INSTITUTO TECNOLGICO DE CAMPECHE

INGENIERA EN GESTIN EMPRESARIAL

ESTADSTICA INFERENCIAL II
Profesor: Bocos Patrn Ramn Agustn.

ALUMNO:
Uc Chan Rafael

UNIDAD IV:
Conceptos

NOMBRE DE LA UNIDAD:
Diseo experimental para un factor

GRUPO: MG-5 V SEMESTRE

San Francisco de Campeche, Camp. a 24 de Octubre del 2017.

1
NDICE

Introduccin ........................................................................................................................... 3
El diseo de experimentos hoy ............................................................................................... 4
Diseo de experimentos en la investigacin .......................................................................... 5
Historia del diseo de experimentos ....................................................................................... 6
Definiciones bsicas en diseos de experimentos .................................................................. 6
Etapas en el diseo de experimentos ...................................................................................... 8
Consideraciones practicas sobre el uso de mtodos estadsticos ...9
Principios bsicos ....10
Clasificacin y seleccin de diseos experimentales12
Experimentos con un solo factor (anlisis de varianza) ..12
Pruebas sobre medias de tratamientos individuales..16
Conclusin.....18
Bibliografa.......19

2
INTRODUCCIN

3
 El diseo de experimentos hoy
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 da el 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
ocurre con el anlisis de los datos experimentales, donde ms que hacer un anlisis riguroso
de toda informacin obtenida y tomar en cuenta la variacin, se realiza un anlisis informal,
intuitivo. Es tal el poder de la experimentacin que, en ocasiones, se logran mejoras a pesar
de que el experimento se hizo con base en el ensayo y error 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.
7. Apoyar el diseo o rediseo de nuevos productos o procesos.
8. Ayudar a conocer y caracterizar nuevos materiales.
En general, cuando se quiere mejorar un proceso existen dos maneras bsicas de obtener la
informacin: una es 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 (DDE) es un conjunto de
tcnicas activas, en el sentido de que no esperan que el proceso mande las seales tiles, sino

4
que ste se manipula 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.

Diseo de experimentos en la investigacin

Hasta el momento tambin es vlido en el campo de la investigacin cientfica o aplicada, ya

que a fin de cuentas, el objetivo es generar nuevas ideas y mejores respuestas a las
interrogantes del investigador sobre el objeto de estudio.
El objetivo de los mtodos estadsticos es lograr que el proceso de generar conocimiento y
aprendizaje sea lo ms eficiente posible. En este proceso, que ha demostrado ser secuencial,
interactan dos polos (vase figura 1.1), por un lado estn la teora, los modelos, las hiptesis,
las conjeturas y los supuestos; por el otro, estn la realidad, los hechos, los fenmenos, la
evidencia y los datos. As, como se comenta en Box et al. (1978), una hiptesis inicial lleva
a un proceso de deduccin en el que las consecuencias derivadas de la hiptesis pueden ser
comparadas con los
datos. Cuando las consecuencias y los datos no corresponden, entonces la discrepancia puede
llevar a un proceso de induccin, en el cual se modifica la hiptesis original.
De esta manera inicia un segundo ciclo de la interaccin de teora y datos, en el cual las
consecuencias de la hiptesis modificada son comparadas con los datos (los viejos y los que
se obtengan en este nuevo ciclo); esto puede llevar a futuras modificaciones y a la obtencin
de conocimiento.
Este proceso interactivo de aprendizaje puede visualizarse como un ciclo de
retroalimentacin en el cual las discrepancias entre los datos y las consecuencias de la
hiptesis H1, llevan a una hiptesis modificada H2, y de la verificacin de sta, adems de
conocimiento, se produce una modificacin de la modificacin (hiptesis H3) y as
sucesivamente.

