INTRODUCCIÓN

El diseño experimental ha sido una herramienta útil en la generación de conocimiento

científico. El diseño de un experimento en el cual el investigador tiene un control total
sobre la variable independiente y además de que tiene un ambiente controlado difumina
la confusión y permite establecer asociaciones con menor incertidumbre de cometer un
“error”.

Esto ha sido particularmente útil en la experimentación con animales y plantas, lo que

ha permitido el desarrollo de nueva tecnologías. El desarrollo de nuevas tecnologías
dentro del proceso productivo, sea este de tipo agropecuario o de tipo industrial, surge
del proceso de investigación o del método científico. Es por esto que los diseños
experimentales generan información confiable.

El diseño estadístico de experimentos se refiere al proceso para planear el experimento

de tal forma que se recaben datos adecuados que puedan analizarse con métodos
estadísticos que lleven a conclusiones válidas y objetivas.

Cuando el problema incluye datos que están sujetos a errores experimentales, la

metodología estadística es el único enfoque objetivo de análisis. Por lo tanto, cualquier
experimento incluye dos aspectos: El diseño del experimento y el análisis estadístico de
los datos.
 EL DISEÑO EXPERIMENTAL

Los diseños experimentales son aquellos métodos o procedimientos utilizados

clásicamente en la psicología experimental, para determinar el efecto de una o más
variables independientes en dos o más grupos de sujetos. Se refiere a la forma y manera
del procedimiento de comprobar un resultado y refutar otro u otros posibles. Para crear
un diseño, se siguen los siguientes pasos:

 Definir claramente la(s) variable independiente

 Definir claramente los sujetos sobre los que va a actuar la(s) variable
independiente
 Definir claramente las circunstancias en las que la(s) variable independiente va a
actuar sobre los sujetos.
 Definir claramente las circunstancias y características específicas de los sujetos
sobre los que va a actuar la(s) variable independiente.
 Definir la variable dependiente de modo claro.

Principales diseños experimentales:

 Diseño completamente aleatorizado

 Diseño por bloques
 Diseño factoriales

DISEÑO COMPLETAMENTE ALEATORIZADO

El diseño completamente aleatorio es el más sencillo de los diseños de experimentos

que tratan de comparar dos o más tratamientos, puesto que sólo considera dos fuentes de
variabilidad: los tratamientos y el error aleatorio.

La homogeneidad de las unidades experimentales puede lograrse ejerciendo un control

local apropiado (seleccionando, por ejemplo, sujetos, animales o plantas de una misma
edad, raza, variedad o especie). Pero debe tenerse presente que todo material biológico,
por homogéneo que sea, presenta una cierta fluctuación cuyos factores no se conocen y
son, por lo tanto, incontrolables.

Su nombre deriva del hecho que existe completamente una aleatorización, la cual valida
como ya se dijo la prueba F de Fisher-Snedecor. También se le conoce como Diseño de
una Vía o un sólo criterio de clasificación en virtud de que las respuestas se hallan
clasificadas únicamente por los tratamientos.

Este diseño no impone ninguna restricción en cuanto a las unidades experimentales,

éstas deberán ser, en todo caso, homogéneas.

Para ilustrar el diseño, supongamos que queremos determinar si cuatro dosificaciones

de un hormigón A,B,C y D presentan una misma resistencia característica a compresión.
Para ello se han elaborado 5 probetas para cada tipo de dosificación y, a los 28 días, se
han roto las probetas a compresión simple y los resultados son los que hemos recogido
en la tabla que sigue.

DOSIFICACIONES DE HORMIGÓN

A B C D

42 45 64 56

Resistencia 39 46 61 55
característica a
48 45 50 62
compresión fck
(Mpa) 43 39 55 59

44 43 58 60

Para este caso, la variable de respuesta es la resistencia característica del hormigón a

compresión (MPa), la unidad experimental es la probeta de hormigón y el factor es la
dosificación de hormigón. En este caso se trata de un diseño balanceado porque hemos
realizado el mismo número de repeticiones (5) para cada uno de los tratamientos
(dosificaciones).

