Vous êtes sur la page 1sur 10

Diseo Experimental

Prof. : Maria rosa Chillemi


1
DISEO EXPERIMENTAL

QU ES EL DISEO EXPERIMENTAL?

Los investigadores realizan experimentos en todos los campos, para saber algo acerca de un
proceso o sistema en particular. Un experimento es una prueba o ensayo. Un experimento
diseado es una prueba o serie de pruebas en las cuales se inducen cambios deliberados en las
variables de entrada de manera que se identifiquen las causas de los cambios en la respuesta de
salida. El proceso es una combinacin de mquinas, personas y otros recursos que transforman
alguna entrada (ej: un material) en una salida que tiene una o ms respuestas observables.
Algunas variables son controlables y otras incontrolables.
PROCESO
Entrada Salida
Factores controlables
Factores no controlables
Variables de respuesta
(caracteristicas de calidad)


En el campo de la industria, es comn hacer experimentos con el objeto de que al mover o
hacer algunos cambios en los materiales, mtodos o condiciones de operacin de un proceso
se puedan detectar o minimizar los problemas de calidad.
Sin embargo, es comn que estas pruebas se hagan sobre la marcha, a prueba y error,
apelando a la experiencia y a la intuicin; en lugar de seguir un plan experimental adecuado que
garantice una buena respuesta.

Algunos objetivos del diseo experimental son:
- Determinar cules variables x (factores) tienen mayor influencia en y (respuesta)
- Determinar el mejor valor de x que influye en y, para que y tenga un valor tan cercano
al valor nominal deseado.
- Determinar el mejor valor de las x que influyen en y, de modo que la variabilidad de y
sea pequea.
- Determinar el mejor valor de las x que influyen en y, de modo que minimicen los
efectos de las variables incontrolables z.

Los mtodos de diseo experimental tienen un cometido importante en el desarrollo de
procesos y en la depuracin de procesos para mejorar el rendimiento. En muchos casos el
objetivo puede ser desarrollar un proceso robusto o consistente, o sea afectado mnimamente
por fuentes de variabilidad externas (z
i
).

La aplicacin de tcnicas de diseo experimental en una fase temprana del desarrollo de un
proceso, mejora el rendimiento de un proceso, disminuye la variabilidad, el tiempo de
desarrollo y el costo global.

La aplicacin del diseo experimental en el diseo de ingeniera se da en la evaluacin y
comparacin de materiales alternativos, seleccin de parmetros de modo que el producto
funcione bien en una amplia variedad de condiciones de modo que ste sea
consistente(robusto).

El diseo estadstico de experimentos es el proceso de planear un experimento para obtener
datos apropiados que pueden ser analizados mediante mtodos estadsticos para producir
conclusiones vlidas y objetivas. La metodologa estadstica es el nico enfoque objetivo para
analizar un problema que involucre datos sujetos a errores experimentales. Es decir, hay dos
Diseo Experimental
Prof. : Maria rosa Chillemi
2
aspectos en cualquier problema experimental: el diseo del experimento y el anlisis
estadstico de los datos.

Algunos problemas tpicos de la industria que se pueden resolver con el diseo y anlisis
experimental son:

1- Comparar dos o ms proveedores del mismo material con el fin de elegir al que mejor
cumpla los requerimientos.
2- Comparar varios instrumentos para verificar su exactitud y precisin.
3- Variar la manera de operar el proceso y hacer cambios para reducir el nmero de
defectos.
4- Determinar los factores o fuentes de variabilidad que tienen impacto en la capacidad del
proceso para cumplir con sus requerimientos ms importantes.
5- Reducir el tiempo de ciclo del proceso.
6- Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.

DEFINICIONES BASICAS:

El Diseo de Experimentos: Es la aplicacin del mtodo cientfico para generar conocimiento
acerca de un sistema o proceso. Es til para crear calidad desde la fase de diseo del producto
y del proceso, pero tambin permite lograr mejoras sustanciales en procesos ya establecidos.

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

Unidad Experimental: Es la muestra de artculos que es necesario producir en una condicin
para obtener una medicin o dato representativo (puede ser una pieza o un conjunto de
piezas, dependiendo del proceso que se estudia)

Variable Respuesta: Es la variable de salida que tiene un valor que se desea mejorar.

Factores Controlables: Son variables de entrada que se pueden fijar en un punto o en un nivel
de operacin. Algunos factores que se controlan son: temperatura, cantidad de reactivo,
velocidad, presin, etc. Tambin se les llama variables de entrada, de diseo, parmetros de
diseo o factores.