Ejemplo:

5
 Breve historia del diseo de experimentos

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.
Los desarrollos posteriores en diseos de experimentos fueron encabezados por George E. P.
Box, quien trabaj como estadstico durante ocho aos en la industria qumica en Inglaterra
y desarroll la metodologa de superficie de respuestas (vase Box y Wilson, 1951), la cual
incluye nuevas familias de diseos y una estrategia para la experimentacin secuencial. Es
posible afirmar que entre 1950 y 1980, el diseo de experimentos se convirti en una
herramienta de aplicacin frecuente, pero slo en las reas de investigacin y desarrollo.
Hasta la dcada de 1970, la aplicacin a nivel planta o procesos de manufactura no estaba
generalizada, debido a la falta de recursos computacionales y a que los ingenieros y
especialistas en manufactura carecan de formacin en el rea de estadstica. En la dcada de
1980 se dio un gran impulso al conocimiento y la aplicacin del diseo de experimentos
debido al xito en calidad de la industria japonesa

Definiciones bsicas en el diseo de experimentos

El diseo de experimentos es la aplicacin del mtodo cientfico para generar conocimiento
acerca de un sistema o proceso.

Experimento
Es un cambio en las condiciones de operacin de un sistema o proceso, que se hace con el
objetivo de medir el efecto del cambio en una o varias propiedades del producto o resultado.

Unidad experimental
Pieza(s) o muestra(s) que se utiliza para generar un valor que sea representativo del resultado
de la prueba.

Variable de respuesta
A travs de esta(s) variable(s) se conoce el efecto o los resultados de cada prueba
experimental.

6
Factores controlables
Son variables de proceso y/o caractersticas de los materiales y los mtodos experimentales
que se pueden fijar en un nivel dado.

Factores no controlables
Son variables que no se pueden controlar durante el experimento o la operacin normal del
proceso.

Factores estudiados
Son las variables que se investigan en el experimento para observar cmo afectan o influyen
en la variable de respuesta.

Niveles y tratamientos
Los diferentes valores que se asignan a cada factor estudiado en un diseo experimental se
llaman niveles. Una combinacin de niveles de todos los factores estudiados se llama
tratamiento o punto de diseo.

Error aleatorio
Es la variabilidad observada que no se puede explicar por los factores estudiados; resulta del
pequeo efecto de los factores no estudiados y del error experimental.

Error experimental
Componente del error aleatorio que refleja los errores del experimentador en la planeacin y
ejecucin del experimento.

7
 Etapas en el diseo de experimentos
Un aspecto fundamental del diseo de experimentos es decidir cules pruebas o tratamientos
se van a realizar y cuntas repeticiones de cada uno se requieren, de manera que se obtenga
la mxima informacin al mnimo costo posible. El arreglo formado por los diferentes
tratamientos que sern corridos, incluyendo las repeticiones, recibe el nombre de matriz de
diseo o slo diseo.

Para que un estudio experimental sea exitoso es necesario realizar, por etapas, diferentes
actividades. En este sentido, la etapa ms importante y a la que se le debe dedicar mayor
tiempo es la planeacin. De manera breve las etapas del diseo de experimentos con objeto
de dar una visin global de lo que implica su correcta aplicacin.

Planeacin
Son actividades encaminadas a entender, delimitar el problema u objeto de estudio y
seleccionar variables de respuesta y factores. Concluye con la especificacin de los
tratamientos a realizar y con la organizacin del trabajo experimental.

Planeacin y realizacin
1. Entender y delimitar el problema u objeto de estudio. En la etapa de planeacin
se deben hacer investigaciones preliminares que conduzcan a entender y delimitar el
problema u objeto de estudio, de tal forma que quede claro qu se va a estudiar, por
qu es importante y, si es un problema, cul es la magnitud del mismo.

2. Elegir la(s) variable(s) de respuesta que ser medida en cada punto del diseo y
verificar que se mide de manera confiable. La eleccin de esta(s) variable(es) es
vital, ya que en ella se refleja el resultado de las pruebas. Por ello, se deben elegir
aquellas que mejor reflejen el problema o que caractericen al objeto de estudio.
Adems, se debe tener confianza en que las mediciones que se obtengan sobre esas
variables sean confiables. En otras palabras, se debe garantizar que los instrumentos
y/o mtodos de medicin son capaces de repetir y reproducir una medicin, que tienen
la precisin(error) y exactitud (calibracin) necesaria. Recordemos que los sistemas
de medicin son la forma en la que percibimos la realidad, por lo que si stos son
deficientes, las decisiones que se tomen con base en ellos pueden ser inadecuadas.