Este tipo de diseño se llama completamente al azar porque todas las repeticiones
experimentales se realizan en orden aleatorio completo, pues no se han tenido en cuenta
otros factores de interés. Si durante el estudio se hacen N pruebas, éstas se deben
realizar al azar, de forma que los posibles efectos ambientales y temporales se vayan
repartiendo equitativamente entre los tratamientos.
El número de repeticiones a realizar en cada tratamiento depende de la variabilidad que
se espera observar en los datos, a la diferencia mínima que el experimentador considera
que es importante detectar y al nivel de confianza que se desea tener en las
conclusiones. Normalmente se recomiendan entre 10 y 30 mediciones en cada
tratamiento. Con 10 mediciones se podrían detectar diferencias de medias mayores o
iguales a 1,5 sigmas con una probabilidad alta, y con 30 mediciones se podrían detectar
diferencias mayores o iguales a 0,7 sigmas.

Se utiliza el análisis de la varianza (ANOVA) para comprobar si existen diferencias en

las medias. Fundamentalmente este análisis consiste en separar la contribución de cada
fuente de variación en la variación total observada. Sin embargo, éste ANOVA está
supeditado a los siguientes supuestos que deben verificarse:

 Normalidad

 Varianza constante (igual varianza en los tratamientos)

 Independencia

Lo que sucedió con el experimento es que el ANOVA dió como resultado el rechazo de
la igualdad de medias, es decir, que la resistencia media se ve afectada por la
dosificación. Sin embargo, las cuatro dosificaciones no son igual de efectivas, pues
existen diferencias significativas entre las resistencias medias de cada una de ellas. De
hecho, las dosificaciones A y B no presentan diferencias significativas entre sí, tampoco
entre la C y la D, sin embargo, entre ambos grupos sí que hay diferencias significativas.
Asimismo, se ha podido comprobar que se cumplieron los supuestos de normalidad,
varianza constante e independencia.
DISEÑO POR BLOQUE:

BLOQUES AL AZAR

Los diseños de bloques al azar que es definido por Hinkelman(1994) así: El material
experimental es dividido en grupos de unidades experimentales (UE) cada uno,
donde es el número de tratamientos , tales que las UE dentro de cada grupo son lo
más homogénea posible y las diferencias entre las UE sea dada por estar en diferentes
grupos. Los conjuntos son llamados bloques. Dentro de cada bloque las UE son
asignadas aleatoriamente, cada tratamiento ocurre exactamente una vez en un bloque.

Si la variación entre las UE dentro de los bloques es apreciablemente pequeña en

comparación con la variación entre bloques, un diseño de bloque completo al azar es
más potente que un diseño completo al azar.

Para este diseño el modelo lineal esta dado por

Donde es la media global de los tratamientos, es el efecto del

tratamiento el cual es constante para todas las observaciones dentro del

tratamiento, es el efecto del bloque, es el término del error aleatorio,

el cual se distribuye normal e independiente con media 0 y varianza . Las

restricciones del modelo son

Estimación de parámetros

Al aplicar el método de mínimos cuadrados, se obtiene como estimador de los

parámetros
CUADRADOS LATINOS

El agrupamiento de las unidades experimentales en dos direcciones (filas y columnas) y

la asignación de los tratamientos al azar en las unidades, de tal forma que en cada fila y
en cada columna se encuentren todos los tratamientos constituye un diseño cuadrado
latino.

Características

•Las unidades experimentales se distribuyen en grupos, bajo dos criterios de

homogeneidad dentro de la fila y dentro de la columna y heterogeneidad en otra forma.

•En cada fila y en cada columna, el número de unidades es igual al número de

tratamientos.

•Los tratamientos son asignados al azar en las unidades experimentales dentro de cada
fila y dentro de cada columna.

•El numero de filas= al número de columnas= al número de tratamientos.

•Los análisis estadísticos T-student, Duncan, Tuckey y en pruebas de contraste se

procede como el diseño completo al azar y el diseño de bloques.

•La desviación estándar de la diferencia de promedios y la desviación estándar del

promedio, están en función del cuadrado medio del error experimental.

Formación del Cuadrado Latino.

Suponga 4 tratamientos A, B, C y D, con estos tratamientos se pueden formar 4 cuadros

diferentes llamadas típicas o estándar (en la primera fila y en la primera columna se
tiene la misma distribución).
De cada cuadro se obtienen 144 formas diferentes, en total se tienen 576 cuadros
diferentes. La siguiente tabla permite relacionar el número de cuadros en función del
tamaño.

n = tamaño del cuadro.

