1

INSTITUTO TECNOLGICO SUPERIOR

DE LVARADO Campus Medelln

INGENIERA INDUSTRIAL

Materia:
ESTADSTICA INFERENCIAL 2

Semestre Grupo Sistema:

er.
4 Semestre NICO SEMIESCOLARIZADO

Tema:
DISEO DE EXPERIMENTOS DE UN FACTOR; TEMAS 2.1 Y
2.2

Producto Acadmico:
INVESTIGACIN

Presenta:
EDGAR PALAYOT LPEZ

Docente:
ING. XCHITL DEL CARMEN ROMERO HIPLITO

MEDELLN DE BRAVO, VER 03 de mayo del 2017

 2

NDICE

INTRODUCCIN

2. DISEO DE EXPERIMENTOS DE UN

FACTOR...4

2.1 Familia de diseos para comparar tratamientos

2.2 El modelo de efectos fijos

10

CONCLUSIN12

BIBLIOGRAFA..13
 3

INTRODUCCIN

Para esta investigacin, se hablar acerca de los diseos de experimentos de un factor,

que estos son los modelos estadsticos clsicos cuyo objetivo es averiguar si unos

determinados factores influyen en una variable de inters y, si existe influencia de algn

factor, cuantificar dicha influencia.

El diseo estadstico de experimentos es el proceso de planear el experimento de tal

manera que se puedan analizar por mtodos estadsticos los datos recolectados y que

resulten en conclusiones objetivas y vlidas.

 4

UNIDAD 2

2. DISEO DE EXPERIMENTOS DE UN FACTOR

En este tipo de diseo de experimento se considera un slo factor de inters y el objetivo

es comparar ms de dos tratamientos, con el fin de elegir la mejor alternativa entre las

varias que existen, o por lo menos para tener una mejor comprensin del comportamiento

de la variable de inters en cada uno de los distintos tratamientos. En esta unidad se

presentan los diseos experimentales que se utilizan cuando el objetivo es comparar ms de

dos tratamientos. Puede ser de inters comparar tres o ms mquinas, varios proveedores,

cuatro procesos, tres materiales, cinco dosis de un frmaco, etc.

Es obvio que, al hacer tales comparaciones, existe un inters y un objetivo claro. Por

ejemplo, una comparacin de cuatro dietas de alimentacin en la que se utilizan ratas de

laboratorio, se hace con el fin de estudiar si alguna dieta que se propone es mejor o igual

que las que ya existentes; en este caso, la variable de inters es el peso promedio alcanzado

por cada grupo de animales despus de ser alimentado con la dieta que le toco.

Por lo general, el inters del experimentador est centrado en comparar los tratamientos

en cuanto a sus medias poblacionales, sin olvidar que tambin es importante compararlos

con respecto a sus varianzas. As, desde el punto de vista estadstico, la hiptesis

fundamental a probar cuando se comparan varios tratamientos es:

Con la cual se quiere decidir si los tratamientos son iguales estadsticamente en cuanto a

sus medias, frente a la alternativa de que al menos dos de ellos son diferentes.
 5

La estrategia natural para resolver este problema es obtener una muestra representativa

de mediciones en cada uno de los tratamientos, y construir un estadstico de prueba para

decidir el resultado de dicha comparacin.

Se podra pensar que una forma de probar la hiptesis nula de la expresin (2.1) es

mediante la prueba T de Student aplicadas a todos los posibles pares de medias; sin

embargo, esta manera de proceder incrementara de manera considerable el error tipo I

(rechazar H0 siendo verdadera).

Ejemplo:

En el caso de comparar varias mquinas, si cada mquina es manejada por un operador

diferente y se sabe que ste tiene una influencia en el resultado, entonces, es claro que el

factor operador debe tomarse en cuenta si se quiere comparar a las mquinas de manera

justa.

Un operador ms hbil puede ver a su mquina (aunque sta sea la peor) como la que

tiene el mejor desempeo, lo que impide una comparacin adecuada de los equipos. Para

evitar este sesgo habra dos maneras de anular el posible efecto del factor operador:

Utilizando el mismo operador en las cuatro mquinas. Esta estrategia no es

aconsejable, ya que al utilizar el mismo operador, se elimina el efecto del factor

operador, pero restringe la validez de la comparacin a dicho operador, y es posible

que el resultado no se mantenga al utilizar otros operadores.

Cada operador trabaje durante el experimento con cada una de las mquinas, esta

estrategia es ms recomendable, ya que al utilizar todos los operadores con todas las

mquinas permite tener resultados de la comparacin que son vlidos para todos los
 6

operadores. Esta ltima de manera nulificar el efecto de operadores, recibe el

nombre de Bloqueo.

Factores de bloqueo.

Son factores adicionales al factor de inters que se incorporan de manera explcita en un

experimento comparativo, para estudiar de manera ms adecuada y eficaz al factor de

inters.