Factores No Controlables: son aquellos que no pueden controlarse durante la operacin
normal del proceso. Ej.: variables ambientales (luz, humedad, ruido, etc.).

Niveles y Tratamientos: Niveles son: Los diferentes valores que se asignan a cada factor
estudiado. Una combinacin de niveles de todos los factores se llama tratamiento o punto de
diseo. EJ:

Nivel temperatura Nivel velocidad Tratamiento orden
1 1 1 (3)
2 1 2 (4)
1 2 3 (1)
2 2 4 (2)


Diseo Experimental
Prof. : Maria rosa Chillemi
3
Error Aleatorio: Es la variabilidad observada que no se puede explicar por los factores
estudiados y resulta del pequeo efecto de los factores no estudiados y del error experimental
(refleja los errores del experimentador en la planificacin y ejecucin del experimento)

Ejemplo de factores y variables que intervienen en la fabricacin de un envase de plstico:

PROCESO
Factores Controlables
Tiempo de curado
Tiempo de ciclo
Presion del molde
Velocidad del tornillo
Temperatura
X
1
X
2
X
12
...
Z
1
Z
2
Z
p
...
Factores de Ruido
(difciles de controlar)
Materia Prima Y Y ... Y
1 2 n
Respuesta
Encogimiento
Dureza
Color
Costo
Textura
Proveedor
Qumica del Plstico
Variables ambientales



ETAPAS EN EL DISEO DE EXPERIMENTOS:

Un aspecto fundamental es decidir cules pruebas o tratamientos se van a correr, cuntas
repeticiones de cada uno, de manera que se tenga la mxima informacin al mnimo costo
sobre lo que se estudia. Ese arreglo formado por las diferentes combinaciones incluyendo las
repeticiones, recibe el nombre de matriz diseo.

Las etapas del diseo de experimentos que se recomiendan son:

Planeacin:
Se deben desarrollar todas las ideas sobre los objetivos del experimento (considerar la
opinin de todas las partes implicadas: cuerpo tcnico, departamento de calidad,
manufactura, divisin comercial, direccin, clientes y personal operativo) Encontrar un
problema de calidad que causa prdidas importantes en la compaa o que sea de inters
para el investigador. Es fundamental tener un conocimiento inicial sobre el proceso donde
se ubica el problema.
Eleccin de factores y niveles:
Determinar cules factores deben estudiarse de acuerdo a la supuesta influencia que
tienen sobre la respuesta, los intervalos de variacin y los niveles que tomaran en dicho
intervalo.
Seleccin de la variable respuesta:
Se debe elegir con cuidado de manera que provea la informacin deseada. Elegir la(s)
variable(s) de respuesta que reflejen el problema ya sea en trminos de calidad o
productividad. Con frecuencia el promedio o la desviacin estndar ( o ambos) de la
caracterstica medida sern la variable respuesta.
Eleccin del diseo experimental:
Para seleccionar el diseo experimental adecuado es necesario considerar el tamao
muestral (nmero de repeticiones), seleccionar un orden adecuado para los ensayos
experimentales y determinar si hay bloqueo. Es necesario considerar los objetivos
Diseo Experimental
Prof. : Maria rosa Chillemi
4
experimentales al disear. Se puede tener inters en identificar qu factores producen
respuestas diferentes y estimar la magnitud del cambio de la respuesta.
Realizacin del experimento:
Se debe vigilar el proceso cuando se realiza el experimento para asegurar que todo se haga
conforme a lo planeado. Los errores en el procedimiento pueden anular la validez
experimental.
Anlisis de datos:
Si el experimento se dise correctamente y si se ha realizado conforme al diseo, los
mtodos estadsticos que se requieren para analizar los datos no son complicados. Se
deben determinar los modelos de anlisis de varianza (ANOVA) que mejor describan el
comportamiento de los datos. Estos hacen posible obtener el probable error en una
conclusin o asignar un nivel de objetividad y confiabilidad en los resultados.
Interpretacin:
Se debe analizar con detalle lo que ha pasado en el experimento: contrastar conjeturas
iniciales con los resultados del experimento, verificar supuestos y elegir el tratamiento
ganador.
Conclusiones Finales:
El experimentador debe extraer conclusiones prcticas de los resultados y recomendar un
curso de accin. Los mtodos grficos son tiles para presentar los resultados a otras
personas. Se debe tener en cuenta que la experimentacin es iterativa, es un error disear
un nico experimento grande y amplio al principio de un estudio. Conforme progresa un
programa experimental, se pueden eliminar algunas variables de entradas, se agregan otras,
se aaden variables respuesta, se cambia la regin de exploracin. O sea se suele
experimentar secuencialmente y como regla general, en el primer experimento no debe
gastarse ms del 25% de los recursos disponibles. Se decidirn qu medidas implementar
para generalizar el resultado del estudio y para garantizar que las mejoras se mantengan.