ASIGNACIÓN DE TRATAMIENTOS

Los tratamientos deben asignarse empleando uno de los cuadros de los posibles, es decir
si son cuatro tratamientos, escoger entre los 576 posibles.

MODELO ESTADÍSTICO

Tanto la hipótesis nula como la alternativa, siguen siendo las mismas, a saber:

H0 : u1 = u2 =..........= ua

H1 : ui = uj para al menos un par ij

En este diseño, tenemos ahora, o queremos estudiar, cuatro fuentes de variación, la
debida al Factor X, la debida al Factor Y, la causada por el Bloque(o Factor) Latino y la
del error, por lo que nuestro modelo se puede expresar como:

Yij = La i-esima observación

u= Un parámetro General para todas las observaciones, llamado Media Global

ti = El efecto del factor X

βj = El efecto del Bloque Y

λk = El efecto del bloque Latino

εij = El error experimental Continuando con la metodología utilizada hasta aquí,

reescribamos estas fuentes de variación, en términos de sumas de cuadrados:

Sstotales = SSX + SSY + SSLatino + SSerror

DISEÑOS FACTORIALES

Un diseño factorial son los que estudian el efecto de una variable a la vez, ya que
estadísticamente es más fácil de manipular. Sin embargo, en muchos casos dos factores
pueden ser interdependientes y es poco viable o erróneo tratar de analizarlos de manera
tradicional.

Cuando se trata de un diseño factorial, los tratamientos se forman combinando los

niveles de los factores en estudio, de manera que el efecto del tratamiento τi se considera
a su vez compuesto de los efectos de los factores y sus interacciones. Por ejemplo, si
son dos factores en estudio se tiene:

τi = τkl = αk + γl + ξkl

Tratamiento = factor A + factor B + interacción AB

Haciendo una equivalencia entre los valores de i y los de k y l suponiendo que el factor
A tiene K niveles y el factor B L:
i k l

1 1 1

2 1 2

3 1 3

.. .. ..

t K L

Y el modelo resultante es:

yklj = µ + αk + γl + ξkl + βj + εklj

Es poco usual tener diseños experimentales muy complicados en los experimentos

factoriales, ya que se dificulta el análisis y la interpretación.

La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de que

el efecto de un factor cambie según los niveles de otros factores, esto es, que los
factores interactúen, o exista interacción.

También se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta o

variable dependiente, esto es, se quiere encontrar la combinación de niveles de los
factores que producen un valor óptimo de la variable dependiente. (Superficie de
respuesta).

Si se investiga un factor por separado, el resultado puede ser diferente al estudio

conjunto y es mucho más difícil describir el comportamiento general del proceso o
encontrar el óptimo.

Las ventajas de los experimentos factoriales son:

1. Economía en el material experimental al obtener información sobre varios factores

sin aumentar el tamaño del experimento. Todas las u.e.se utilizan para la evaluación de
los efectos.
2. Se amplía la base de la inferencia en relación a un factor, ya que se estudia en las
diferentes condiciones representadas por los niveles de otros factores. Se amplía el
rango de validez del experimento.

3. Permite el estudio de la interacción, esto es, estudiar el grado y forma en la cual se

modifica el efecto de un factor por los niveles de los otros factores.

Una desventaja de los experimentos factoriales es que requiere un gran número de u.e.,
sobre todo cuando se prueban muchos factores o muchos niveles de algunos factores, es
decir, se tiene un número grande de tratamientos.
CONCLUSIONES

 El diseño experimental es el arreglo de las unidades experimentales utilizado

para controlar el error experimental, a la vez que acomoda los tratamientos.

 La selección de un determinado diseño en un experimento depende del objetivo

de la investigación, de los factores a evaluar y de las fuentes de variación que
deseamos disminuir para aumentar la precisión del experimento, es decir
disminuir el error experimental.
BIBLIOGRAFÍA

http://www4.ujaen.es/~eramirez/Descargas/tema6

http://victoryepes.blogs.upv.es/2013/04/27/diseno-completamente-al-azar-y-anova/

http://experimentalupc.blogspot.com/2014/10/diseno-de-bloques-al-azar-parte-1.html

https://explorable.com/es/diseno-factorial