Observacin. Cuando se comparan varias mquinas, manejadas por operadores

diferentes, es pertinente incluir explcitamente al factor operadores (bloques) para lograr el

propsito del estudio. Tambin se podran controlar el tipo de material, lotes, tipo de

producto, da, turno, etc. Se controlan factores que por conocimiento del proceso o

experiencia previa, se sabe que pueden afectar en forma sensible el resultado de la

comparacin.

En el campo de la industria es frecuente hacer experimentos o pruebas con la intencin

de resolver un problema o comprobar una idea (conjetura, hiptesis); por ejemplo, hacer

algunos cambios en los materiales, mtodos o condiciones de operacin de un proceso,

probar varias temperaturas en una mquina hasta encontrar la que del mejor resultado o

crear un nuevo material con la intencin de lograr mejoras o eliminar algn problema.

Sin embargo, es comn que estas pruebas o experimentos se hagan sobre la marcha, con

base en el ensayo y error, apelando a la experiencia y a la intuicin, en lugar de seguir un

plan experimental adecuado que garantice una buena respuesta a las interrogantes

planteadas. Algo similar ocurre con el anlisis de los datos experimentales, donde ms que

hacer un anlisis riguroso de toda la informacin obtenida y tomar en cuenta la variacin,

 7

se realiza un anlisis informal, intuitivo Es tal el poder de la experimentacin que, en

ocasiones, se logra mejoras a pesar de que el experimento se hizo con base en el ensayo y

error. Sin embargo, en situaciones de cierta complejidad no es suficiente aplicar este tipo de

experimentacin, por lo que es mejor proceder siempre en una forma eficaz que garantice la

obtencin de las respuestas a las interrogantes planteadas en un lapso corto de tiempo y

utilizando pocos recursos.

El diseo estadstico de experimentos es precisamente la forma ms eficaz de hacer

pruebas. El diseo de experimentos consiste en determinar cules pruebas se deben realizar

y de qu manera, para obtener datos que, al ser analizados estadsticamente, proporcionen

evidencias objetivas que permitan responder las interrogantes planteadas, y de esa manera

clarificar los aspectos inciertos de un proceso, resolver un problema o lograr mejoras.

Algunos problemas tpicos que pueden resolverse con el diseo y el anlisis de

experimentos son los siguientes:

1. Comparar a dos o ms materiales con el fin de elegir al que mejor cumple los
requerimientos.

2. Comparar varios instrumentos de medicin para verificar si trabajan con la

misma precisin y exactitud.

3. Determinar los factores (las x vitales) de un proceso que tienen impacto sobre
una o ms caractersticas del producto final.

4. Encontrar las condiciones de operacin (temperatura, velocidad, humedad, por

ejemplo) donde se reduzcan los defectos o se logre un mejor desempeo del
proceso.

5. Reducir el tiempo de ciclo del proceso.

6. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.

 8

7. Apoyar el diseo o rediseo de nuevos productos o procesos

8. Ayudar a conocer y caracterizar nuevos materiales.

En general, cuando se requiere mejorar un proceso existen dos maneras bsicas de

obtener la informacin necesaria para ello:

Observar o monitorear va herramientas estadsticas, hasta obtener seales tiles

que permitan mejorarlo; se dice que sta es una estrategia pasiva.

La otra manera consiste en experimentar, es decir, hacer cambios estratgicos y

deliberados al proceso para provocar dichas seales tiles.

Al analizar los resultados del experimento se obtienen las pautas a seguir, que muchas

veces se concretan en mejoras sustanciales del proceso. En este sentido, experimentar es

mejor que sentarse a esperar a que el proceso nos indique por s solo cmo mejorarlo. El

diseo de experimentos es un conjunto de tcnicas activas, en el sentido de que no esperan

que el proceso mande las seales tiles, sino que ste se manipulan para que proporcione

la informacin que se requiere para su mejora.

El saber diseo de experimentos y otras tcnicas estadsticas, en combinacin con

conocimientos del proceso, sitan al responsable del mismo como un observador perceptivo

y proactivo que es capaz de proponer mejoras y de observar algo interesante (oportunidades

de mejora) en el proceso y en los datos donde otra persona no ve nada. (Torres, 2011, pgs.

4 - 8)
 9

2.1 Familia de diseos para comparar tratamientos

Los diseos experimentales ms utilizados para comparar tratamientos son:

1. Diseo completamente al azar (DCA)

2. Diseo en bloque completamente al azar (DBCA)

3. Diseo en cuadro latino (DCL)

4. Diseo en cuadro grecolatino (DCGL)

La diferencia fundamental entre estos diseos es el nmero de factores de bloque que

incorporan o controlan de forma explcita durante el experimento. La comparacin de los

tratamientos en cuanto a la respuesta media que logran, en cualquiera de estos diseos, se

hace mediante la hiptesis

Que se prueba con la tcnica estadstica llamada Anlisis de Varianza (ANOVA) con

uno, dos, tres o cuatro criterios de clasificacin, dependiendo del nmero de factores de

bloques incorporados al diseo.