Los mtodos estadsticos por si solos no garantizan investigaciones exitosas, por eso debe
tenerse en cuenta:
El conocimiento no estadstico es vital.
Mantener el diseo y el anlisis tan simple como sea posible.
Reconocer la diferencia entre significancia estadstica e importancia
prctica.
Apostar ms a la experimentacin secuencial que a un experimento
nico y definitivo.

PRINCIPIOS BASICOS:

Los principios bsicos del diseo de experimentos son: aleatorizacin, repeticin y bloqueo.
La validez del anlisis de los datos se apoya en estos principios.

Aleatorizacin: Se entiende por esto el hecho que tanto la asignacin del material
experimental como el orden en que se realizan las pruebas individuales o ensayos se
determinan aleatoriamente. Este principio aumenta la posibilidad de que el supuesto de
independencia de los errores se cumpla. Adems la aleatorizacin ayuda a cancelar los efectos
de factores extraos.

Repeticin: Es correr ms de una vez un tratamiento o combinacin de factores. La rplica
permite obtener una estimacin del error experimental, lo que permite determinar si las
diferencias observadas en los datos son estadsticamente significativas. Tambin permite
Diseo Experimental
Prof. : Maria rosa Chillemi
5
calcular el efecto de un factor en forma ms precisa ya que en general se usa la media y de la
muestra. Luego si hay rplicas, la varianza de y es
n
=
2
2
y


Bloqueo: Un bloque es una porcin de material experimental que sea ms homogneo que el
total del material. Considerar bloques permite detectar si las diferencias significativas que se
observan en las respuestas se deben al bloque y no a los factores principales. Con el bloqueo
se logra mayor precisin del experimento al eliminar variabilidad no explicada que provocara
error aleatorio. Ejemplos de bloques: lotes de materia prima; operario, turno; etc.

CLASIFICACION DE LOS DISEOS EXPERIMENTALES:

Para elegir adecuadamente un diseo deben tenerse en cuenta:

1- El objetivo
2- El Nmero de factores a controlar
3- El Nmero de niveles de cada factor
4- Los efectos que interesa investigar
5- El costo del experimento, tiempo y precisin deseada

De acuerdo al objetivo:

1- D. para comparar 2 o mas tratamientos
2- D. para estudiar varios factores sobre
una o mas respuestas
3- Diseos para la optimizacin de
procesos
4- Diseos Robustos
5- Diseo de Mezclas
D. completamente al azar
D. en bloques completos al azar
D. en cuadrados latinos y grecolatinos
D. factoriales 2
D. factoriales 3
D. factoriales fraccionarios 2
k
k
k-p
D. de 1 Orden
D. de 2 Orden
er
do
D. 2 y 2
D. de Plake H-Burman
D. Simplex
k k-p
D. Central Compuesto
D. Box-Behnken
D. 3 y 3
k k-p
D. ortogonales
D. con arreglo interno y externo
D. de Lattice-Simplex
D. Simplex con centro de D. axial
D. con restricciones



POBLACIN, MUESTRA, PARMETROS ESTADSTICOS

Poblacin finita: Es aquella en la que se pueden medir todos los individuos para tener un
conocimiento exacto de sus caractersticas.
Parmetros: Caractersticas que mediante su valor numrico describen a un conjunto de
elementos o individuos.
Poblacin Infinita: Es aquella en la que la poblacin es grande y es imposible medir todos los
individuos.

Diseo Experimental
Prof. : Maria rosa Chillemi
6
Muestra Representativa: Es una parte de la poblacin, seleccionada adecuadamente, que
conserva los aspectos claves de la poblacin.
Inferencia Estadstica: Son las afirmaciones vlidas acerca de la poblacin o proceso con base
en la informacin contenida en la muestra.


