtodos de estudio son diferentes.
A continuacin se selecciona el mejor tratamiento, el que tiene la mejor media o la media ms
alta utilizando para ello la prueba de Diferencia Significativa Mnima (DSM).
El anlisis descriptivo indica que el Tratamiento 4 es el que tiene la mejor media, lo que debe
corroborarse con la prueba DSM.
Utilizacin de SPSS
Verificacin de supuestos

Los supuestos de una relacin lineal entre

la respuesta y sus componentes como
normalidad y homoscedasticidad deben
cumplirse para dar validez a la prueba. El
modelo tiene 3 componentes de los cuales
dos son aleatorios el error experimental ij
y la respuesta Yij, y el tercero, la media del
tratamiento .j es determinista.
Dado que el nivel de la respuesta est
relacionado con el error experimental,
resulta equivalente realizar la prueba de
normalidad para los errores o para las
respuestas. Bajo esa condicin se realizan
las pruebas en este documento.
Supuesto de normalidad: Prueba de Kolmogorov-Smirnov
Las hiptesis a probar son:
H0: La distribucin de la respuesta Yij es normal
H1: La distribucin de la respuesta Yij NO es normal
Prueba de Kolmogorov-Smirnov para una muestra
Yij
N 20
Z de Kolmogorov-Smirnov ,577
Sig. asintt. (bilateral) ,893
Supuesto de Homogeneidad de varianzas

La prueba de homogeneidad de varianzas se realiza utilizando la Prueba de Levene, y est

diseada para efectuarla sobre los residuos o errores e ij, pero por la misma razn de la
dependencia lineal de las respuestas respecto de los errores al ser ambos aleatorios, los
resultados deben ser los mismos, tal como se demuestra a continuacin:

H0: Las varianzas de las respuestas son homogneas.

H1: Al menos una de las varianzas de las respuestas es diferente.

El p_valor=0.311 no permite rechazar la H 0 al 5%, por lo que se puede determinar que las
varianzas en las respuestas son homogneas.
Prueba de homogeneidad de la varianza para Yij
Estadstico de
Levene gl1 gl2 Sig.
Basada en la media 1,294 3 16 ,311
La tabla ANOVA proporcionada por el SPSS muestra un
p_valor=0.000 que conduce al rechazo de la H0, por lo que se puede
concluir que los tratamientos son diferentes o por lo menos uno de
los tratamientos es diferente significativamente del resto.

ANOVA
Suma de Media
cuadrados gl cuadrtica F Sig.
Inter-grupos 12042,000 3 4014,000 21,780 ,000
Intra-grupos 2948,800 16 184,300
Total 14990,800 19
Seleccionando el mejor tratamiento

La Prueba de Diferencia Significativa Mnima (DSM) permite la seleccin del mejor

tratamiento en un procedimiento que compara consecutivamente la diferencia de pares
de tratamientos con el valor DSM calculado de la siguiente manera:

Este procedimiento se realiza consecutivamente entre todos los pares hasta

seleccionar el mejor o mejores de todos. De la siguiente manera:
Si
la diferencia es significativa.
El grfico de las medias es ilustrativo al respecto, al mostrar los
valores de las medias en niveles ms altos de los tratamientos 2 y
4 respecto a los tratamientos 1 y 3.
Comandos SPSS para el diseo.

Analizar ANOVA de un factorLista de dependientes: Yij

Factor: CT
Post HocAsumiendo varianzas iguales
Activar: DMS
Continuar
Opciones: Activar: Grfico de las medias
Activar: Prueba de homogeneidad
de varianzas
Continuar
Aceptar

Comandos SPSS para Prueba de normalidad de Kolmogorov-Smirnov

Analizar Pruebas no paramtricas

Cuadro de dilogo antiguosK-S de una muestra
Lista de variables de prueba: Yij
Distribucin de prueba: Activar: Normal
Aceptar
 DISEO EN BLOQUE COMPLETO AL AZAR
El Diseo Completamente el Azar (DCA) se puede graficar de la siguiente manera:

Diseo Completamente al Azar

T r a t a m i e n t o s
R T1 T2 T3 Tt
e
p
e r1 y11 y12 y13 y1t
t
i r2 y21 y22 y23 y2t
c
i r3 y31 y32 y33 y3t
o


n

e rr
s yr1 yr3
yr2 yrt

En cambio, en el Diseo en Bloque Completo al Azar (DBCA) el medio experimental se
encuentra formando r Bloques y, por tanto, cada una de las t muestras deben tomarse
considerando una unidad experimental en cada Bloque. De aqu la denominacin de Bloque
Completo. A cada una de las t muestras se le aplica un tratamiento de inters.

Diseo en Bloque Completo al Azar

T r a t a m i e n t o s

B
T1 T2 T3 Tt
L
B1 y13 y1t
y11 y12

O
B2
y21 y22 y23 y2t

Q
B3
y31 y32 y33 y3t

L



E Br
yr1 yr2 yr3 yrt
S

Ventajas del diseo

Las ventajas del DBCA son varias y una de las ms importantes es que provee resultados
ms precisos que un DCA del mismo tamao si los agrupamientos de las unidades
experimentales en los bloques son efectivos. Otra ventaja es que sirve para cualquier nmero
de tratamientos y bloques aun cuando los tratamientos no necesitan tener tamaos de
muestras iguales (Bloque Incompleto).