Y es la variable de salida, la media global, i el efecto del i-simo tratamiento, i error

aleatorio, y i, k, ijk son los efectos de tres factores de bloqueo.

 10

El modelo estadstico que describe el comportamiento de la variable observada Y en

cada diseo, incorpora un trmino adicional por cada factor de bloqueo controlado.

De acuerdo con los modelos dados en la tabla, para cada diseo comparativo se tienen al

menos dos fuentes de variabilidad: los tratamientos o niveles del factor de inters y el error

aleatorio. Se agrega una nueva fuente de variabilidad por cada factor de bloque que se

controla directamente. Se observa que los diseos suponen que no hay efectos de

interaccin entre los factores, lo cual sera lo deseable que ocurra; de no ocurrir as, tal

efecto se recarga al error y el problema de comparacin no se resuelve con xito.

Un efecto de interaccin entre dos factores hace referencia a que el efecto de cada factor

depende del nivel en que se encuentra el otro. (NORBERTO, 2015, pgs. 8 - 10)

2.2 El modelo de efectos fijos

El modelo de efectos fijos (es cuando se estudian todos los posibles tratamientos) de

anlisis de la varianza se aplica a situaciones en las que el experimentador ha sometido al

grupo o material analizado a varios factores, cada uno de los cuales le afecta slo a la

media, permaneciendo la "variable respuesta" con una distribucin normal.

Este modelo se supone cuando el investigador se interesa nicamente por los niveles del

factor presentes en el experimento, por lo que cualquier variacin observada en las

puntuaciones se deber al error experimental.

En caso que los tratamientos tengan efecto, las observaciones se podrn describir con el

modelo estadstico lineal dado por:

 11

Donde es el parmetro de escala comn a todos los tratamientos, llamado media

global, i: es un parmetro que mide el efecto del tratamiento i y ij es el error atribuible a

la medicin Yij. Este modelo implica que en el diseo completamente al azar actuaran a lo

ms dos fuentes de variabilidad: Los tratamientos y el error aleatorio.

La media global de la variable de respuesta no se considera una fuente de variabilidad

por ser una constante comn a todos los tratamientos, que hace las veces de punto de

referencia con respecto al cual se comparan las respuestas medias de los tratamientos.

Si la respuesta media de un tratamiento particular i es muy diferente de la respuesta

media global , es un sntoma de que existe un efecto de dicho tratamiento, ya que como se

ver ms adelante, i = i - . La diferencia que debe tener las medias entre s para

concluir que hay un efecto (que los tratamientos son diferentes), nos lo dice el anlisis de

varianza (ANOVA).

En la prctica puede suceder que los tratamientos que se desea comparar sean

demasiados como para experimentar con todos. Cuando esto sucede es conveniente

comparar slo una muestra de la poblacin de tratamientos, de modo que i pasa a ser una

variable aleatoria con su propia varianza 2 que deber estimarse a partir de los datos.

En este captulo slo se presenta el caso en que todos los tratamientos que se tienen se

prueban, es decir, se supone una poblacin pequea de tratamientos, lo cual hace posible
 12

compararlos a todos. En este caso, el modelo dado por la ecuacin (2.2) se llama modelo de

efectos fijos. (Granados, 2011, pgs. 10 - 11)

CONCLUSIN

Para concluir esta investigacin, hablaremos que en este trabajo podemos darnos cuenta

de la importancia del diseo de experimentos, o dicho de otra manera, el planear paso a

paso las operaciones para as obtener un resultado satisfactorio a nuestro problema

planteado.

Para el diseo de un experimento debemos tener en cuenta los efectos y las caractersticas

de nuestro problema a resolver. Como se puede apreciar un diseo debe de ser lo ms

sencillo posible y as poder ahorrar tiempo, inversin y personal, pero no por eso se deben

de olvidar considerar los principios bsicos en el diseo.

Observamos el trabajo conjunto de los investigadores con los estadsticos que nos llevan

a obtener una mejor planeacin del experimento, aunque tiene sus desventajas se puede

notar que actuando de manera correcta se puede cambiar la forma de ver de los

inconvenientes que puede representar el alto costo que se tiene con los estadsticos.

Podemos estar seguros de que si llevamos a cabo todos los elementos de la lista de

comprobacin tendremos una planeacin efectiva de nuestro experimento y as obtener los

resultados esperados.
 13

BIBLIOGRAFA

Granados, R. M. (Junio de 2011). http://www.ugr.es/. Obtenido de

http://www.ugr.es/~montero/matematicas/especificacion.pdf

NORBERTO, A. B. (25 de Septiembre de 2015). http://documents.mx. Obtenido

de http://documents.mx/documents/estadistica-unidad-2-56071bc6cdcd6.html#

Torres, G. (04 de Abril de 2011). https://es.slideshare.net/. Obtenido de

https://es.slideshare.net/torresgiovanni/anlisis-y-diseo-de-experimentos-

introduccin