A
leatoriamente
Inferencia X S
Estadsticos
(conocidos) Parmetros (siempre desconocidos)
?
?
Poblacin`
(Ej. Toda la produccin del mes)
Muestra
(representativa de la produccin del mes)


Distribuciones de Probabilidad
Mean,Std. dev.
0,1
Normal Distribution
d
e
n
s
i
t
y
-5 -3 -1 1 3 5
0
0,1
0,2
0,3
0,4



(a) (b)
Distribucin de la media de la muestra de una poblacin normal con varianza conocida (a) y
desconocida (b)


Numerator d.f,Denominator d.f.
10,10
F (variance ratio) Distribution
d
e
n
s
i
t
y
0 1 2 3 4 5
0
0,2
0,4
0,6
0,8



2
2
) 1 (
o

=
n s
u (c)
2
1
2
2
2
2
2
1
o
o
s
s
F = (d)
Distribucin de la varianza de la muestra (c) y del cociente de varianzas de (d)






n
s
X
t

=
n
X
z
o

=
Deg. of freedom
10
Chi-Square Distribution
d
e
n
s
i
t
y
0 10 20 30 40
0
0,02
0,04
0,06
0,08
0,1

Deg. of freedom
10
Student's t Distribution
d
e
n
s
i
t
y
-6 -4 -2 0 2 4 6
0
0,1
0,2
0,3
0,4

Diseo Experimental
Prof. : Maria rosa Chillemi
7
RESUMEN DE FORMULAS PARA INTERVALOS DE CONFIANZA


Intervalos de confianza a nivel 1-o :


- Para la media de una poblacin normal ( o
2
conocida)
:
(

+
n
z X
n
z X
o o
o o
2 2
,
- Para la media de una poblacin normal ( o
2
desconocida)
:
(

+

n
S
t X
n
S
t X
n n 1
2
1
2
,
o o

- Para la proporcin en una poblacin Bernoulli
P:
(

n
P P
z P
n
P P
z P
) 1 (
,
) 1 (
2 2
o o

- Para la varianza de una poblacin normal ( y o
2
desconocidas)
o
2
:
(
(



2
1 2 / 1
2
2
1 2 /
2
) 1 (
,
) 1 (
n n
S n S n
_ _
o o




- Para la diferencia de medias de poblaciones independientes (varianzas conocidas)
:
2 1

(
(

+ + +
m n
z Y X
m n
z Y X
y
x
y
x
2
2
2
2
2
2
,
o
o
o
o
o o

- Para la diferencia de medias de poblaciones independientes (varianzas desconocidas pero iguales)
:
2 1

(
(

+
+
+
+ +
+
+

+ +
m n m n
S m S n
t Y X
m n m n
S m S n
t Y X
y x
m n
y x
m n
1 1
2
) 1 ( ) 1 (
,
1 1
2
) 1 ( ) 1 (
2 2
2
2
2 2
2
2
o o

- Para la diferencia de medias con muestras relacionadas. n=m, D
i
=X
i
-Y
i
y S
d
su desviacin tpica
:
2 1

(
(

+

n
S
t Y X
n
S
t Y X
d
n
d
n
2
1
2
2
1
2
,
o o

- Para la diferencia de proporciones.
P
x
-P
y
:
(
(
(

+ + +
m
)
y
P - (1
y
P
n
)
x
P - (1
x
P
2
z
y
P
x
P ,
m
)
y
P - (1
y
P
n
)
x
P - (1
x
P
2
z
y
P
x
P
o o

- Para el cociente entre varianzas de dos poblaciones normales
:
2
2
y
x
o
o
(
(
(