3. Determinar cules factores deben estudiarse o investigarse, de acuerdo a la

supuesta influencia que tienen sobre la respuesta. No se trata de que el
experimentador tenga que saber a priori cules factores influyen, puesto que
precisamente para eso es el experimento, pero s de que utilice toda la informacin
disponible para incluir aquellos que se considera que tienen un mayor efecto.

4. Seleccionar los niveles de cada factor, as como el diseo experimental adecuado

a los factores que se tienen y al objetivo del experimento. Este paso tambin
implica determinar cuntas repeticiones se harn para cada tratamiento, tomando en
cuenta el tiempo, el costo y la precisin deseada.

8
 5. Planear y organizar el trabajo experimental. Con base en el diseo seleccionado,
organizar y planear con detalle el trabajo experimental, por ejemplo, las personas que
van a intervenir, la forma operativa en que se harn las cosas, etc. (vase captulo 10).

6. Realizar el experimento. Seguir al pie de la letra el plan previsto en la etapa anterior,

y en caso de algn imprevisto, determinar a qu persona se le reportara y lo que se
hara.

Anlisis
En esta etapa no se debe perder de vista que los resultados experimentales son observaciones
muestrales, no poblacionales. Por ello, se debe recurrir a mtodos estadsticos inferenciales
para ver si las diferencias o efectos muestrales (experimentales) son lo suficientemente
grandes para que garanticen diferencias poblacionales (o a nivel proceso). La tcnica
estadstica central en el anlisis de los experimentos es el llamado anlisis de varianza
ANOVA (acrnimo en ingls).

Interpretacin
Aqu, con el respaldo del anlisis estadstico formal, se debe analizar con detalle lo que ha
pasado en el experimento, desde contrastar las conjeturas iniciales con los resultados del
experimento, hasta observar los nuevos aprendizajes que sobre el proceso se lograron,
verificar supuestos y elegir el tratamiento ganador, siempre con apoyo de las pruebas
estadsticas.

Control y conclusiones finales

Para concluir el estudio experimental se recomienda decidir qu medidas implementar para
generalizar el resultado del estudio y para garantizar que las mejoras se mantengan. Adems,
es preciso organizar una presentacin para difundir los logros.

Consideraciones practicas sobre el uso de mtodos estadsticos

En adicin a lo dicho en la seccin anterior, es importante tomar en cuenta que aunque el uso
de metodologas estadsticas por lo general ayuda a hacer ms eficiente el proceso de
investigacin y de solucin de problemas, es necesario reconocer que las metodologas
estadsticas por s solas no garantizan investigaciones exitosas, por ello es importante
considerar los siguientes puntos:

El conocimiento no estadstico es vital.

Para utilizar los mtodos estadsticos en general y los diseos de experimentos en particular,
en primer lugar se requiere que el experimentador tenga un buen nivel de conocimiento
tcnico y prctico sobre el fenmeno o proceso que estudia, de tal forma que pueda
vislumbrar con cierta facilidad cules son los aspectos clave del fenmeno y sea capaz de
plantear conjeturas precisas, vislumbrar el tipo de relaciones entre las variables de respuesta
y los posibles factores a estudiar. Todo esto ayudar a seleccionar mejor los factores y sus

9
niveles, as como el diseo que es mejor aplicar. Adems, ese conocimiento permitir sacarle
un provecho real al anlisis estadstico de los resultados y obtener conclusiones que generen
aprendizaje y soluciones.

Reconocer la diferencia entre significancia estadstica e importancia prctica.

En ocasiones, un experimentador puede concluir que dos tratamientos son diferentes
estadsticamente, pero que tales diferencias, aunque sean significativas, no necesariamente
representan una diferencia que en la prctica sea importante.

Apostarle ms a la experimentacin secuencial que a un experimento nico y definitivo.

En ocasiones, los experimentadores novatos pretenden en una sola fase de experimentacin
contestar todas sus interrogantes sobre un proceso o fenmeno en particular. Sin embargo,
esto puede llevar a experimentos muy extensos que consuman demasiados recursos y que
retarden la generacin de resultados. Por ello es importante considerar como alternativas a
diferentes fases de experimentacin en forma secuencial, en las cuales se alcance
paulatinamente una mayor precisin en los conocimientos y soluciones.
Es importante no confundir la experimentacin secuencial con la experimentacin a prueba
y error.
La experimentacin secuencial en cada fase sigue una estrategia bien definida y pensada; por
lo tanto, en cada fase se obtienen resultados y conclusiones importantes que permiten generar
soluciones y conocimiento ms refinado para plantear de mejor manera la siguiente fase de
experimentacin.

Principios bsicos
El diseo de experimentos trata de fenmenos que son observables y repetibles. Por lo tanto,
sin el pensamiento estadstico, los conceptos de observabilidad y respetabilidad son
inherentemente contradictorios. Cualquier cosa observada se aprecia con variabilidad; nada
ocurre exactamente de la misma forma dos veces, incluso las mediciones del mismo evento
varan. Entonces, qu se quiere decir cuando la ciencia demanda que una observacin sea
repetible?, qu repeticin es realmente una repeticin?, cuando un resultado es el mismo o
difiere, es confirmacin o contradiccin?
Estas preguntas no pueden ser contestadas de manera coherente sin el pensamiento
estadstico.
Por ejemplo, alguien da una nueva receta de chocolate, dice que no falla, pero se prueba y no
sale, mientras que el segundo y tercer intento s funcionan. La receta est comprobada
completamente? (Los chocolates tienen ms de 800 ingredientes individuales que pueden ser
separados.)
Debe ser muy cuidadoso en la planeacin y el anlisis de un experimento. El punto de partida
para una correcta planeacin es aplicar los principios bsicos del diseo de experimentos:
aleatorizacin, repeticin y bloqueo, los cuales tienen que ver directamente con que los datos
obtenidos sean tiles para responder a las preguntas planteadas, es decir, la validez del
anlisis de los datos se apoya en estos principios.

10
Aleatorizacin
Consiste en hacer corridas experimentales en orden aleatorio (al azar); este principio aumenta
la posibilidad de que el supuesto de independencia de los errores se cumpla.

Repeticin
Es correr ms de una vez un tratamiento o combinacin de factores.

Bloqueo
Es nulificar o tomar en cuenta en forma adecuada todos los factores que pueden afectar la
respuesta observada.

Clasificacin y seleccin de los diseos experimentales

Existen muchos diseos experimentales para estudiar la gran diversidad de problemas o

situaciones que ocurren en la prctica. Esta cantidad de diseos hace necesario saber cmo
elegir el ms adecuado para una situacin dada y, por ende, es preciso conocer cmo es que
se clasifican los diseos de acuerdo con su objetivo y su alcance.

Los cinco aspectos que ms influyen en la seleccin de un diseo experimental, en el sentido

de que cuando cambian por lo general nos llevan a cambiar de diseo, son:
1. El objetivo del experimento.
2. El nmero de factores a estudiar.
3. El nmero de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relacin factores-respuesta).
5. El costo del experimento, tiempo y precisin deseada.

Estos cinco puntos no son independientes entre s, pero es importante sealarlos de manera
separada, ya que al cambiar cualquiera de ellos generalmente cambia el diseo experimental
a utilizar (vase captulo 10). Con base en algunos de estos cinco puntos es posible clasificar
los diseos como lo hacemos a continuacin.
El objetivo del experimento se utiliza como un criterio general de clasificacin de los diseos
experimentales, mientras que los otros cuatro puntos son tiles para subclasificarlos. En este
sentido, de acuerdo con su objetivo y sin pretender ser exhaustivos, los diseos se pueden
clasificar como:
1. Diseos para comparar dos o ms tratamientos.
2. Diseos para estudiar el efecto de varios factores sobre la(s) respuesta(s).
3. Diseos para determinar el punto ptimo de operacin del proceso.
4. Diseos para la optimizacin de una mezcla.
5. Diseos para hacer el producto o proceso insensible a factores no controlables.

En la siguiente imagen se ver en la imagen la clasificacin de los diseos de experimentos.