) 1 ( ), 1 (
2
2
) 1 ( ), 1 (
2
2
2
1
2
1
,
1

m n
y
x
m n
y
x
F F
S
S
S
S
o o




Diseo Experimental
Prof. : Maria rosa Chillemi
8

RESUMEN DE FORMULAS PARA PROCEDIMIENTOS DE PRUEBAS DE HIPOTESIS

Hiptesis

Estadstico Regin de rechazo
H
0
: =
0
H
1
: <
0 Prueba
unilateral

n
x
z
0
o

= ~ N(0;1)
n
z x
o
o
<
o

H
0
: =
0
H
1
: >
0

Prueba
unilateral

n
x
z
0
o

= ~ N(0;1)
n
z x
o
o
+ >
o

H
0
: =
0
H
1
: =
0

Prueba
bilateral

n
x
z
0
o

= ~ N(0;1)
n
z x
o
o
>
2
o

H
0
: P=P
0
H
1
: P<P
0 Prueba
unilateral

n
Q P
P p
z
0 0
0

= ~ N(0;1)
n
Q P
z P p
o
0 0
o
<
H
0
: P=P
0
H
1
: P>P
0 Prueba
unilateral

n
Q P
P p
z
0 0
0

= ~ N(0;1)
n
Q P
z P p
o
0 0
o
+ >
H
0
: P=P
0
H
1
: P=P
0

Prueba
bilateral

n
Q P
P p
z
0 0
0

= ~ N(0;1)
n
Q P
z P p
0 0
0
2
o >
H
0
: =
0
H
1
: <
0
2
o desconocido
Prueba unilateral

n s
x
t
0

= ~ t
(n-1)
n
s
t x
o 0
<
H
0
: =
0
H
1
: >
0

2
o desconocido

Prueba unilateral

n s
x
t
0

= ~ t
(n-1)

n
s
t x
o 0
+ >
H
0
: =
0
H
1
: =
0

2
o desconocido
Prueba bilateral

n s
x
t
0

= ~ t
(n-1)

n
s
t x
/ 2 o 0
>
H
0
:
2
o
=
2
0
o
H
1
:
2
o
<
2
0
o


Prueba unilateral

( )
2
2
s 1 n
u
o

= ~
2
) 1 n (
_
u <
2
o 1
_
H
0
:
2
o
=
2
0
o
H
1
:
2
o
>
2
0
o


Prueba unilateral

( )
2
2
s 1 n
u
o

= ~
2
) 1 n (
_
u >
2
o
_
H
0
:
2
o
=
2
0
o
H
1
:
2
o
=
2
0
o


Prueba bilateral

( )
2
2
s 1 n
u
o

= ~
2
) 1 n (
_
u<
2
2 o 1
_
/
u >
2
2 o
_
/

H
0
:
1
-
2
=o H
1
:
1
-
2
=o

2
2
2
1
, o o conocidos

( )
2
2
2
1
2
1
2 1
n n
x x
z
o
+
o
o
= ~ N(0;1)

2 o
)
/ obs
z z
H
0
:
1
-
2
=o H
1
:
1
-
2
=o

2
2
2
1
, o o desconocidos e iguales

( )
( ) ( ) | |( )
( ) ( )
2 1 2 1
2 1 2
2
2 1
2
1
2 1
n n 2 n n
n n 1 n s 1 n s
x x
t
+
+ +
o
=
2 n n
2 1
t ~
+

2 o
)
/ obs
t t
H
0
: 1
2
2
2
1
=
o
o
H
1
: 1
2
2
2
1
=
o
o



2
2
2
1
s
s
F = ~
( ) 1 n ; 1 n
2 1
F


F
obs
>F
o/2
(n
1
-1, n
2
-1)

F
obs
< 1/F
o/2
(n
2
-1,n
1-
1)



Diseo Experimental
Prof. : Maria rosa Chillemi
9
USO DEL SOFTWARE
Statgraphics
1 Parmetro:
Describe Numeric data one variable Anlisis Confidence Intervals o Hiptesis test
(en las opciones tabulares)
2-Parametros:
Compare Two Samples Two Sample Comparison Comparison of Means o
Comparison of Standard deviations (muestras independientes) Compare Two Samples
Paired Samples comparison Hypothesis test.

Excel:
Funciones estadsticas y la opcin Anlisis de datos (en el men herramientas). Para
activar se usa la funcin Complementos dentro del mismo men de Herramientas.
Secuencia: Herramientas Anlisis de Datos Estadstica Descriptiva Nivel de
confianza para la media.
Para comparar 2 medias de poblaciones suponiendo varianzas desconocidas pero
supuestas iguales: herramientas Anlisis de datos Prueba suponiendo varianzas
iguales.
Para muestras apareadas: Herramientas Anlisis de Datos Prueba para medias de
dos muestras apareadas.
Para probar la igualdad de las varianzas: Herramientas Anlisis de Datos Prueba F
para varianzas de dos muestras.

FAMILIA DE DISEOS PARA COMPARAR TRATAMIENTO
Los diseos experimentales para comparar tratamientos, desde cero hasta tres factores bloque
son respectivamente:
- Diseo completamente al azar
- D. con bloques completos al azar
- D. en cuadrado latino
- D. en cuadrado grecolatino
La comparacin de los tratamientos en cuanto a la respuesta media que logran, se hace
mediante la hiptesis:
H
o
:
1
=
2
= =
k
= H
1
: i j para algn i j
Que se prueba con la tcnica estadstica llamada Anlisis de Varianza (ANOVA) con 1, 2, 3, 4
criterios de clasificacin, dependiendo del nmero de factores de bloque incorporados al
diseo.