11
Estos diseos que se mencionan en esta figura son casos particulares o generalizaciones de
los diseos factoriales.

Experimentos con un solo factor (anlisis de varianza)

- Diseo completamente al azar y ANOVA

El anlisis de varianza (ANOVA) es la tcnica central en el anlisis de datos experimentales.
Consiste en separar la variacin total observada en cada una de las fuentes que contribuye a
la misma.
Muchas comparaciones, como las antes mencionadas, se hacen con base en el diseo
completamente al azar (DCA), que es el ms simple de todos los diseos que se utilizan para
comparar dos o ms tratamientos, dado que slo consideran dos fuentes de variabilidad: los
tratamientos y el error aleatorio. En el siguiente captulo veremos diseos que consideran la
influencia de otras fuentes de variabilidad (bloques).
Este diseo se llama completamente al azar porque todas las corridas experimentales se
realizan en orden aleatorio completo. De esta manera, si durante el estudio se hacen en total
N pruebas, stas se corren al azar, de manera que los posibles efectos ambientales y
temporales se vayan repartiendo equitativamente entre los tratamientos.

Diseo experimental completamente aleatorizado

Ejemplo:
Comparacin de cuatro tipos de cuero.
Un fabricante de calzado desea mejorar la calidad de las suelas, las cuales se pueden hacer con
uno de los cuatro tipos de cuero A, B, C y D disponibles en el mercado. Para ello, prueba los
cueros con una mquina que hace pasar los zapatos por una superficie abrasiva; la suela de stos
se desgasta al pasarla por dicha superficie. Como criterio de desgaste se usa la prdida de peso
despus de un nmero fijo de ciclos. Se prueban en orden aleatorio 24 zapatos, seis de cada tipo
de cuero. Al hacer las pruebas en orden completamente al azar se evitan sesgos y las mediciones
en un tipo de cuero resultan independientes de las dems. Los datos (en miligramos) sobre el
desgaste de cada tipo de cuero se muestran en la siguiente imagen.

12
Diseo balanceado
Es cuando se utiliza el mismo nmero de repeticiones en cada tratamiento.

Modelo de efectos fijos

Es cuando se estudian todos los posibles tratamientos.

Modelo de efectos aleatorios

Cuando los niveles de prueba utilizados en un factor son una muestra aleatoria de la poblacin
de niveles para ese factor.

Suma total de cuadrados

Una medida de la variabilidad total presente en las observaciones es la suma total de
cuadrados dada por,

13
La tabla de ANDEVA
En sta se resume el anlisis de varianza de un experimento, que sirve para probar las
hiptesis de inters.
Toda la informacin necesaria para calcular el estadstico F0 hasta llegar al valor-p se escribe
en la llamada tabla de anlisis de varianza (ANOVA) .En esta tabla, las abreviaturas
significan lo siguiente: FV = fuente de variabilidad (efecto), SC = suma de cuadrados, GL =
grados de libertad, CM = cuadrado medio, F0 = estadstico de prueba, valor-p = significancia
observada.

14
prefijado, a, que cumpla con a > 0.0018, ya que en esos casos el estadstico de prueba F0 =
9.42 caera en la regin de rechazo.

Hay personas que, cuando hacen los clculos de forma manual, complementan el
entendimiento de un anlisis con el apoyo de una calculadora de bolsillo, al menos para los
casos ms simples. Para el caso del ANOVA, estos clculos se facilitan si primero se obtiene
la informacin bsica desplegada en la tabla 3.7. Con esta informacin se pueden calcular las
sumas de cuadrados, como se hace a continuacin:

Ejemplo de detales de calculo ANOVA

15
 Pruebas sobre medias de tratamientos individuales

Ejemplo:
De nuevo, supongamos que interesa probar las seis hiptesis dadas en (3.13) para los cuatro
mtodos de ensamble. En la tabla de ANOVA se lee que CME =2.46, lo cual se basa en 12
grados de libertad. As, el error estndar de cada promedio es
dado que se hicieron n = 4 observaciones en cada tratamiento. De la tabla de rangos
significantes de Duncan dada en el apndice, para a = 0.05 y 12 grados de libertad, se leen
los rangos r0.05(2, 12) = 3.08, r0.05(3, 12) = 3.23 y r0.05(4, 12) = 3.33. Con esta informacin,
los rangos mnimos significantes son:

16
Otros mtodos

Ejemplo:

17
CONCLUSIN

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.

18
BIBLIOGRAFA

-ANLISIS Y DISEO DE EXPERIMENTOS -. HUMBERTO GUTIERREZ

PULIDO- ROMAN DE VARA SALAZAR -. SEGUNDA EDICIN.

19