FAMILIA DE DISEOS PARA COMPARAR TRATAMIENTOS
Diseo Factores de
bloque
Tcnica estadstica Modelo estadstico
D. completamente al
azar
0 ANOVA con un criterio
de clasificacin
i i i
y c t + + =
D. en bloques
completos al azar
1 ANOVA con dos
criterios de clasificacin
ij j i ij
y c t + + + =
D. en cuadrado latino 2 ANOVA con tres
criterios de clasificacin
ijk k j i ijk
y c o t + + + + =
D. en cuadrado
grecolatino
3 ANOVA con cuatro
criterios de clasificacin
ijkl l k j i ijkl
y c o t + + + + + =
Notacin: Y: variable respuesta; media global; o t , , , son los efectos de tratamientos (t ) y de bloque ( o , , ).
c es el error aleatorio.
La diferencia entre estos
diseos es el nmero de
factores de bloque
Diseo Experimental
Prof. : Maria rosa Chillemi
10
Para cada diseo, se tiene por lo menos dos fuentes de variabilidad: los tratamientos o niveles
del factor de inters y el error aleatorio.
Los diseos no suponen efectos de interaccin, sin embargo es deseable que esto ocurra, de lo
contrario la variabilidad de cada interaccin activa carga el error.
Que exista interaccin se refiere a que el efecto de cada factor depende del nivel en que se
encuentra el otro.

DISEO COMPLETAMENTE AL AZAR

Es el ms simple de todos los diseos que se utilizan para comparar dos o ms tratamientos,
considera dos fuentes de variacin: tratamientos y error aleatorio.
Se llama completamente al azar porque todas las corridas experimentales se realizan en orden
aleatorio completo.
Supongamos que hay k poblaciones o tratamientos, independientes y con medias desconocidas

1
;
2
,;
K
y varianzas tambin desconocidas pero que se suponen
iguales
2
2
k
2
2
2
1
= = ... = = . Las poblaciones pueden ser k mtodos de produccin, k
tratamientos, k grupos, etc. y sus medias son medidas en trminos de variable respuesta. Los
tratamientos son distintos niveles de un factor, por ejemplo material; contenido de cierto
mineral; operario; etc). En estos ejemplos los tratamientos seran: material A;B;C; contenido:
5%;10%; 20%; Operario: Op
1
;Op
2
;Op
3
;;Op
5
. La respuesta que se mide en cada uno de los
niveles es una variable aleatoria.
La tabla de Datos se puede escribir:
FACTOR A
Niveles 1 2 3 . k
Observaciones Y
11
Y
21
Y
31
Y
k1
Y
12
Y
22
Y
32
Y
k2
Y
13
Y
23
Y
33
Y
k3


Totales Y
1.
Y
2.
Y
k
Medias
. 1
y
. 2
y
. 3
y

. a
y

j i
y observacin j-sima del nivel i.
n
y
= y y = y
i
n
1 = j
i ij i

Media total: n . k = N y
N
1
k
1 = i
n
1 = j
ij


Es recomendable usar el mismo nmero de repeticiones (ni=n) en cada tratamiento. Cuando
esto ocurre en toda i se dice que el diseo es balanceado.
En estos k diseos se recomiendan entre 10 y 30 repeticiones en cada tratamiento. Se usa
n=10 cuando las mediciones tienen poca dispersin. Cuando es costoso realizar las pruebas, se
realizan menos repeticiones, pero se detectaran solo grandes diferencias entre tratamientos.
El modelo que se plantea es: n ,..., 1 = j k ,..., 1 = i + + = y
ij i ij

donde es la media total comn a todos los niveles, llamada gran media;
i
es el efecto del
nivel i y
ij
es el error aleatorio de la observacin j en el nivel i.
El objetivo es plantear hiptesis respecto a los efectos del nivel y hacer estimaciones sobre
ello.
Suposiciones:
i j
~ ) , 0 ( NI
2
.
2
es constante para todos los niveles del factor.
Este modelo requiere que el experimento se realice en orden aleatorio de manera de
uniformar los resultados. Es decir este diseo experimental se llama completamente

Vous aimerez peut-être aussi